Предиктивное обслуживание: повышение эффективности, сокращение простоя и обеспечение удовлетворенности клиентов

Каждый день, в каждой производственной среде, случаются отказы и простой. Это просто реальность, когда вы имеете дело с оборудованием, выполняющим повторяющуюся задачу. Проблема, однако, в том, что производство в сегодняшних рынках требует эффективности и качественного производства. Неплановый простой в всего одном станке в среде «just-in-time» производства может вызвать задержки, ведущие к недовольным клиентам, возможному оттоку этих клиентов к конкуренту и прямому удару по итоговой строке компании.

Один из истинно великих результатов роста (Интернета вещей) — факт, что машинные данные могут быть использованы для ограничения операционных затрат и влияния простоя, как запланированного, так и непланованного. Это иначе известно как предиктивное обслуживание.

Что такое предиктивное обслуживание?

Предиктивное обслуживание — или PdM, для краткости — это метод для предвосхищения требований обслуживания в станках на заводском полу. Анализируя операционные данные от станков, паттерны возникают, которые позволят операторам развить понимание режимов отказа и предсказать, когда обслуживание будет требуемо на любой данной единице, позволяя ему быть запланированным в менее затратные времена.

В прошлом производители опирались на реактивное обслуживание и другие стратегии обслуживания, иначе известные как метод «если не сломано, не чини». Вы можете хорошо представить, что сервис станков только когда они ломались был огромной стоимостью, как в терминах непланового простоя и потенциального влияния на другие части станка, так и качества выпуска за время, когда деталь была неисправна.

Со временем компании стремились уйти от реактивного обслуживания и внедрить стратегии превентивного обслуживания. Но превентивное обслуживание опиралось на средние значения и не отражало текущее или реальное состояние оборудования.

Хотя превентивное и предиктивное обслуживание — шаг вверх от реактивного, есть четкий победитель. Внедрение предиктивного обслуживания опирается на специфическую информацию, извлеченную из каждого станка для детектирования потенциальных проблем. Примером был бы анализ вибрации.

Модель, использующая базовую линию для сбора данных предиктивного обслуживания для станка, сможет детектировать изменения, такие как увеличение вибрации в конкретной части, которое могло быть вызвано повреждением или введением чужеродного объекта. Отклонения от базовой линии позволяют операторам предсказать потребность в обслуживании до того, как проблема станет серьезной, приводящей к отказу оборудования.

Как работает предиктивное обслуживание?

В отличие от превентивного обслуживания, программа предиктивного обслуживания использует данные, генерируемые оборудованием, и отправляет данные в облако. Как производственные и бизнес-процессные данные, обслуживание на основе состояния в реальном времени может быть проанализировано для детектирования паттернов и трендов на здоровье станка или жизни его частей или инструментов и для снижения затрат на обслуживание.

Часто OEM-оборудование может заявлять ожидаемый жизненный цикл для детали или инструмента. Однако это основано на средних значениях по отрасли. Это не учитывает легкие приложения, где детали могут изнашиваться медленнее ожидаемого или тяжелые приложения, где они могут изнашиваться быстрее.

Продвинутая аналитика в платформах мониторинга производства и обслуживания использует тренды и обслуживание на основе состояния для построения фактического времени до износа или предсказания режимов отказа. Программы предиктивного обслуживания могут быть разработаны вокруг этих инсайтов для снижения простоя и контроля затрат.

Надежные программы предиктивного обслуживания могут использовать платформу для отправки оповещений персоналу обслуживания, когда отказ неизбежен, снижая простой от ожидания техников после факта. Они также могут работать с заводской производственной информацией, такой как ожидаемое время смены для проведения ремонтов во время запланированных смен или планового простоя для чистки.

Запланированные оповещения могут быть расширены от техников до MRO-складов, так что части могут быть поставлены на стадию для избежания большего простоя. И части могут быть автоматизированы для повторного заказа против установленных мин/макс количеств частей, которые также предписываются системой. Как часть своей общей стратегии обслуживания, каждая компания может адаптировать свои техники предиктивного обслуживания к своим собственным нуждам.

Каковы преимущества предиктивного обслуживания?

С точки зрения экономии затрат, преимущества стратегии предиктивного обслуживания включают оптимизированный запланированный простой и минимизированный неплановый простой. Программа предиктивного обслуживания также оптимизирует продуктивность сотрудников и время жизни оборудования. Использование продвинутой аналитики и алгоритмов машинного обучения, превентивное обслуживание не может быть недооценено!

Как предиктивное обслуживание помогает оптимизировать запланированный простой

Запланированный простой может включать всё от чистки и смазки станков до замены частей, известных как регулярно неудачные. Этот вид превентивного обслуживания снижает риск непланового простоя. Как забота о вашем компьютере и сканирование его на вирусы или поддержание других приборов чистыми в вашем доме, вы получите более эффективный и лучшего качества выпуск от хорошо обслуженного станка.

Благодаря данным, собранным в операциях станков, предиктивное обслуживание может быть запланировано регулярно и в времена, которые будут иметь наименьшее влияние на производственный заказ. Также есть добавленное преимущество, что адекватное обслуживание этой природы неминуемо продлит жизнь механического оборудования, которое было бы трудным и затратным для замены. Максимизация аптайма и жизни компонента в программе предиктивного обслуживания в конечном счете приведет к значительной экономии затрат.

Предиктивное обслуживание ограничивает неплановый простой

Согласно посту Wall Street Journal, «Неплановый простой стоит промышленным производителям оцененные $50 миллиардов ежегодно». Использование предиктивного обслуживания для ограничения этой стоимости критично в высококонкурентных производственных отраслях.

В той мере, в какой запланированное превентивное обслуживание может обеспечить плавную работу станков большинство времени, цифровой мониторинг станков собирает римы данных, которые, когда проанализированы, покажут паттерны на любом данном станке. Этот вид детектирования паттернов, основанный на исторических данных, может помочь идентифицировать станок, который, вероятно, испытает отключение и для которого обслуживание может быть запланировано проактивно.

Предиктивное обслуживание может помочь оптимизировать время жизни оборудования

Способность мониторить эффективность станка, выпуск и качество во времени раскроет данные, которые идентифицируют, когда станок требует обслуживания, как отмечено выше, но также помогут идентифицировать, когда станок достигает конца своей жизни. Реактивное и превентивное обслуживание не могут это сделать.

По мере старения станков и в зависимости от их уровня использования, график обслуживания изменится, который может быть управляем через предиктивное обслуживание. Части станка будут отвечать на производственный стресс по-разному со временем. Конечное увеличение обслуживания, предсказанное через паттерны данных, раскроет, когда станок достигает перевертыша на стоимость против производительности. Потребность в конечной замене больших частей станка или целой единицы делается управляемой прогнозированием этой потребности и планированием для неё, как с точки зрения стоимости/бюджета, так и времени/усилий.

Предиктивное обслуживание может помочь оптимизировать продуктивность сотрудников

Есть много способов, которыми предиктивное обслуживание оптимизирует продуктивность сотрудников. Во-первых, давайте просто посмотрим на стоимость труда самим по себе. Когда ремонты запланированы, количество времени, нужного для ремонта, снижается из-за меньшего количества замены компонентов вместо замены всего оборудования. Также частота ремонта для критического отказа оборудования будет снижена, и количество «критических вызовов» будет сильно снижено.

С перспективы сотрудника, предиктивное обслуживание приведет к сниженным поломкам и системам избежания аварий. Эти могут оповещать или даже останавливать оборудование, когда есть опасность для рабочего, драматически улучшая заводские условия и минимизируя травмы рабочих.

Далее, простой и операции с субоптимальными параметрами не только влияют на выпуск, но и мораль сотрудников. Стрессово спешить решать проблемы, когда они возникают. Предиктивное обслуживание минимизирует такие случаи.

Предиктивное обслуживание может помочь увеличить выручку

Преимущества предиктивного обслуживания, которые мы покрыли выше, в конце концов все имеют ту же цель: увеличение итоговой строки. С меньшим обслуживанием на хороших компонентах и более быстрым ремонтом неисправных компонентов, ремонты могут быть более эффективно обработаны, тем самым сокращая время ремонта. Одно из самых всесторонних исследований потенциала промышленной аналитики вроде предиктивного обслуживания проводилось McKinsey в 2015 году. Они раскрыли возможность для следующих улучшений:

10-40% снижение затрат на обслуживание

Поскольку запланированное обслуживание основано на графике, будут случаи, когда задачи обслуживания будут выполнены, когда они не нужны. Предиктивное обслуживание может предотвратить такие неэффективности.

10-20% снижение отходов

Субоптимальная операция, не детектируемая, может привести к расточительному производству. Сырье, энергия, трудовые затраты и машинное время теряются в таких случаях. Системы предиктивного обслуживания могут раскрыть проблемы, которые могут привести к отходам до их возникновения.

10-50% новые возможности улучшений раскрыты

Как только сбор данных становится автоматизированным, новые инсайты на возможности оптимизации процессов могут быть раскрыты ежедневно через продвинутую аналитику.

Технологии предиктивного обслуживания

Есть многочисленные типы технологий предиктивного обслуживания, используемых в надежной data-driven программе предиктивного обслуживания. Это оборудование мониторинга состояния может использоваться для создания решения предиктивного обслуживания для операции. Эти технологии включают:

Инфракрасная термография

Тепло почти всегда побочный продукт производственной среды. Но оно часто предсказуемо для каждого станка или типа работы, запускаемого. Платформы PdM могут картографировать эти тепловые паттерны по станку или работе и анализировать скачки температуры для определения приближающихся проблем. Инфракрасная термография может мониторить и измерять температуру в оборудовании вроде моторов, подшипников или других поверхностей трения. Она также может помочь раскрыть «горячие точки» в электрических шкафах и детектировать отказ изоляции. Инфракрасная термография измеряет температуру и отображает единицу как картину всего измеряемого блока. Платформа мониторинга может хранить и анализировать эти изображения для детектирования проблем и идентификации трендов под специфическими условиями.

Акустический мониторинг

Некоторые платформы мониторинга предиктивного обслуживания могут использовать высокочастотные сигналы для определения состояния оборудования. Тот же принцип может быть применен с использованием воздушного звука. Захватывая этот акустический шум, поломки могут быть детектированы. Продвинутые алгоритмы машинного обучения используются для улучшения предиктивной способности со временем. Эти аналитики могут быть комбинированы с другими технологиями мониторинга для углубления и раскрытия аномалий до их возникновения.

Анализ вибрации

Все производственное и фрезерное оборудование вибрирует. И эта вибрация на станке и типе работы может быть построена для определения здорового диапазона на кривой. Анализ вибрации помогает инженерам предиктивного обслуживания узнать, что означают тонкие и значительные изменения. Они могут оценивать темпы износа и точки отказа по мере того, как алгоритмы машинного обучения становятся более точными со временем.

Анализ масла

Пока платформы предиктивного обслуживания могут использовать звук, вибрацию и температуру для оценки как здоровья, так и возможного отказа оборудования или частей, другой инструмент, захватывающий то, что происходит внутри станка — анализ масла. Измеряя чистоту масла, содержимое обломков, загрязнителей и композицию масла, техники могут идентифицировать, строить и предсказывать причину и развивать стратегии для их коррекции. Данные от анализа масла могут быть отправлены на аналитическую платформу и комбинированы с другими данными мониторинга для четкой картины здоровья станка.

Как внедрить предиктивное обслуживание

Теперь, когда ясно, что предиктивное обслуживание — уверенный способ избежать непланового простоя и нести более высокие производственные затраты, вопрос: как внедрить план предиктивного обслуживания?

Во-первых, доберитесь до сути проблемы, которую вы пытаетесь исправить:

• Вас больше беспокоит неплановый простой или стоимость отказа компонента?
• Некоторые станки на вашем полу более «важные»? т.е., используются чаще, центральны для больше заказов и т.д.

Затем вам нужно оценить ваш существующий статус или создать базовую линию данных на производительности станка. Для этого вы можете использовать свои собственные стандарты, стандарты OEE или другие отраслевые стандарты. Просмотрите каждый станок, чтобы увидеть, каковы были исторические уровни производительности: как часто он был в простое, какие компоненты регулярно неудачны, как часто обслуживание сейчас запланировано, и так далее.

Во-вторых, изучите исторические данные для паттернов и каких метрик укажут на проблему, какие отклонения от базовой линии должны флагнуть оператора, и так далее.

Наконец, как только вы используете эти паттерны и данные относительно ваших базовых измерений производительности, вам нужно внедрить процесс для непрерывного обновления данных и их обзора, чтобы убедиться, что они продолжают отражать текущий статус и будут флагнуть ухудшающиеся паттерны, которые четко сигнализируют потребность в обслуживании. Это ключ: вы не можете предсказать то, что не можете анализировать. Точные данные необходимы!

Минимизация непланового простоя, по крайней мере, насколько это касается функционирования станков, — огромная экономия затрат и предотвратит задержки к рынку, которые также повлияют на итоговую строку. В сегодняшней производственной среде предиктивное обслуживание не «хорошо бы иметь». Это необходимость.