نکات کلیدی


  • پردازشگران مواد غذایی و نوشیدنی از رویکرد "عملکرد تا خرابی" به نگهداری پیش‌بینانه (Predictive Maintenance) تغییر جهت داده‌اند، به‌طوری که از حسگرها و تجزیه و تحلیل داده‌های مبتنی بر هوش مصنوعی (AI) برای پایش وضعیت سلامت موتورها در زمان واقعی و جلوگیری از توقف‌های پرهزینه استفاده می‌کنند.

  • موتورهای با کارایی بالا می‌توانند ۲۵–۳۰٪ کارایی بالاتری نسبت به تنظیمات سنتی موتور/گیربکس ارائه دهند و به‌طور قابل‌توجهی هزینه‌های انرژی را در عملیات پیوسته کاهش دهند.

  • ترکیب روش‌های مختلف پایش (Monitoring Methods) — از جمله ارتعاش (Vibration)، دما (Temperature)، فراصوت (Ultrasonics) و پیشرفت‌های آینده در تحلیل جریان موتور (Motor Current Analysis) — با فرآیندهای نگهداری قوی می‌تواند ایمنی (Safety) را بهبود بخشد، خسارات (Losses) را کاهش دهد و عملکرد کلی عملیات (Operational Performance) را افزایش دهد.


موتورها و درایوها در بسیاری از کارخانه‌ها، به‌ویژه در صنایع مواد غذایی و نوشیدنی، از ابزارهای حیاتی و گاهی نادیده‌گرفته‌شده هستند که عملیات را به حرکت در می‌آورند. این تجهیزات، اساساً موتورهایی هستند که فرآیند تولید (Production Process) را امکان‌پذیر می‌سازند. بدون آن‌ها، هیچ کارخانه‌ای قادر به انجام وظایف خود نخواهد بود. برای مدت‌ها، اپراتورها موتورها را به‌عنوان اجزای فرسوده‌شونده و قابل تعویض در نظر می‌گرفتند، به‌طوری که اگر موتور خراب می‌شد، آن را تعویض می‌کردند یا برای بازسازی می‌فرستادند.

الکساندر کاناریس (Alexander Kanaris)، رئیس شرکت Van der Graaf (VDG)، که سازنده موتورهای درام است، می‌گوید: "موتورهای الکتریکی ممکن است ساده به نظر برسند، اما آن‌ها سیستم‌های پیچیده الکترومکانیکی (Electromechanical) هستند."

وی ادامه می‌دهد: "طراحی‌های جدید موتورهای الکتریکی بر دستیابی به کارایی بالا (Premium Efficiency) برای کاهش هزینه‌های انرژی و ضریب توان بالا (High Power Factor) تمرکز دارند. با این حال، اجزای اصلی موتورهای الکتریکی تغییر نکرده‌اند. استاتور (Stator)، پیچ‌های موتور الکتریکی (Electric Motor Windings) و روتور (Rotor) فیزیکی همانند گذشته باقی مانده‌اند. آنچه تغییر کرده، ترکیب متالورژیکی هسته (Metallurgical Composition) و مواد روتور و پیچ‌ها است. این تغییرات باعث کاهش تلفات آهن (Iron Losses) و مس (Copper Losses) می‌شود و در نتیجه، کارایی کلی افزایش می‌یابد."

مایک اسمیت (Mike Smith)، مدیر مهندسی قابلیت اطمینان در Life Cycle Engineering (LCE)، اظهار می‌دارد: "تقریباً همه چیز در کارخانه با موتور کار می‌کند؛ بیشتر تجهیزات توسط موتور الکتریکی به حرکت درمی‌آید. اما این بخش از تجهیزات معمولاً کم‌ترین درک را از عملکرد آن‌ها داریم و همیشه به‌عنوان بخشی که اگر متوقف شود، آن را برداشته و یکی دیگر جایگزین می‌کنیم، در نظر گرفته می‌شد."

وی توضیح می‌دهد که این رویکردها ناشی از آن بود که بیشتر اپراتورها هیچ‌گاه به‌طور واقعی به عملکرد درونی موتورها پی نبرده‌اند و نمی‌دانستند که چه اتفاقی در طول زمان برای هر واحد می‌افتد. در بیشتر کارخانه‌های مواد غذایی و نوشیدنی، موتورها نسبتاً کوچک‌تر هستند، بنابراین ممکن است خیلی راحت نادیده گرفته شوند. اما این وضعیت تغییر کرده و اکنون صنعت از رویکرد "عملکرد تا خرابی" به نگهداری پیشگیرانه (Preventive Maintenance) و سپس به نگهداری پیش‌بینانه (Predictive Maintenance) حرکت کرده است.

اسمیت اضافه می‌کند: "تمرکز بیشتری بر نگهداری پیشگیرانه وجود داشت، اما اکنون شاهد تغییر جدی به سمت نگهداری پیش‌بینانه (Predictive Maintenance) هستیم." بسیاری از شرکت‌های مواد غذایی و نوشیدنی در حال انجام تحلیل پیش‌بینانه (Predictive Analysis) هستند، مانند ارتعاش (Vibration)، تحلیل جریان موتور (Motor Current Analysis) و دیگر روش‌ها، تا درک بهتری از آنچه در درون موتورها و درایوها در حال اتفاق است، به‌دست آورند.

موتورهای VDG شامل حسگری به نام GV-Therm هستند که یک دستگاه دمایی بیمتالی (Bimetallic Temperature Device) است که در صورت عبور دمای موتور از حد مجاز خود، برق را قطع می‌کند. حسگرهای اختیاری موجود برای موتورهای درام VDG شامل RTDها (RTDs)، ترمیستورها (Thermistors) و ترموکوپل‌ها (Thermocouples) هستند که عمدتاً برای حس کردن دمای استاتور و روغن استفاده می‌شوند. همچنین حسگرهای یاتاقان (Bearing Sensors) و انکودرها (Encoders) نیز برای برنامه‌های ایندکسینگ (Indexing Applications) موجود هستند.

حسگرهایی که بسیاری از پردازشگران بر روی موتورها نصب کرده‌اند، تکنولوژی جدیدی در دهه گذشته بوده‌اند — سرمایه‌گذاری‌ای که با توجه به پیامدهای مالی عدم پیش‌دستی در این فناوری توجیه‌پذیر است. وقتی یک کارخانه مجبور به توقف خط تولید یا تعطیلی واحد برای تعویض یک موتور حیاتی می‌شود، این توقف‌ها تأثیرات مستقیمی بر نتیجه مالی (Financial Impact) دارند.

اسمیت می‌گوید: "با توقف تولید، مشکلات کیفیت، مسائل ایمنی و زیست‌محیطی ایجاد می‌شود و تمام این‌ها باعث از دست رفتن درآمد (Lost Revenue) می‌شود. از آنجا که صنعت مواد غذایی و نوشیدنی به‌طور کلی در وضعیت فشار مالی (Tight Margin) قرار دارد، هر اقدامی که برای بهبود بازگشت سرمایه انجام شود، یک کسب‌وکار خوب محسوب می‌شود."



افزایش بهره‌وری نگهداری پیش‌بینانه

حسگرهای نصب‌شده بر روی موتورها قادرند ویبراسیون (Vibration)، دمای (Temperature) و دیگر نشانه‌های فرسایش (Wear and Tear) را در زمان واقعی شناسایی کرده و داده‌ها را بلافاصله برای تحلیل ارسال نمایند. به‌جای آنکه یک کارشناس نگهداری هر ماه یا هر سه ماه یکبار به‌طور دستی داده‌ها را ثبت کند، مایک اسمیت (Mike Smith) می‌گوید که اپراتورها اکنون می‌توانند این اطلاعات را به‌طور لحظه‌ای (Instantaneously) دریافت کنند. علاوه بر این، با نوآوری‌های اخیر در تحلیل داده‌ها (Data Analytics) و پیاده‌سازی سیستم‌های هوش مصنوعی (AI)، پردازشگران قادرند تحلیل‌های پیش‌بینانه (Predictive Analysis) را بر روی موتورها یا پمپ‌ها به‌طور نزدیک به زمان واقعی (Near Real-Time) انجام دهند.

اسمیت توضیح می‌دهد: "این امکان به تیم نگهداری می‌دهد که مدت زیادی قبل از بروز مشکل، برای رفع آن آماده شوند. این حسگرها به تیم نگهداری کمک می‌کنند تا گاهی ماه‌ها قبل (Months in Advance) از بروز مشکل مطلع شوند، بنابراین می‌توانند کارها را برنامه‌ریزی کرده و زمان‌بندی کنند."

این امر به معنی کاهش توقف‌های غیرمنتظره (Unscheduled Downtime)، افزایش بهره‌وری (Efficiency) و کاهش مشکلات کیفیت (Quality Issues) است. اسمیت اضافه می‌کند که کمی‌سازی پس‌اندازها (Quantifying Savings) یکی از ساده‌ترین راه‌ها برای جلب توجه مدیران کارخانه (Plant Managers)، مهندسان (Engineers) و دیگر تصمیم‌گیرندگان به پذیرش نگرش پیش‌بینانه (Predictive Mindset) و توجه به آنچه موتورها در مورد عملکرد خود می‌گویند، است. علاوه بر پس‌اندازهای مالی (Cost Savings)، این استراتژی مزایای اضافی نیز دارد.

اسمیت می‌گوید: "سمت دیگر این موضوع که کمی غیرملموس‌تر است، بهبود ایمنی (Safety) و محیط‌زیست (Environmental Impact) است. اگر تجهیزات دچار خرابی نشوند، شما دیگر افراد را به موقعیت‌های غیرمعمول نمی‌فرستید تا روی تجهیزات به‌طور غیرمنتظره کار کنند."

داشتن آگاهی از وضعیت موتورها در کارخانه می‌تواند حتی فرصت‌هایی برای ارتقاء سیستم‌ها (Upgrade Opportunities) ایجاد کند، زیرا تولیدکنندگان موتورها به‌طور مداوم در حال نوآوری و توسعه موتورهای با کارایی بالا (Premium Efficiency Motors) هستند. برای خطوط تولیدی که به‌طور ۲۴ ساعته و هفت روز هفته (24/7) در حال فعالیت هستند و موتورها را به مرز توان خود می‌رسانند، تعویض موتورها با مدل‌های با کارایی بالاتر (Higher Efficiency Models) می‌تواند صرفه‌جویی قابل‌توجهی در هزینه‌ها (Cost Savings) به‌دنبال داشته باشد، زیرا موتورهای جدید مصرف انرژی کمتری (Lower Energy Consumption) دارند.

موتورهای الکتریکی VDG به‌طور کامل طبق استانداردهای IE4 (Premium Efficiency) ساخته می‌شوند. موتورهای درام VDG حدود ۲۵–۳۰٪ کارایی بیشتری نسبت به موتورهای سنتی و گیربکس‌های خارجی (Traditional External Motors and Gearboxes) دارند که معمولاً در نقاله‌های تسمه‌ای (Belt Conveyors) استفاده می‌شود. کارایی بالا در موتور درام VDG به دلیل طراحی خاص آن است، جایی که موتور الکتریکی (Electric Motor) هم‌راستا با کاهنده گیربکس (Gear Reducer) قرار دارد. در مقایسه، سیستم‌های موتور/گیربکس خارجی معمولاً دارای شافت موتور هستند که در زاویه ۹۰ درجه (90-Degree Angle) با شافت گیربکس قرار می‌گیرد. این تفاوت منجر به تلفات مکانیکی (Mechanical Losses) می‌شود که می‌تواند بین ۲۰٪ تا ۴۰٪ متفاوت باشد، بسته به برند گیربکس.

گام‌های بعدی در مسیر نوآوری، تحلیل جریان موتور (Motor Current Analysis) است. اسمیت می‌گوید که حسگرهایی (Sensors) برای انجام این کار وجود دارند، اما هنوز به اندازه کافی پیشرفته نیستند تا تأثیر واقعی داشته باشند.

او می‌گوید: "شاید در یک یا دو سال آینده شاهد پیشرفت در این زمینه باشیم، و زمانی که این اتفاق بیفتد، حرکت قوی‌تری در این جهت مشاهده خواهید کرد." تحلیل جریان موتور فقط یک گام دیگر در راستای درک واقعی پردازشگران از عملکرد درونی موتورها (Inner Workings of Motors) است و استفاده از این داده‌ها همراه با ارتعاشات (Vibration)، دما (Temperature) و فراصوت (Ultrasonics) باعث تقویت این تخصص خواهد شد.

اسمیت می‌گوید: "یک قطعه اطلاعات می‌تواند شما را به اشتباه هدایت کند؛ شما باید از چندین شاخص (Multiple Indicators) برای شناسایی مشکل استفاده کنید." هرچه شواهد بیشتر (More Evidence) داشته باشید، اعتماد به نفس (Confidence) بیشتری در صحت برنامه واکنش خود (Response Plan) خواهید داشت.

البته، بدون وجود سیستم‌های مناسب برای دریافت، ذخیره‌سازی و مدیریت این داده‌ها (Data Retrieval, Storage and Management Systems) و تبدیل آن‌ها به نتایج قابل اقدام (Actionable Results)، پیشرفت‌ها در این زمینه کند خواهد شد. پردازشگران نمی‌توانند فقط با صرف هزینه برای فناوری، منتظر باشند که به‌طور خودکار کار کند — بلکه عنصر انسانی (Human Element) نیز در این فرایند نقش دارد. اسمیت یادآور می‌شود: "اگر فرآیندهای خوب (Good Processes) نداشته باشیم، موفقیت کمتری خواهیم داشت."

با وجود فرآیندهای صحیح (Proper Processes)، اسمیت معتقد است که نگهداری پیش‌بینانه (Predictive Maintenance) می‌تواند تحولی بزرگ (Game-Changer) در صنعت ایجاد کند، همان‌طور که نوآوری‌ها به مرزهای جدید در فناوری موتورها و درایوها (Motor and Drive Technology) پیش می‌روند.


Powered by Froala Editor