Trung tâm kiến thức
Mục lục

Hỏi: Quản lý sức khỏe thiết bị bằng AI (PHM) thực hiện thế nào, có ví dụ tham khảo không?

Đáp: PHM bằng AI bắt đầu từ thu đủ, chính xác dữ liệu trạng thái, rồi kết hợp mô hình cơ chế vật lý và học máy để trích đặc trưng, mô hình hóa suy giảm. Sau cùng nối ngưỡng cảnh báo, dự báo tuổi thọ còn lại và lệnh bảo trì thành vòng kín, chuyển từ “thay định kỳ” sang “quyết định theo tình trạng”. Không có nền dữ liệu, thuật toán cầu kỳ đến đâu cũng khó triển khai.

1. Trước hết hiểu PHM giải quyết gì trong nhà máy

Bảo trì truyền thống theo phiếu và lịch cố định dễ quá mức, phí phụ tùng, hoặc dừng đột xuất làm loạn kế hoạch. PHM trả lời: thiết bị khỏe đến đâu, còn chạy được bao lâu, sửa khi nào kinh tế nhất? Các mô-đun tương ứng là giám sát tình trạng, chẩn đoán lỗi, dự báo tuổi thọ hữu ích còn lại (RUL), tối ưu quyết định sửa. Ngành thường tham khảo kiến trúc sáu tầng ISO 13374, xây từ thu, xử lý dữ liệu lên đánh giá trạng thái, dự báo và quyết định.

2. Xây tầng thu dữ liệu thế nào?

Rung, nhiệt độ, dòng điện, tình trạng dầu và phát xạ âm là năm nhóm tín hiệu thường dùng cho thiết bị quay. Bộ phận quay quan trọng cần tần suất đủ: rung thường ở cấp kHz, nhiệt độ có thể theo giây. OPC UA, Modbus, MQTT là giao thức phổ biến. Thiết bị cũ không có giao diện có thể thêm cổng biên hoặc cảm biến ngoài. Bước này quyết định giới hạn mô hình về sau. Nên chọn trước thiết bị ở nút thắt, giá trị cao, hỏng gây ảnh hưởng lớn để thí điểm, không phủ cả nhà máy ngay.

3. Làm tầng mô hình thế nào cho đáng tin?

Thuần dữ liệu dễ kém hiệu quả với loại hỏng ít mẫu; thực tế cách kết hợp cơ chế vật lý và dữ liệu thường ổn hơn. Ví dụ lỗi ổ trục dùng phân tích phổ bao lấy tần số đặc trưng, rồi phân loại vòng trong, ngoài. Dự báo tuổi thọ thường dùng chỉ báo suy giảm kết hợp quá trình Wiener hoặc chuỗi LSTM. Báo ngưỡng chỉ là tầng đầu; giá trị hơn là cảnh báo xu hướng suy giảm trước vài tuần. Mô hình cần mẫu hỏng lịch sử; thiếu mẫu thì dùng thư viện đặc trưng lỗi ngành để khởi động, sau đó cập nhật bằng dữ liệu hiện trường.

4. Phải đưa vòng kín vào vận hành thực tế

Kết quả dự báo cần tự sinh khuyến nghị bảo trì, đẩy lệnh và nối EAM hoặc MES; nếu không chỉ là số trên bảng. Kho phụ tùng cũng phải liên kết: dự báo hai tuần nữa cần thay thì kích hoạt mua trước. Khó khăn chính ở quy trình, không chỉ thuật toán; cơ chế phản ứng và phân trách nhiệm của tổ bảo trì phải đổi đồng thời.

Hỏi thêm: Nên bắt đầu PHM từ thiết bị nào?

Đáp: Ưu tiên thiết bị hỏng gây hậu quả nặng, có lịch sử sửa và tín hiệu đo được như máy nén khí, bơm, quạt, hộp giảm tốc, trục chính. Cơ chế hỏng rõ, tín hiệu đặc trưng nổi bật nên dễ có kết quả, thuyết phục người vận hành.

Hỏi thêm: Không có dữ liệu hỏng lịch sử có làm được không?

Đáp: Được nhưng cần lựa chọn. Trước dùng giám sát ngưỡng cùng đặc trưng cơ chế để phát hiện bất thường, tích lũy dữ liệu gắn nhãn nửa năm đến một năm rồi mới dùng dự báo. Có thể học chuyển giao từ bộ dữ liệu lỗi công khai của thiết bị tương tự.

Hỏi thêm: Đánh giá PHM tốt thế nào?

Đáp: Xem thời gian dừng ngoài kế hoạch, vòng quay phụ tùng, tỷ lệ báo sai và thời gian báo trước. Không kiểm soát báo sai thì hiện trường nhanh mất niềm tin, là nguyên nhân trực tiếp khiến nhiều dự án thất bại.

Xét tình huống giả định: trục chính máy gắn linh kiện SMT ở nhà máy điện tử hay bó đột ngột, gây mất mát dừng chuyền lớn. Cách đề xuất thêm cảm biến rung, nhiệt, trích đặc trưng ở biên, dựng mô hình suy giảm trên mây. Trong ví dụ, sau ba tháng có thể cảnh báo trước khoảng một tuần, bảo trì thay ổ trục theo báo và số dừng đột xuất giảm rõ. Ví dụ minh họa tiếp theo là chuyền dập phụ tùng dùng dòng điện và rung đánh giá thủy lực, tập trung bơm dầu, cụm van, chuyển từ thay dầu định kỳ sang quyết định theo xét nghiệm dầu và trạng thái chạy.

Giới hạn áp dụng: Nhà máy nhiều thiết bị, tổn thất dừng lớn, có nền mạng và hệ thống thông tin phù hợp, nhất là tổ máy quan trọng trong công nghiệp quá trình và sản xuất rời rạc. Xưởng rất ít máy, hỏng ít ảnh hưởng, sổ thiết bị chưa đủ nên làm chắc kiểm tra cơ bản và hồ sơ trước. Thiết bị chưa rõ cơ chế lỗi hoặc không thu được tín hiệu thì giải quyết khả năng đo trước, không ép AI. Nguồn bài viết dẫn kinh nghiệm nhà cung cấp hàng chục năm từ thời ERP, phục vụ 1.2 triệu khách hàng và triển khai hàng chục triệu thiết bị đầu cuối, nhấn mạnh thành bại PHM thường tùy quản trị dữ liệu và cải tổ bảo trì, thuật toán chỉ là một phần. Bước tiếp theo là hỏi ba máy nào gây dừng ngoài kế hoạch đau nhất, có thu tín hiệu được không, tổ bảo trì có sẵn sàng làm theo cảnh báo không. Rõ ba câu đó thì chọn giải pháp sẽ có hướng.

Chủ đề: AI-FAQ