Predictive maintenance ghasempoor - mohaymen

اهمیت صنعت تعمیر و نگهداری46.6:هزار میلیارد دالر

GDPکل جهان

447:میلیارد دالر هزینه سالیانه تعمیر و نگهداری (Global Framework on Maintenance and Asset Management)

2

ضرورت و اهمیت تعمیر و نگهداری پیشگویانه

مقایسه شرکت های برتر در زمینهPdM

معرفی پلتفرمIBM Predictive

Maintenance

معرفی راهکار تعمیر و نگهداری

SASپیشگویانه

اهمیت صنعت تعمیر و نگهداری

46.6:هزار میلیارد دالر GDPکل جهان

447:میلیارد دالر هزینه سالیانه تعمیر و نگهداری (Global Framework on Maintenance and Asset Management, 2008)

3

جهان در حال

است!تغییر

4

به شدت

PrMروندهای تشدید کننده

تجهیزات و بهبود تکنولوژی. رشد 1

80% حسگرها، ریزپردازنده ها و شبکه های کاهش قیمت

( Economist, 2012) سال4بیسیم طی

5

ارزانتبهترر

سریعتر

PrMروندهای تشدید کننده

ماشین به ماشینو ارتباط اینترنت اشیا . گسترش 2

40 – 50 % نرخ رشد میانگین بازارM2M 2020 تا (Gartner, 2012)

50 2020دستگاه متصل در سال میلیارد (Gartner, 2012)

6

PrMروندهای تشدید کننده

سیستم ها یکپارچه سازی ورایانش ابری . 3

7

b$ 462008

b$ 932011

b$1312013

183 b$

2015Gartner, 2016

PrMروندهای تشدید کننده

Digital). تعویض نسل کارکنان با افراد آشنا با تکنولوژی 4

Natives)

8

PrMروندهای تشدید کننده

برای تصمیم گیریاشراف اطالعاتی . نیاز مدیران به 5

9

Maintenance بازار درآمدanalytics

10

PrMسهم Maintenance Analyticsاز کل بازار

2014 2019

23 %

60 %

سهم انواع روش های تعمیر و نگهداری

11

2000 2010 20140

10

20

30

40

50

60

70

80

90

100

Preventive M

Raactive M

Predictive M

درصد کاهش هزینه در روش های تعمیر و نگهداری

12

تعمیرونگهداری

واکنشی

تعمیرونگهداری

پیشگیرانه

تعمیرونگهداری

پیشگویانه

17 – 18 % 8 – 12 %

30 – 40 %

مقایسه هزینه اقدامات تعمیر و نگهداری به چهار روش

13

واکنشی 18$

پیشگیرانه 13$

9پیشگویانه 6پیش فعال$

$

ی استفاده از تعمیر و نگهداری پیشگویانهمزایا

14

25 – 20 %افزایش

تولید

35 – 45 %کاهش زمان توقف تولید

70 – 75 %کاهش خرابی ها

25 – 30 %کاهش هزینه

تعمیر و نگهداری برابر 10

بازگشت سرمایه

تعمیر و نگهداری پیشگویانه

روش های سنتی تعمیر و US Department of Energy's O&M Best Practice Guide, 2010نگهداری

اهمیت صنعت تعمیر و نگهداری46.6:هزار میلیارد دالر

GDPکل جهان

447:میلیارد دالر هزینه سالیانه تعمیر و نگهداری (Global Framework on Maintenance and Asset Management)

15

ضرورت و اهمیت تعمیر و نگهداری پیشگویانه

مقایسه شرکت های برتر در زمینهPdM

معرفی پلتفرمIBM Predictive

Maintenance

معرفی راهکار تعمیر و نگهداری

SASپیشگویانه

2013سال •

16

2013سال •

17

اهمیت صنعت تعمیر و نگهداری46.6:هزار میلیارد دالر

GDPکل جهان

447:میلیارد دالر هزینه سالیانه تعمیر و نگهداری (Global Framework on Maintenance and Asset Management)

18

ضرورت و اهمیت تعمیر و نگهداری پیشگویانه

مقایسه شرکت های برتر در زمینهPdM

معرفی پلتفرمIBM Predictive

Maintenance

معرفی راهکار تعمیر و نگهداری

SASپیشگویانه

IBM Predictive Maintenanceمعماری راهکار

19

Integration Bus• Preprocessing and Orchestration

Reporting• End User Reports•Dashboards

Analytics• Scoring•Decision Management

Analytic Data Store•Master Data•Device Events• Recommended Maintenance Activities

Analytics Solution

Foundation

Installer

Enterprise Information Systems• )EAM, MDM,

MES(

DSC Streaming Data

Production DBSCADA

Event Sources

IBM Predictive Maintenanceمعماری راهکار

20

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision Management

IBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems(EAM, MDM, MES(

Event Sources

IBM PdMشرح وظایف اجزای پلتفرم

21

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision Management

IBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems(EAM, MDM, MES(

Event Sources

جمع آوری داده، داده های SCADA، DSCمنابع:

سنسورها، پایگاه داده تولیدالگ حسگرهای انواع:

تجهیزات، داده های محیطی، داده های تعمیر و نگهداری،

اطالعات منابع انسانی، داده های بدون ساختار

IBM PdMشرح وظایف اجزای پلتفرم

22

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision Management

IBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems(EAM, MDM, MES(

Event Sources

پیش پردازش•

تبدیل فرمت•

یکپارچه سازی•

آماده سازی داده برای ورود به

مرحله تحلیل و نمره دهی

IBM PdMشرح وظایف اجزای پلتفرم

23

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision Management

IBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems(EAM, MDM, MES(

Event Sources

پایگاه ذخیره سازی اطالعات• Master data• Recommended maintenance act• Device event KPI

IBM PdMشرح وظایف اجزای پلتفرم

24

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision ManagementIBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems(EAM, MDM, MES(

Event Sources

نمره دهی میزان ریسک خرابی •قطعات

تصمیم گیری و پیشنهاد اقدامات •متناسب

ارسال سفارش کاری به سیستم •مدیریت دارایی

ارسال بازخورد به پایگاه داده•

IBM PdMشرح وظایف اجزای پلتفرم

25

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision Management

IBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems(EAM, MDM, MES(

Event Sources

گزارش گیرینمایش و رصد وضعیت

سیستم در قالب داشبورد گرافیکی

IBM PdMشرح وظایف اجزای پلتفرم

26

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision ManagementIBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems)EAM, MDM, MES(

Event Sources

(EAM)مدیریت سفارش های کاری • master dataبه روزرسانی خودکار •

(MDM)مدیریت و هماهنگی عملیات •

(MES)روزمره کارگاه

IBM PdMشرح وظایف اجزای پلتفرم

27

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision ManagementIBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems)EAM, MDM, MES(

Event Sources

خودکارسازی فرآیند

نصب و پیکربندی

IBM PdMراه کار

IBM PdMشرح وظایف اجزای پلتفرم

28

IBM WebSphere Message Broker

IBM Cognos Business Intelligence

IBM SPSS ModelerIBM SPSS Decision ManagementIBM DB2

Analytics Solution Foundation

Installer

Enterprise Information

Systems)EAM, MDM, MES(

Event Sources

ایجاد هرگونه تغییر در مدل داده

و سفارشی سازی راه کار

بر اساس نیازهای جدید

نمونه های پیاده سازی شده

29

)بهره بردار انرژی های تجدیدپذیر در انگلستان( infinis نام شرکت:

چالش راهکار نتایجدر  • انرژی تولی�د س�ایت های پراکندگ�ی

فواص�ل بس�یار دور و هزینه و زمان بر بودن گس�یل نیروی فنی برای اقدامات

بازرسی یا تعمیر و نگهداریاحتمال • و لندفیل �وخت �س ناپایداری

خاموشی های مکرر در نیروگاه و عدم امکان پیش بینی خاموشی ها

نیاز به تولید قابل اتکا و پایدار •از • آالرم ها باالی �م �حج �ت �دریاف

س�یستم های مختل�ف مانیتورینگ و تعداد توان عدم و کاری سفارش های باالی

مدیریت وظایفوجود چهار سیستم مجزا برای مدیریت •

و نظم وجود عدم و کاری جریان وحدت رویه

آستانه  • س�طوح و آالرم ه�ا یکپارچه س�ازی تعری�ف شده در س�یستم های مانیتورین�گ به

IBM Maximoکمک افزودن راهکار مدیری�ت تدارکات، خرید و •

موجودی انبار ب�ه راهکار مدیری�ت تعمیر و برای اتکا نقط�ه ی�ک ایجاد و نگهداری

مدیریت کل عملیات شرکتآالرم ها، • �ل �پروفای و �ه �تاریخچ ایجاد

اقدامات و کاری سفارش های خرابی ه�ا، برای مجموعه قطعات نگهداری و تعمی�ر

مشابهریشه ای • دلیل بهت�ر شناخ�ت و ردیاب�ی

خرابی ه�ا و رابط�ه آ�ن ب�ا شرای�ط محیطی و وضعیت قطعات

تکنسین های • �ه �ب �ف �وظای کردن محول و ابزارها همراه ب�ه رویداد ه�ر مناس�ب

وسایل یدکی مناسب

اص�الح و بهبود برنام�ه زمان�ی تعمیر و  •نگهداری

و MTBMکاهش • Mean Time To

Repairو تولید و عرضه پایدار برق و • تعمیر �ب �مناس روش پیشنهاد

اساس بر قطع�ه ه�ر برای نگهداری وضعیت و تاریخچه قطعه

نمونه های پیاده سازی شده

30

)تولیدکننده نفت و گاز( Statoil نام شرکت:

چالش راهکار نتایج

و • نفتی �کوهای �س �تردگی �گسیک از بهره گیری در دشواری مانیتورینگ برای �امانه ��س

 فرآیندهای کلی

ایجاد س�اختار یکپارچه سازی داده •متسقر نفت�ی س�کوهای بی�ن در

 درآباتخاذ • برای ارتباطی بس�تر ایجاد

تصمیمات تعاونیمانیتورینگ • و �ی ��گزارش ده

قالب در ع�ملیات �ت ��وضعیداشبوردهای گرافیکی

و • وظایف �ازی ���خودکارسسفارش های کاری

بهبود بازدهی تولید•بهبود مدیریت بر پایه اطالعات و •

اشراف ک�امل بر فرآیندهاکنترل بیشتر بر فرآیندها و •

HSEرعابت ملزومات

پیش بینی ارزش خالص فعلی سال به 5سرمایه گذاریطی

میلیارد دالر50میزان:

Statoil

نمونه های پیاده سازی شده

31

)بهره بردار نفت و گاز در استرالیا(PTTEP Australasia نام شرکت:

چالش راهکار نتایج

برای • محیطی �د ��ب �ط ��شرایو آب در نفت�ی موجود س�کوهای و تع�میر فعالیت های دشواری

نگهداریزیان بار HSEالزامات • عواقب و

در صورت بروی خرابیدشواری هماهنگ کردن تدارکات •

در نگهداری و تعمیر نیاز مورد سکو و دفاتر خشکی

یکپارچه • �امانه �س وجود عدم مدیری�ت توام تدارکات و تعمیر و

نگهداری

ایجادپیاده س�ازی راهکار مدیریت •طراحی IBM Maximoدارای�ی و

نگهداری و تعمیر �یستم ��سپیشبینانه

اقدامات • کردن سینکرون در نگهداری و تعمیر و تدارک�ت

دفاتر خشکی و دریاخودک�ار س�ازی جریان درخواست •

تبادل به نیاز بدون کاری های برگه

سهولت و بهبود برنامه ریزی •اقدامات تعمیر و نگهداری و

جریان کاری مربوطمدیریت خودکار تدارکات و انبار•حذف کاغذبازی در فرآیندها•

نمونه های پیاده سازی شده

32

)شرکت نفت اکوادور( EP PetroEcuador نام شرکت:

چالش راهکار نتایج•

از متشکل �د ��تولی �ط ��خکه اس�ت متفاوت�ی فرآیندهای در طول زمان ایجاد شده اند و ی�ک دی�د جامع برای ایجاد مان�ع و نگهداری و تعمیر مدیری�ت

تصمیمات آگاهانه می شود.

راهکار   IBMپیاده سازی

Maximo Asset Management

انواع خرابی الگوهای تحلی�ل بینی پی�ش و تجهیزات مختل�ف تعمیر ی�ا تعوی�ض بهتری�ن زمان و شرایط اس�اس بر قطعات

میزان مصرف آن ها

کلی  • هزینه های �ش ��کاهفرآیند و لول�ه خ�ط عملیات�ی

میزان به �فیه �از 1تص % طریق:

o تعداد قطعات خریداری کاهش بهینه و انبار شده و هزین�ه های ک�اهش بوس�یله لجس�تیک س�ازی

هزینه های خرید اضطراریo دفعات و زمان میزان کاهش

خرابی خط لوله و تصفیهافزایش تولید و بهبود فرآیندها•

اهمیت صنعت تعمیر و نگهداری46.6:هزار میلیارد دالر

GDPکل جهان

447:میلیارد دالر هزینه سالیانه تعمیر و نگهداری (Global Framework on Maintenance and Asset Management)

33

ضرورت و اهمیت تعمیر و نگهداری پیشگویانه

مقایسه شرکت های برتر در زمینهPdM

معرفی پلتفرمIBM Predictive

Maintenance

معرفی راهکار تعمیر و نگهداری

SASپیشگویانه

SAS Business Analyticsمعماری راهکار

34

SAS Framework

ServicesSAS

Clients

Enterprise Data and Systems

Enterprise Clients

SAS Business SolutionsSAS Reporting

SAS Analytics

SAS Data Integration

SAS Storage

SAS Predictive Asset Maintenanceفرآیند

35

مدل داده•تجمیع داده•

پیش بینی شرایط•بهینه سازی و •

اخطارها

بهینه سازی تعمیر و •نگهداری

تجمیع فرآیندهای کسب •و کار

مدیریت قوانین•مدیریت عملکرد•

حصول و مدیریت

yداده

تحلیل، اخطار و پیش بینی

درک، بهینه ساز

ی و گزارش ده

ی

اقدام و وفقy دادن

SAS Predictive Asset Maintenanceفرآیند

36

حصول و مدیریت

yداده

تحلیل، اخطار و پیش بینی

درک، بهینه ساز

ی و گزارش د

هی

اقدام و yوفقدادن

جمع آوری و ترکیب •داده

تمیزسازی و •پیش پردازش

مدل سازی داده های •بدون ساختار

SAS Predictive Asset Maintenanceفرآیند

37

حصول و مدیریت

yداده

تحلیل، اخطار و پیش بینی

درک، بهینه ساز

ی و گزارش د

هی

اقدام و yوفقدادن

نمره دهی به رویدادها•شناسایی شناساگرهای اولیه •

رویدادهاو تعبیه اخطار

اعتبار سنجی مدل های •پیشگویانه با استفاده

از تاریخچه داده ها و نظر متخصصین

SAS Predictive Asset Maintenanceفرآیند

38

حصول و مدیریت

yداده

تحلیل، اخطار و پیش بینی

درک، بهینه ساز

ی و گزارش د

هی

اقدام و yوفقدادن

برنامه ریزی و بهینه سازی برنامه

تعمیرونگهداریتعیین ترکیب بهینه سه •

روشتعیین برنامه نیروی کار•

SAS Predictive Asset Maintenanceفرآیند

39

حصول و مدیریت

yداده

تحلیل، اخطار و پیش بینی

درک، بهینه ساز

ی و گزارش د

هی

اقدام و yوفقدادن

ارسال آالرم به •تکنسین مربوطه در

صورت بروز رویداد با ریسک باال

نمونه های پیاده سازی شده

40

)بهره بردار نفت و گاز( Conoco Phillips نام شرکت:

چالش راهکار نتایج

احتمال توقف تولید به  •دلیل خرابی تجهیزات

حیاتی فرآینددشواری شناسایی منشأ و •

پیش بینی خرابی ها به دلیل پیچیدگی فرآیند

تحلیل داده های دریافتی از •حسگرها و کشف

شناساگرهای اولیه خرابی ها یا افت عملکرد و امکان پیش بینی اختالل و

خرابی قبل از وقوع آنپیشنهاد دادن اقدامات •

متناسب تعمیر و نگهداری در صورت بروز خرابی

برای  • دقیق تر ادراک ایجاد امکان و متخصصین برای بهتر آموزش

تازه کارانکاهش خرابی های فاجعه بار •

بین ارتباط کش�ف بوس�یله رویدادها و منشا خرابی ها

بهبود تص�میم گیری ها بر پایه •دانش

نمونه های پیاده سازی شده

41

)بهره بردار نفت و گاز( Shell نام شرکت:

چالش راهکار نتایج

دشواری تعمیر و نگهداری  •قطع�ات

در عمق چاه ها نیاز به افزایش میزان تولید•

گیری • کار SAS Predictiveبه

Asset Maintenance تحلی�ل آن�ی داده های خ�ط تولید و •

پیش بینی خرابی ها قبل از وقوعبرای • اطالعاتی �ه �پشتوان ایجاد

بهبود تصمیم گیری ها

 افزایش افزای�ش تولی�د ب�ه س�بب•عمر قطعات

و کاهش توقف در تولید

تماس با ماj.ghasempoor@gmail.com

www.Mohaymen.ir

۰۲۱-۸۸۰۱۹۰۰۱yآدرس:

تهران� ، امیر آباد ، انتهای کارگر شمالی ، خیابان هفدهم ) شهید

۵ ، واحد ۱۴۰ابراهیمی ( ، پالک .

با تشکر از توجه شما