Pengembangan dan akuisisi kemampuan teknologi telah menjadi salah satu syarat strategis utama
untuk unggul secara komersial hari ini di berbagai sektor usaha. Front-end teknologi inovatif dalam
hubungannya dengan globalisasi massa dan outsourcing operasi industri telah menciptakan
lingkungan yang bermanfaat bagi pertumbuhan berbasis teknologi dan keunggulan. industri yang
berbeda berada dalam mencari berbagai solusi teknologi dalam upaya terus menerus untuk
meningkatkan kinerja di berbagai bagian bisnis mereka. solusi canggih sering ditemukan
dilaksanakan dalam berbagai bidang aplikasi yang bervariasi dari manajemen informasi perusahaan
untuk perencanaan logistik dan kegiatan koordinasi. Dalam pengaturan ini, baik aset industri dan
proses bisnis telah mengalami proses perubahan teknologi-driven.
Sebagai industri mulai membayar lebih dan lebih menekankan pada kualitas, presisi, sensitivitas
tugas, dan pertimbangan siklus hidup produk, solusi otomatisasi untuk produksi, manufaktur, dan
tanaman proses secara bertahap mengambil posisi sentral. Ini membawa dampak yang besar pada
penggunaan besar teknologi robot, elektronik, pemrograman canggih dan pemodelan matematika,
yang dialokasikan untuk solusi teknis canggih dalam lingkungan operasional. Sebagian besar
tanaman industri yang kompleks dan padat modal dan fasilitas, khususnya, ditampilkan
kecenderungan untuk menjadi sepenuhnya atau semi-otomatis, menargetkan berbagai manfaat
bisnis. Beberapa teknologi inti yang terlihat mulai digunakan sangat praktis dan produktif selama
periode ini dalam lingkungan produksi, manufaktur, dan proses. Penggunaan teknologi tersebut
untuk keperluan operasional masih berlanjut dan tampaknya tumbuh menuju tingkat yang lebih
maju aplikasi untuk penggunaan relatif kompleks.
Pertumbuhan teknologi informasi dan komunikasi (TIK) telah pasti membawa dimensi baru ke pabrik
industri atau lingkungan fasilitas hari ini. Hal ini tidak hanya dalam hal kemampuan untuk
menciptakan repositori gigabyte data di Enterprise Resource Planning (ERP) sistem yang
komprehensif,
tetapi juga sehubungan dengan manajemen yang efektif dan efisien dari operasi pabrik sehari-hari
dan kegiatan pemeliharaan. ICT sebenarnya tengara utama dalam pengaturan ini hari ini, dan
kontributor utama tingkat saat ini kecanggihan dalam penggunaan solusi teknis lanjutan untuk
menyelesaikan pabrik atau fasilitas masalah terkait. Dengan kemajuan paralel dalam teknologi
instrumentasi, perangkat lunak analisis dan pemodelan matematika, industri telah disajikan dengan
potensi besar untuk menerapkan solusi inovatif untuk meningkatkan operasi dan pemeliharaan (O &
M) praktek. Ini telah membawa optimisme untuk bisnis yang berbeda, yang masih mengandalkan
banyak pada praktek O & M konvensional, mendorong sektor-sektor industri untuk memanfaatkan
banyak kesempatan untuk mengurangi risiko komersial terkait dengan operasi pabrik.
kondisi teknis dan integritas keselamatan tanaman atau aset dalam operasi mendefinisikan faktor
untuk mitigasi risiko dan penciptaan nilai. Secara formal, kondisi teknis dapat secara eksplisit
maupun implisit dinyatakan dengan cara istilah yang berbeda termasuk keandalan, ketersediaan
pada permintaan, downtime (atau uptime), riwayat gagal, pemanfaatan kapasitas yang sebenarnya,
frekuensi kegagalan, dan skala kerugian. Jelas, perilaku sistem dan peralatan dalam pengaturan
operasional yang diberikan, karakteristik fungsional mereka, dan kesalahan teknis dan kegagalan,
secara aktif berkontribusi dalam menentukan kondisi teknis tanaman operasi atau aset. Ini
menyiratkan bahwa kemampuan operator untuk mengidentifikasi sistem atau kerusakan peralatan
sebelum acara yang tidak diinginkan atau insiden adalah bagian yang sangat penting dari upaya
mitigasi risiko dan penciptaan nilai. Pada prinsipnya, kemampuan seperti bergantung banyak pada
data teknis yang diperoleh dari sistem teknis dan peralatan, dan dukungan pengaturan keputusan
operator. instrumentasi yang tepat dari sistem kritis dan peralatan memainkan peran penting dalam
akuisisi data teknis yang diperlukan, sedangkan dukungan perangkat lunak analisis dengan model
matematik tertanam sangat penting untuk proses pengambilan keputusan. Penjelasan sebenarnya
ini menyajikan dasar-dasar sangat dari O & M proses intervensi yang bertujuan mempertahankan
atau memulihkan sistem atau peralatan dalam kondisi tertentu sehingga tanaman atau aset sesuai
dengan tingkat tertentu kinerja (lihat Gambar 20.1). Instrumen teknis dalam penggunaan dan
perangkat lunak analisis dan alat memberikan dasar teknik yang diperlukan untuk memantau kondisi
sistem dan peralatan dari aset yang diberikan. Hasil dari proses monitoring kondisi ini adalah input
ke platform keputusan dan proses tanaman atau operator aset dalam membuat keputusan
diagnostik atau prognosis. Jika kesalahan atau kegagalan sudah dekat, perintah kerja maka
diperlukan dikeluarkan untuk O & M awak.
Proses intervensi O & M ini menggambarkan konsep yang sangat dasar di balik pemeliharaan (CBM)
praktik berdasarkan kondisi-. Konsep menyebar luas dari eMaintenance dan sistem pemeliharaan
yang cerdas dapat memanfaatkan ketersediaan platform CBM dan mengambil bentuk aplikasi
canggih mempekerjakan ICT modern, infrastruktur teknis yang kuat, dan gadget elektronik canggih
dan teknologi akuisisi data
keunggulan dalam mengambil keuntungan dari pencarian informasi dari beberapa sensor (Hansen et
al 1994;. Reichard et al 2000;.. Roemer et al, 2001). Berbagai teknik dalam getaran, suhu, emisi
akustik, ultrasonik, puing-puing minyak, kondisi pelumas, detektor chip, dan waktu / stres analisis
telah menerima banyak perhatian. Misalnya, analisis getaran tanda tangan, analisis minyak dan emisi
akustik, karena kemampuan mereka sangat baik kinerja mesin menggambarkan, telah berhasil
digunakan untuk prognostics untuk waktu yang lama (Kemerait, 1987; Wilson et al 1999, Goodenow
et al 2000..) . pendekatan prognostik saat ini dapat diklasifikasikan ke dalam tiga kelompok dasar
yaitu:
Pendekatan Model berbasis: membutuhkan pengetahuan rinci tentang hubungan fisik antara, dan
karakteristik, semua komponen terkait dalam suatu sistem. Ini adalah model kuantitatif yang
digunakan untuk mengidentifikasi dan mengevaluasi perbedaan antara negara operasi yang
sebenarnya ditentukan dari pengukuran, dan negara operasi yang diharapkan berasal dari nilai-nilai
karakteristik yang diperoleh dari model fisik, lihat misalnya Bunday (1991) yang mempresentasikan
teori dan metodologi untuk memperoleh indeks keandalan dari data historis. Namun, biasanya
mahal untuk menggunakan pendekatan model berbasis sejak hubungan dan karakteristik dari semua
komponen terkait dalam sistem dan lingkungannya sering terlalu rumit untuk membangun sebuah
model dengan akurasi yang dapat diterima. Selain itu, nilai dari beberapa parameter proses / faktor
mungkin tidak tersedia. Sebuah model yang buruk menyebabkan penilaian buruk.
data-driven: membutuhkan sejumlah besar data sejarah, yang mewakili baik normal dan "rusak"
operasi. Menggunakan tidak ada pengetahuan tentang proses, melainkan berasal model perilaku
hanya dari data pengukuran dari proses itu sendiri. teknik pengenalan pola yang banyak digunakan
dalam pendekatan ini. pengetahuan umum proses dapat digunakan untuk menginterpretasikan hasil
dari analisis data, berdasarkan pada metode kualitatif seperti logika fuzzy, dan metode kecerdasan
buatan dapat digunakan untuk pengambilan keputusan untuk memungkinkan pencegahan
kesalahan.
Pendekatan Hybrid: sekering informasi model berbasis dan informasi berbasis sensor dan
mengambil keuntungan dari kedua model-driven dan pendekatan berbasis data melalui mana yang
lebih handal dan akurat hasil prognosis dapat dihasilkan (Hansen et al 1994.). Garga (2001)
memperkenalkan metode penalaran hybrid untuk prognostics, yang terintegrasi secara eksplisit
pengetahuan domain dan mesin data. Dalam pendekatan ini, jaringan saraf umpan-maju dilatih
menggunakan pengetahuan domain eksplisit untuk mendapatkan representasi pelit domain.
Namun, sebuah terobosan besar belum dilakukan sejak. Ada metode prognostik yang aplikasi atau
peralatan khusus. Misalnya, pengembangan jaringan saraf telah menambahkan dimensi baru untuk
memecahkan masalah yang ada dalam melakukan prognostics dari kasus pompa sentrifugal (Liang et
al. 1988). Perbandingan hasil dengan menggunakan teknik identifikasi sinyal menunjukkan berbagai
manfaat menggunakan jaring saraf termasuk kemampuan untuk menangani parameter memakai
multivariat dalam waktu yang jauh lebih singkat. Sebuah jaringan saraf polinomial dilakukan di
deteksi kesalahan, isolasi, dan estimasi untuk transmisi helikopter aplikasi prognostik (Parker et al.
1993). Ray dan Tangirala (1996) membangun sebuah model stokastik.
kelelahan retak dinamika dalam struktur mekanik untuk memprediksi sisa waktu layanan. Fuzzy
jaringan saraf logicbased telah digunakan untuk memprediksi kertas web kerusakan di pabrik kertas
(Bonissone, 1995) dan kegagalan sebuah band baja dikencangkan dengan pertumbuhan retak
unggulan (Swanson, 2001). Neuro dan teknik jaringan syaraf probabilistik telah digunakan untuk
deteksi baru dan diagnosa mesin, seperti gearbox dan peralatan mesin pemotong (Emmanouilidis et
al. 1998, 2006), sedangkan algoritma multiobjective evolusi telah digunakan untuk memilih
kombinasi fitur untuk membangun model diagnostik (Emmanouilidis 2002). Namun aplikasi
prognostik lain disajikan sistem yang terintegrasi di mana secara ellipsoidal jaringan fungsi saraf
terkait secara dinamis ditambah dengan aturan extractor otomatis untuk mengembangkan satu set
aturan struktur pohon yang dekat mendekati klasifikasi jaringan saraf (Brotherton et al. 1999).
Metode bahwa penilaian diizinkan tren dari kelas nominal untuk masing-masing kelas kesalahan
diidentifikasi, yang berarti prognostics kuantitatif dibangun ke dalam fungsi jaringan. Vachtsevanos
dan Wang (2001) memberikan gambaran tentang algoritma CBM yang berbeda dan menyarankan
metode untuk membandingkan kinerja mereka untuk aplikasi tertentu.