جهان روزبهروز بیشتر به مصرف انرژی خود توجه میکند، چه از دیدگاه زیستمحیطی و چه از نظر هزینهای. این یعنی توانایی نظارت و مدیریت مصرف انرژی در عملیات صنعتی، در همه صنایع حیاتی شده است. از تولید و خودروسازی گرفته تا خدمات عمومی و معدن، سازمانها تحت فشار هستند تا هزینههای عملیاتی را کاهش دهند، انتشار گازها را پایین بیاورند و پایدارتر عمل کنند، بدون اینکه قابلیت اطمینان یا بهرهوری را به خطر بیندازند.
یکی از قدرتمندترین راهها برای رسیدن به این تعادل، نگهداری متمرکز بر انرژی (Energy-Centered Maintenance یا ECM) است؛ استراتژی نگهداری که بر پایه اصول RCM ساخته شده، اما با ادغام حسگرهای IoT، هوش مصنوعی (AI) و تحلیلهای edge-to-cloud، ناکارآمدیها را شناسایی میکند، از خرابیها جلوگیری مینماید و تأثیر اقتصادی و زیستمحیطی را پیش میبراند.
فهرست مطالب
چرا هدررفت انرژی مهم است؟
هدررفت انرژی صنعتی نه تنها یک مسئله پایداری است، بلکه یک مشکل هزینهای رو به رشد هم هست. موتورهای الکتریکی و سیستمهایی که آنها را تغذیه میکنند، تقریباً دو سوم مصرف برق صنعتی جهانی را تشکیل میدهند.
حتی ناکارآمدیهای کوچک میتوانند تأثیر بزرگی داشته باشند: یک پمپ ۱۰۰ کیلوواتی که کمی ناهمتراز است، میتواند سالانه هزاران دلار برق هدر دهد و تنها CO₂ غیرضروری تولید کند!
طبق گزارش Global Efficiency Intelligence، موتورهای الکتریکی صنعتی بیش از ۷۰ درصد مصرف برق در بخش تولید ایالات متحده را به خود اختصاص میدهند. بهبود تنها کارایی موتورها میتواند تا ۲۵ درصد از کل مصرف برق صنعتی را صرفهجویی کند. با توجه به اینکه ۶۰ درصد مصرف برق جهانی به تجهیزات چرخشی مربوط است، کاهش هدررفت انرژی یکی از سریعترین و مقیاسپذیرترین راهها برای رسیدن به پایداری است.
از نگهداری متمرکز بر قابلیت اطمینان به نظارت بر هدررفت انرژی صنعتی
نگهداری متمرکز بر قابلیت اطمینان سنتی (Reliability-Centered Maintenance یا RCM) بر زمان کارکرد تجهیزات تمرکز دارد. هرچند در جلوگیری از خرابیها مؤثر است، اما اغلب ناکارآمدیهای اولیهای که انرژی را هدر میدهند (خیلی قبل از وقوع خرابی) را نادیده میگیرد.
ECM بر پایه RCM ساخته شده و به طور مداوم هم سلامت تجهیزات و هم عملکرد انرژی را ارزیابی میکند. تمرکز را از «آیا این ماشین در حال کار است؟» به «آیا به طور کارآمد کار میکند؟» تغییر میدهد.
ECM میزان انرژی مصرفی داراییها را نسبت به خروجیشان ردیابی میکند. وقتی ناکارآمدی ظاهر شود، تیمهای نگهداری میتوانند قبل از تشدید مشکلات مکانیکی و افزایش بیشتر مصرف انرژی، اقدام کنند. این رویکرد، قابلیت اطمینان عملیاتی را مستقیماً با عملکرد پایداری همراستا میکند.
IoT و انرژی: اتصال تجهیزات به هوش
در هسته ECM، حسگرهای فعالشده با IoT قرار دارند که مستقیماً به ماشینآلات چرخشی صنعتی متصل میشوند تا دادههای چندمتغیره را در زمان واقعی جمعآوری کنند.
برای مثال، حسگرهای MachineDoctor شرکت Nanoprecise شش متغیر کلیدی را اندازهگیری میکنند: لرزش، دما، انتشار صوتی، شار مغناطیسی، رطوبت و RPM. این پارامترها با هم یک اثر انگشت دیجیتال از سلامت تجهیزات و کارایی انرژی ایجاد میکنند.
اینطور است که حسگرهای IoT کار میکنند:
- در لبه (edge): حسگرها دادهها را به طور مداوم جمعآوری و پیشپردازش میکنند تا پهنای باند انتقال و تأخیر را کاهش دهند.
- در ابر (cloud): دستگاه IoT دادهها را به صورت بیسیم به ابر ارسال میکند، جایی که الگوریتمهای پیشرفته AI و یادگیری ماشین الگوها را تحلیل کرده و ناهنجاریهای انرژی یا عملکرد را شناسایی میکنند.
- برای کاربر: بینشهای عملی از طریق داشبوردهای تصویری یا هشدارهای خودکار نمایش داده میشوند و تیمهای نگهداری را قادر میسازند زودتر مداخله کنند، قبل از اینکه انحرافهای کوچک به خرابیهای پرهزینه یا منابع هدررفت انرژی تبدیل شوند.
این اکوسیستم بسته IoT (از لبه تا ابر) راهی یکپارچه و خودکار برای تشخیص ناکارآمدیها، کاهش زمان توقف و حمایت از نتایج پایداری قابل اندازهگیری ایجاد میکند.
نگهداری پیشبینیکننده با پایداری برخورد میکند
هرچند ECM شبیه نگهداری پیشبینیکننده (Predictive Maintenance یا PdM) به نظر میرسد، اما تفاوت دارد؛ سیستمهای PdM عمدتاً به سیگنالهای مکانیکی متمرکز بر قابلیت اطمینان مانند لرزش یا دما وابسته هستند و خرابیها را فقط بعد از وقوع ناکارآمدیها شناسایی میکنند.
در حالی که ECM سیستمهای قوی قابلیت اطمینان صنعتی و نظارت بر انرژی ایجاد میکند که تغییرات مصرف انرژی را قبل از ظاهر شدن علائم مکانیکی دیگر تشخیص میدهد. دلیلش این است که وقتی ماشینها تحت فشار (به دلیل عدم تعادل، ناهمترازی یا سایش) کار میکنند، برای جبران انرژی بیشتری مصرف میکنند.
با شناسایی زود هنگام این جهشهای ظریف، ECM زمان ارزشمندی به تیمهای نگهداری میدهد تا مشکلات را به طور پیشفعال حل کنند و هم زمان توقف و هم انتشار کربن را کاهش دهند.
حسگرهای IoT مورد استفاده در ECM، مصرف انرژی را به همراه تغییرات ظریف در لرزش و دما به طور مداوم تحلیل میکنند – الگوهایی که اغلب برای PdM سنتی نامرئی هستند. این بینشها تیمها را قادر میسازند عملیات را دقیقتر تنظیم کنند، ناکارآمدیها را کاهش دهند و مستقیماً کاهش مصرف انرژی و انتشار CO₂ را اندازهگیری کنند.
این رویکرد اولویت انرژی، نگهداری را به یک ابزار استراتژیک پایداری تبدیل میکند. اجازه میدهد تیمها:
- نگهداری را طبق برنامه خودشان برنامهریزی کنند به جای واکنش به خرابیها.
- اضافهکاری، شرایط اضطراری و هدررفت انرژی را کاهش دهند.
- روی ابتکارات بلندمدت قابلیت اطمینان و پایداری تمرکز کنند به جای مبارزه روزانه با مشکلات.
یک مثال واقعی
یک تولیدکننده پیشرو مواد شیمیایی نیاز به دید بهتر به سلامت تجهیزات داشت.
از طریق تحلیل مداوم دادههای IoT، سیستم سطوح لرزش غیرعادی در دو موتور پمپ یخچالی را زود تشخیص داد. این مشکل همچنین باعث میشد موتورها ۲۰ درصد انرژی بیشتر از حد معمول مصرف کنند.
این تشخیص زود هنگام به تیم زمان کافی داد تا مداخله کنند، از تعویض موتور به ارزش ۵۰,۰۰۰ دلار جلوگیری کنند، ۹,۴۲۲ دلار هزینه انرژی سالانه (فقط برای یک موتور) را صرفهجویی کنند و انتشار CO₂ را ۱۷,۰۷۱ کیلوگرم کاهش دهند.
تأثیر قابل اندازهگیری: افزایش پایداری و ایمنی صنعتی
نگهداری متمرکز بر انرژی مزایایی در ابعاد مختلف ارائه میدهد:
- صرفهجویی انرژی: تأسیسات صنعتی معمولاً ۵ تا ۱۵ درصد کاهش مصرف انرژی دارند، در حالی که سیستمهای ساختمانی میتوانند تا ۲۰ درصد صرفهجویی ببینند.
- کاهش کربن: هدررفت انرژی کمتر یعنی کاهش مستقیم انتشار گازهای گلخانهای، که عملیات را با اهداف ESG شرکت و نتزیرو همراستا میکند.
- کارایی عملیاتی: تشخیص زودتر مشکلات، قابلیت اطمینان را بهبود میبخشد، عمر دارایی را延长 میدهد و هزینههای نگهداری را کاهش میدهد.
- ایمنی محل کار: خاموشیهای اضطراری کمتر و مداخلات واکنشی کمتر، محیط کاری ایمنتری ایجاد میکند.
با ادغام قابلیت اطمینان و هوش انرژی، ECM به سازمانها کمک میکند همزمان زمان کارکرد را افزایش دهند، هزینهها را کاهش دهند و عملکرد پایداری را بهبود ببخشند.
نگهداری متمرکز بر انرژی، آینده نگهداری پایدار است
در حالی که صنایع به سمت اهداف نتزیرو و کارایی انرژی میشتابند، ادغام حسگرهای IoT، تحلیلهای مبتنی بر AI و نگهداری متمرکز بر انرژی، آینده تعالی عملیاتی را نمایندگی میکند.
با ترکیب دستگاههای IoT، هوش لبه، تحلیلهای ابری و یادگیری ماشین، سازمانها میتوانند نگهداری را از یک عملکرد واکنشی به یک استراتژی پایداری پیشفعال تبدیل کنند – و تأثیر قابل اندازهگیری در هزینه، قابلیت اطمینان و عملکرد زیستمحیطی ایجاد نمایند.
منبع: iotforall