Les indicateurs avancés sont les capteurs, les points de mesure, etc., dont les lectures chronologiques sont les plus corrélées avec celles d'un actif. échec. Ces indicateurs avancés sont généralement instrumentés sur l'actif cible, mais ils appartiennent parfois à d'autres actifs dans un système complexe et influencent l'équipement cible en aval. L'identification d'indicateurs spécifiques peut aider à créer des règles de maintenance conditionnelle (MBC) et des modèles prédictifs plus efficaces, puisqu'un changement d'indicateurs avancés peut prédire la défaillance imminente d'un actif.
Les clients qui prévoient de lancer des programmes de MBC doivent généralement compter sur celui-ci. les fabricants fournissent les indicateurs avancés (température, pression, débit) et les seuils haut / bas (température supérieure à 80 degrés) et établissent des règles d'alerte en fonction de ces conditions. Ils peuvent également créer ces conditions à partir de leur propre expérience. Il n’existe aucun moyen fiable permettant à ces méthodes d’utiliser la science des données ou l’apprentissage automatique pour créer et exécuter ces règles de condition. Il n’existe également aucun moyen de prendre en compte les indicateurs relatifs à un facteur externe (par exemple, un niveau de certification, un niveau de qualité de sortie ou des capteurs provenant d’un actif en amont).
La détermination d’un indicateur avancé pour un événement de défaillance implique de comprendre quelles sont les caractéristiques qui sont important de classer les caractéristiques de l'échec. Cela nécessite une interprétation du modèle utilisé pour créer les prédictions de défaillance (classification). La solution consiste à utiliser l’apprentissage automatique pour déterminer, pour un modèle d’actif et par ses modes de défaillance, les indicateurs avancés les plus significatifs et les conditions pertinentes associées aux défaillances. La solution peut ensuite exporter ces conditions vers un système d'alarme qui exécute le modèle avec une interaction utilisateur minimale. Ces indicateurs peuvent être des capteurs sur l'équipement cible, à partir de mesures calculées ou de capteurs provenant d'équipements en amont dans un système complexe.
Découvrez comment la solution SAP Predictive Maintenance and Services qui fait partie de SAP. Intelligent Asset Management propose des fonctionnalités permettant de lancer automatiquement l'apprentissage automatique, d'afficher les indicateurs les plus pertinents pour les actifs et les modèles, et de permettre à ces données d'être utilisées pour définir de nouvelles règles basées sur des données réelles.
