Предиктивная аналитика: раскрытие ценности за пределами обслуживания

Получаете ли вы реальные выгоды от своей программы предиктивной аналитики? Большинство программ предиктивной аналитики являются заменами вибрационным программам предиктивного обслуживания, сфокусированным на единственной миссии — предотвращении отказов. С появлением микропроцессорных сборщиков данных в 1980 году менее трех процентов (3%) таких программ привели к проверяемой экономии, покрывающей их регулярные затраты.

В целом, эти программы заявляли о сокращении неплановых простоев, но во всех случаях увеличивали плановые простои, необходимые для предотвращения воспринимаемых грядущих отказов. Большинство этих программ увеличивали общее время простоя на обслуживание, а также общие затраты на труд и материалы для обслуживания. Хотя видимость выгод может присутствовать, эти программы доказали свою контрпродуктивность. Не из-за технологических ограничений, а из-за неправильного использования этих технологий.

Три основных фактора ограничивают выгоды, которые предиктивная аналитика могла бы предоставить:

• Фокус на предотвращении отказов априори исключает генерацию положительных результатов — если это ваша цель, это лучшее, на что можно рассчитывать, а предотвращение отказов ничего не делает для повышения надежности или снижения затрат.
• Ограничение предиктивной аналитики только обслуживанием и недостатками обслуживания — данные показывают, что 17% отказов активов являются результатом проблем с обслуживанием, большинство (83%) результатом других дефицитов внутри организации. Расширение области для включения причинно-следственных факторов, таких как режим эксплуатации, в аналитику не только поможет понять принуждающие функции за отказами, но и выявит дефициты, снижающие надежность и увеличивающие операционные затраты.
• Исключение активов цепочки создания стоимости из программы — обусловленные технологическими поставщиками, вибрационные программы охватывают простые вращающиеся активы, термографию для электрического оборудования и анализ смазочного масла как резерв для вибрации. Глазным пробелом являются активы, генерирующие выручку — активы, которые не являются простыми, могут быть не динамичными, но без которых компания не может выжить.

Предиктивная аналитика — это не только обслуживание, это не просто замена предиктивному обслуживанию. У нее нет ограничений. Предиктивная аналитика применима к любой повторяющейся активности — будь то физический актив, производственная система или финансовый отдел в вашей организации. В этой статье мы ограничим обсуждение физическими активами и тем, как предиктивная аналитика, основанная на операционной динамике, может обеспечить способность получать и удерживать оптимальную производительность от ваших активов.

Если вы хотите получить оптимальную производительность, надежность и экономический срок полезного использования от своих активов, присоединяйтесь к нам для этого просвещающего подхода к истинной предиктивной аналитике, которая работает. Вместо единственного фокуса на предотвращении отказов, фокус на удержании активов цепочки создания стоимости и критически важных вспомогательных активов в их проектном или оптимальном операционном состоянии не только снизит отказы, но и одновременно продлит их экономический срок полезного использования и снизит общую стоимость владения организацией. Это единственный эффективный способ получить оптимальную отдачу на вложенный капитал, а также генерацию выручки.

Введение

Общим фактором, ведущим к провалу этих устаревших программ, является их фиксация на режимах отказов капитальных активов вместо причинно-следственных факторов за ними. Простой пример — выявление неисправного подшипника и корректирующее действие по его замене. Но без задавания очевидного вопроса о том, что вызвало отказ подшипника, это самоисполняющееся пророчество, обреченное на провал.

Даже если физические отказы были первичной причиной простоя и высоких затрат на обслуживание, этот подход просто не может решить проблему. Пока ваш фокус не смещен на базовые причинно-следственные факторы, снижающие надежность, экономический срок полезного использования и, следовательно, увеличивающие операционные затраты и капитальные расходы на обслуживание, вы обрекаете программу предиктивной аналитики на полный провал.

Пример подхода, основанного на отказах — крупный интегрированный сталелитейный комбинат, внедренный контрактная программа предиктивного обслуживания для комбината. До начала программы не плановые простои и высокие затраты на обслуживание мучили комбинат. Через шесть лет в программе они сообщили о снижении не плановых простоев на 35%.

Успешный результат, верно? Не если посмотреть на реальные изменения за эти шесть лет. Да, их не плановые простои были ниже, но их плановые простои — для замены воспринимаемых плохих подшипников, шестерен и других изнашивающихся деталей — увеличились на 65%.

Другое заметное изменение — в их годовых затратах на обслуживание. Общие затраты на труд и материалы увеличились более чем на 80%. Затраты на заменяемые подшипники выросли с $2.4 млн до $14.7 млн, шестерни и другие изнашиваемые части последовали похожим паттернам.

Отказы — это не норма. Активы, спроектированные для надежности, последовательно эксплуатируемые в пределах проектных лимитов и получающие адекватное поддерживающее обслуживание, останутся надежными далеко за пределами своего проектного срока службы. Проблема предиктивной аналитики, ориентированной на отказы, — в неосознании того, что то, как мы эксплуатируем и обслуживаем активы, может стать самоисполняющимся пророчеством. Мы создаем ускоренный износ, индуцируем аномальные операционные условия, ускоряющие износ, а затем откладываем поддерживающее обслуживание, которое хотя бы смягчило бы ущерб.

Решение

Разрешение ограничений предиктивной аналитики не так сложно, по крайней мере, с технической точки зрения. Классические предиктивные технологии не являются ограничением. Когда они эффективно используются, они предоставят средства для достижения положительных результатов.

Сталелитейный комбинат — хороший пример. Когда их программа сместилась от ориентированной на отказы к истинной предиктивной аналитике, изменения были почти мгновенными. В менее чем за год затраты на материалы для обслуживания упали ниже $2 млн.

Используя подшипник как пример, новая программа сфокусировалась на причинно-следственных факторах за сообщаемыми отказами подшипников и внедрила корректирующие действия для их устранения. Устранение причинно-следственного фактора немедленно устранило хронические преждевременные отказы, повышавшие затраты, и затраты на замену рухнули.

Во втором году затраты на подшипники и другие изнашиваемые части упали еще дальше. 60% снижение затрат на обслуживание привели комбинат к стабильному производству на уровне на 30% выше, чем до смены фокуса.

Успех вашей программы предиктивной аналитики должен учитывать операционную динамику активов, систем и процессов, составляющих завод. Он должен учитывать внутренние проектные ограничения, режимы эксплуатации и уровень поддерживающего обслуживания, определяющие их динамику.

Другой пример разницы между ориентированным на отказы и истинной предиктивной аналитикой — семьсот шламовых насосов на нефтеперерабатывающем заводе. На заводе была устоявшаяся программа предиктивного обслуживания с использованием портативных сборщиков данных. Техники ежедневно обходили свои маршруты, и система сообщала, когда каждый из этих насосов требовал обслуживания для предотвращения грядущего отказа.

Со временем затраты, связанные с капитальным ремонтом насосов, выросли до более чем $10 млн ежегодно. По книгам программа работала, и было мало сообщаемых простоев, вызванных отказами насосов.

Когда программа истинной предиктивной аналитики операционной динамики заменила программу предиктивного обслуживания, результаты изменились драматически. Поскольку новая программа искала причинно-следственные факторы вместо остановки на режимах отказов, стало очевидно, что причина, по которой 11% насосов требовали капитального ремонта ежегодно, — их режим эксплуатации.

Дистанционно управляемые выпускные клапаны контролировали каждый насос. Аналитика распознала, что диапазон управления заставлял насосы работать далеко за пределами лучших практик. Результирующая нестабильность вызывала ускоренный износ и серьезные повреждения вращающейся сборки и корпуса.

Для устранения проблемы клиент изменил операционные параметры, ограничив диапазон управления до +/- 10% от BEP (лучшей точки эффективности), что привело к снижению годовых затрат на ремонт до менее $1 млн. Другой выгодой предиктивной аналитики было признание влияния старого диапазона управления на потребление энергии.

Вместо 160 л.с. на тормозном валу в точке BEP насосы потребляли в среднем почти 300 л.с. Разница в годовом потреблении энергии составила более $7 млн. В этом одном применении предиктивная аналитика снизила годовые затраты на более чем $16 млн США.

Как это работает

Применение предиктивной аналитики к управлению активами не так сложно; вы просто должны мыслить логично и четко определять требования надежности и устойчивости активов в вашей организации.

Следующие шаги определяют процесс:

Определение внутренней надежности каждого актива

Надежность определяется проектом. Все действия после проектирования должны поддерживать эту внутреннюю надежность для получения оптимального возврата инвестиций. Этот первый решающий шаг определяет не только внутренние слабости каждого актива или системы, но также режим эксплуатации и обслуживания, необходимые для поддержания внутренней надежности и достижения оптимального экономического срока полезного использования каждого актива.

Физика отказа

Четко определите все режимы отказа и их причинно-следственные факторы для каждого актива или системы. Это должно быть более чем простым FMEA или списками воспринимаемых отказов. Это должно учитывать все отклонения от лучших практик, такие как влияние различных режимов эксплуатации — производства и обслуживания. Помните, только 17% отказов активов результатом неправильного обслуживания; оставшиеся 83% — результат дефицитов в операциях.

Понимание отказов важно, но понимание причинно-следственных факторов или принуждающих функций, приводящих к этому отказу, критично. Если вы знаете режим отказа, вы можете предвидеть его и быстро восстанавливаться — но это ничего не делает для повышения надежности или предотвращения повторения. Причинно-следственные факторы предоставляют знания, необходимые для предотвращения первичного и всех повторных отказов.

Какие параметры идентифицируют режимы отказа и причинно-следственные факторы

Как только у вас есть глубокое понимание внутренней надежности, режимов отказа и их причинно-следственных факторов, следующий шаг — определение конкретных параметров, таких как вибрация или распределение тепла, необходимых как входные данные для движка предиктивной аналитики. Предиктивная аналитика, как и любая другая форма диагностики, зависит от качества и полноты входных данных.

Например, ввод высокоразрешающей полосовой и дискретных узкополосных вибрационных данных достаточно для эффективной аналитики механического состояния насоса, но может быть недостаточным для определения причинно-следственных факторов, которые могли бы обеспечить раннее обнаружение и коррекцию отклонений, которые, оставленные неизвестными, могли бы привести к отказу. В большинстве случаев эти параметры будут комбинацией процессных данных, извлеченных из существующих систем мониторинга и управления, и непосредственно измеренных данных, интегральных для движка предиктивной аналитики. На динамических активах и системах последнее включает использование умных датчиков, включающих пограничную аналитику, машинное обучение и искусственный интеллект, стратегически расположенных на активе, процессе или системе.

Модель обнаружения аномалий

Объединяя знания, полученные до сих пор в этом обсуждении, последним шагом в эффективной предиктивной аналитике является разработка модели операционной динамики или основанной на физике, которая может поглощать непрерывные данные от каждого актива, системы или процесса, а также автоматически анализировать все переменные, идентифицировать все отклонения от нормы, выявлять причинно-следственные факторы за каждым отклонением и генерировать прескриптивные инструкции для корректирующих действий. Очевидно, модель ODA является ключом к эффективной предиктивной аналитике. Любой опытный инженер по надежности должен иметь возможность оценить конкретный актив в точке его жизненного цикла и сделать то же самое.

Разница в том, что не хватает квалифицированных инженеров по надежности или часов в сутках для непрерывного анализа всех активов. Движки предиктивной аналитики не устают, не скучают и не отвлекаются.

В заключение, истинная эффективность программ предиктивной аналитики заключается не в их просто существовании, а в их стратегической реализации. Распространенный фокус на предотвращении отказов, хоть и благим по намерениям, часто не достигает цели из-за неспособности решать базовые причинно-следственные факторы. Переход к целостному подходу, охватывающему динамику активов и операционные тонкости, дает осязаемые выгоды, как показано успешными переходами от ориентированных на отказы к истинным парадигмам предиктивной аналитики.

Признавая критическую важность удержания активов цепочки создания стоимости и вспомогательных активов, организации могут не только смягчить отказы, но и оптимизировать производительность и снизить общую стоимость владения. Принятие предиктивной аналитики как инструмента для повышения надежности, продления экономического срока полезного использования и минимизации операционных затрат означает парадигмальный сдвиг к проактивным стратегиям управления активами, обеспечивающим оптимальную отдачу на вложенный капитал и устойчивую генерацию выручки.

Об авторе

Об авторе