หลักการและเหตุผล

ตั้งแต่อดีตถึงปัจจุบันแผนการบำรุงรักษาเครื่องจักรในทางอุตสาหรรมเป็นส่วนใหญ่มักจะเป็นการบำรุงรักษาเชิงป้องกัน (Preventive Maintenance) หรือ PM ซึ่ง PM นั้นนับเป็นแผนเชิงป้องกัน (Preventive measure) เพราะอาศัยปัจจัยทางด้านเวลาหรือระยะการใช้งานเครื่องจักรเป็นข้อมูลหลักในการทำแผนการบำรุงรักษาโดยแทบไม่ได้ใช้ข้อมูลอื่นใดของเครื่องจักรหรืออุปกรณ์มาช่วยในการกำหนดแผนการบำรุงรักษาเลย ซึ่งถึงแม้ว่า PM จะเป็นแผนการบำรุงรักษาที่นิยมใช้กันทั่วไป แต่ PM ก็มีข้อด้อยอยู่สองประการ คือ หนึ่ง หากอุปกรณ์ที่ทำการเปลี่ยนไปนั้นยังคงสามารถใช้งานได้ก็เท่ากับว่าเกิดมีค่าใช้จ่ายจากการเปลี่ยนอุปกรณ์โดยไม่จำเป็นและ สอง ไม่มีการรับประกันใดๆ ว่าอุปกรณ์ที่เปลี่ยนนั้นจะสามารถทำงานได้ดีจนกว่าจะถึงรอบของการบำรุงรักษารอบต่อไป แต่ด้วยความก้าวหน้าทางเทคโนโลยีวิทยาศาสตร์ข้อมูลและอัลกอริทึมการเรียนรู้ของเครื่องจักร (Data science and Machine Learning Technology) ทำให้มีการบำรุงรักษาแบบใหม่ได้ถูกพัฒนาขึ้นนั่นคือ การบำรุงรักษาเชิงพยากรณ์ (Predictive Maintenance) หรือ PdM ซึ่งเป็นแผนการบำรุงรักษาเชิงรุก (Proactive measure) เพราะ PdM เน้นการใช้ข้อมูลสถานะ (Data-driven) ของเครื่องจักรในปัจจุบันเป็นปัจจัยหลักในการทำแผนการบำรุงรักษา ข้อดีของ PdM ในอุตสาหกรรมทั่วๆไป คือ การช่วยลดค่าเสียโอกาสจากการลดเวลาหยุดเครื่องจักรที่ไม่ผ่านการวางแผน (Unplanned downtime) ทำให้การวางแผนทางด้านโลจิสติกส์ (logistics planning) เป็นไปได้อย่างแม่นยำและมีประสิทธิภาพมากขึ้นและช่วยประหยัดเวลาจากการลดการตรวจสอบที่ซ้ำซ้อน (redundant inspection) และช่วยลดค่าใช้จ่ายการบำรุงรักษาตามเวลา (scheduled maintenance) แต่ในบางกรณีการใช้ PdM ก็จะหมายถึงการลดอันตรายหรือความเสียหายที่อาจจะประเมินค่าไม่ได้ เช่น ในอุตสาหกรรมการบิน (Aviation industry) และในระบบอุตสาหกรรมป้องกันประเทศ (Defense Industry) เป็นต้น ดังนั้นการอบรมหลักสูตรระยะสั้นเรื่องเทคโนโลยีการบำรุงรักษาเชิงพยากรณ์และการใช้งานนี้จะเป็นการเตรียมความพร้อมด้านเทคโนโลยีการบำรุงรักษาแบบใหม่ให้กับวิศวกรหรือผู้บริหารองค์กรและรวมถึงนักวิจัยเพื่อให้มีความรู้เบื้องต้นและเข้าใจหลักการพื้นฐานของ PdM เพื่อสามารถประยุกต์ใช้กับงานที่เหมาะสมต่อไป

วัตถุประสงค์ เพื่อให้ผู้เข้าอบรมมีความรู้และความเข้าใจในหลักการเบื้องต้นและเทคโนโลยีต่างๆของการบำรุงรักษาเชิงพยากรณ์เพื่อนำไปประยุกต์ใช้งานในสาขาที่รับผิดชอบได้

หัวข้อการฝีกอบรม แนะนำเบื้องต้นในเรื่องการบำรุงรักษา (Maintenance), เปรียบเทียบของการบำรุงรักษาเชิงป้องกัน (Preventive maintenance: PM) การบำรุงรักษาเชิงพยากรณ์ (Predictive maintenance: PdM) ตัวอย่างการพยากรณ์ความยาวของรอยแตกของตลับลูกปืนในมอเตอร์ (Crack growth in bearings) การเสื่อมประสิทธิภาพในการชาร์จของแบตเตอรี่ (Degradation of Charge/Discharge capability of batteries) อายุขัยที่เหลืออยู่ก่อนที่อุปกรณ์นั้นจะหมดสภาพในการใช้งานไป (Remaining Useful Life: RUL) การประมาณค่า RUL ลักษณะทางกายภาพของข้อมูลดิบ (Raw data) ที่ได้มาจากการเครื่องจักรหรืออุปกรณ์ เช่น สัญญาณการสั่นสะเทือนของมอเตอร์ (Vibration signals), อัลกอริทึมในการวิเคราะห์การถดถอย (Regression analysis) สัญญาณฟีเจอร์ (Features) ลักษณะของการเกิดแนวโน้ม (Trending) ของสภาวะการเสื่อมสภาพ วิธีการใช้แบบจำลองทางกายภาพ (Physical model-based approach) วิธีการใช้ข้อมูลอย่างเดียว (Data-driven based approach) วิธีผสมการใช้แบบจำลองทางกายภาพและข้อมูล (Mixed physical model-based and data-driven approach)

คุณสมบัติผู้เข้าอบรม เป็นวิศวกรที่อยู่ในสายงานการบำรุงรักษาและมีความรู้พื้นฐานทางด้านคณิตศาสตร์และสถิติเบื้องต้น เป็นผู้บริหารองค์กรที่ต้องการนำระบบการบำรุงรักษาเชิงพยากรณ์มาใช้เพื่อลดต้นทุนการดำเนินงาน ผู้ที่สนใจในระบบการบำรุงรักษาเชิงพยากรณ์ทางอุตสาหกรรมทั่วไป

รูปแบบการอบรม บรรยาย (Virtual Class Online by Zoom Meeting )

วันที่รับสมัคร 15/12/2564 - 20/02/2565

คุณสมบัติของผู้เข้าอบรม

เป็นวิศวกรที่อยู่ในสายงานการบำรุงรักษาและมีความรู้พื้นฐานทางด้านคณิตศาสตร์และสถิติเบื้องต้น เป็นผู้บริหารองค์กรที่ต้องการนำระบบการบำรุงรักษาเชิงพยากรณ์มาใช้เพื่อลดต้นทุนการดำเนินงาน ผู้ที่สนใจในระบบการบำรุงรักษาเชิงพยากรณ์ทางอุตสาหกรรมทั่วไป