--.--
--
上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。

10.06
Tue
北海道はここのところ朝晩、涼しくなってきました。

今までは暑かったのでさっぱりした物や冷たい物を好みがちでしたが
最近はスタミナのある物が食べたいな~とも思うようになってきました。

そんな時に見つけたのがイベリコ豚100%ハンバーグです。
イベリコ豚は高級肉として知られていますが、素敵なレストランでイベリコ豚
の肉料理を食べる。
のはちょっとハードルが高いな~と感じていたイベリコ豚初心者の私でも無理
なくチャレンジできる身近な食べ物なのでお取り寄せしてみました。

届いたハンバーグは4個入りで冷凍で一つ一つ真空パックになっていました。
食べたい分だけ解凍する事が出来るので取り扱いがとても便利です。

そしてこの真空パックに入ったハンバーグをそのまま湯煎すれば調理は完了し
ます!
これは焼き加減の失敗がなくてありがたい限りですね。

実際に食べてみましたが
豚肉100%ハンバーグのの私の勝手なイメージとは全く違い本当にふわふわ
していてジューシーでした。
そして、湯煎で簡単に調理(調理とは言えないかも)したとは思えないほど美
味しいです。

更にお弁当にも入れてみました。
冷えてしまうと流石に出来立ての様なわけにはいきませんが、元々ジューシー
なので美味しく食べる事が出来ました。

今回はハンバーグでしたがしゃぶしゃぶやソテーやハムも食べてみたいです!

最後に一言。。。
このハンバーグにぴったりのお店オススメのソース付きだともっと嬉しかった
んですけどね。。。


ハイ食材室
「無添加イベリコ豚100% ハンバーグ 4個」
価格 2,980円(税込)送料込み
http://item.rakuten.co.jp/hi-syokuzaishitu/c/0000000189/
スポンサーサイト
comment 0 trackback 0
10.06
Tue
前回も、設備情報管理の「保全計画の支援」というテーマのお話でした。
その中で、「予測」するために分析対象となるデータのうち「測定データ」
についてお話をしてきました。
ここで言う「測定データ」とは、点検や検針の数値データ、診断データ、監視
機器で自動収集したデータのことを指しています。

「測定データ」は主に二つの用途があり、一つ目は一定の閾値を超えていない
かを判断すること、もう一つは時系列の傾向を確認することです。
特に機械設備では、「測定データ」によって異常予測をする技法が研究されて
います。劣化の進行を「測定データ」によって見極められる可能性があります。

注意すべき点もあります。
一つは、予測ができるのはある特定の部位の特定の故障モードです。
故障一般ではありません。そのため、「測定データ」によって何が確認できる
かをはっきり理解する必要があります。

もう一つは、故障のメカニズムがはっきりしない場合の「測定データ」の取扱
いです。
これまでの経験上、「測定データ」とある故障モードとの間に何か相関があり
そうに思われることがあります。
ただ、メカニズムがわからなければ、相関関係の精度に問題があることを前提
にしなければなりません。

このようなお話をしてきました。

さて、今回から「予測」するための定量的な分析の具体的な方法について少し
触れるつもりですが、ここで「予測」の前提をもう一度確認したい思います。

定量的な分析の話は、「意識が及ばないところを可視化する」という話題から
派生しているものです。
つまり、定量的分析で「可視化する」ことが目的で、必ずしも直接「予測をす
る」ことを目的とはしていません。
「予測」に至るまでには、以下のような流れを前提にしています。

データの蓄積
   →定量的な分析
       →蓄積データの見える化(可視化)
           →担当者による予測(保全計画)の支援

以前もお話ししました通り、次の故障時期や最適な部品交換時期などを、蓄積
データから自動的に予測することは簡単ではありません。
多くの現場では蓄積できるデータ量すら限られているのです。

ですから、定量分析は人間の「経験や勘」に基づく判断を支援するために利用
することがベターだと思っています。
私共は今はこうした立場を前提として、お話を進めていきます。


それでは、具体的にはまず、保全分野でよく使われる代表的な指標について触
れたいと思います。

一つ目は、MTBF(平均故障間隔)と故障率(平均故障率)です。
MTBFとは「Mean Time Between Failure」の略称です。
一般的には

MTBF=総稼動時間÷総故障数

という式であらわされます。
(総稼働時間とは、そのまま考えると機械が稼働・運転している時間です。
しかし、利用のしやすさから計算上暦日で代替しているケースも多く、ここで
は暦日での計算のイメージで考えています。)

これは何を表しているのでしょうか?
一般論として端的に言えば、次にいつ故障しそうか、という目安を表すことに
なります。

前回故障日+MTBF=次回故障予想日

仮に、保全がすべて「事後保全」で、MTBFの数値をそのまま信用するならば、
次回予想日の計算に合わせて、保全計画(修理予算の計上)を立てるというこ
とになるでしょう。

一方、このMTBFの逆数が、故障率(平均故障率)ということになります。

故障率=総故障数÷総稼動時間

これは何を表しているのでしょうか?
これも一般論として端的に言えば、故障のしやすさを表す目安ということにな
ります。

つまり、故障率が高い機械の方が、保全計画上早めに対処したほうが良い、と
いうことになるわけです。

この二つを組み合わせると、まず、MTBFによる「次回故障予想日」にあわせて
修理予算を計上し、なおかつ、その中で優先順位をつける場合には故障率によ
って序列を判断する、こんなシナリオが出てきます。

ただ、現実にはそのようなシナリオ通りには、なかなかいきません。

なぜでしょうか?

問題点の一つ目は、「故障」の定義が明確でないことです。

例えば、

「機械の停止時間が○時間以上を「故障」と定義する」

このようにしたとします。
こうしてカウントした故障の場合、実はその故障の中に、色々なメカニズムの
別の事象が含まれているかもしれないのです。

ある故障はベアリングがすり減って発生しているのかもしれません。
一方で同じ機械で、継続的な負荷によりゆがみが生じて、機能不全を起こして
いる故障もあるかもしれません。
それらを、同じ故障と定義してMTBFを利用しても、次回どんな故障が起こるの
かという予測には、あまり意味を成しません。

それでは、どんな部位で、どのような故障モードなのか、きちんと分類して考
えたらどうでしょうか?
しかし、ここには次の問題が出てくるのです。

ちょっと中途半端なところではありますが、続きは次回とさせていただきます。
comment 0 trackback 0
back-to-top
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。