Jak optymalizować fabrykę dzięki predictive maintenance?

Wszystkie planowane przestoje związane z przezbrojeniami, rozruchem czy też przeglądami prewencyjnymi jesteśmy w stanie bezproblemowo zaplanować i uwzględnić w harmonogramie produkcji. Zupełnie inaczej wygląda sytuacja w przypadku przestojów nieplanowanych ponieważ są to zdarzenia wynikające najczęściej z awarii maszyn, urządzeń lub innych zasobów produkcyjnych, które są nagłe jednak nie niemożliwe do przewidzenia dzięki coraz powszechniejszemu podejściu predykcyjnemu w utrzymaniu ruchu.

W Polskich firmach produkcyjnych świadomość poziomu strat związanych z zatrzymaniem produkcji zauważalnie wzrasta z roku na rok. Widoczne jest to w coraz większym zainteresowaniu wdrożeniami rozwiązań pozwalających na przewidywanie awarii (Predictive Maintenance) oraz wstępnym kategoryzowaniu przestojów już zarejestrowanych historycznie co jest niezmiernie ważne aby prawidłowo podejść do zbliżających się przeglądów technicznych. Stworzenie listy przyczyn przestojów oraz ich priorytetyzacja w celu analizy przyczyn źródłowych była do tej pory najczęściej stosowanym podejściem firm produkcyjnych rozpoczynających rzetelną analizę strat w produkcji. Straty powstałe wskutek nieplanowanych przestojów można łatwo obliczyć biorąc pod uwagę takie aspekty jak utrata dostępności zasobu do produkcji, straty związane z rozruchem po awarii oraz zmniejszona wydajność produkcji z powodu powolnych cykli lub mikro zatrzymań. Nie bez znaczenia jest również utrata jakości produktu wskutek usterki zasobu, a także koszty pracy pracowników służb utrzymania ruchu związane z usuwaniem zdarzeń krytycznych zamiast prewencyjnych.

Predictive Maintenance (PdM) czyli predykcyjne utrzymanie ruchu to coraz bardziej popularne podejście do utrzymania ruchu polegające na analizie danych bezpośrednio z maszyn w celu przewidywania potencjalnych awarii i podjęcie działań serwisowych jeszcze przed ich wystąpieniem.    Dzięki wdrożeniu systemu klasy CMMS/EAM wraz z zastosowaniem podejścia PdM szacuje się zaoszczędzenie w dłuższej perspektywie ponad 35 % kosztów związanych z zatrzymaniami produkcji, niedotrzymywaniem terminów realizacji zamówień sprzedaży oraz poświęconą pracochłonnością służb utrzymania ruchu w zakresie usuwania nagłych zdarzeń. Do tego dochodzi jeszcze zmniejszenie nawet o około 4 % nakładów niezbędnych do nabycia nowych maszyn i sprzętu. Dzieje się tak głównie dzięki możliwości precyzyjnego zaplanowania przeglądów okresowych oraz tych wynikających z przebiegu w porozumieniu z działem planowania produkcji opierając się na przewidywaniu awarii, a nie na podejściu reakcyjnym czy nawet typowo prewencyjnym.

Predykcyjne utrzymanie ruchu opiera się więc głównie na analizie dużej ilości danych dostarczanych bezpośrednio z maszyn oraz z hali produkcyjnej, a następnie analizie tych danych i wychwyceniu anomalii, które mogą świadczyć o ryzyku wystąpienia awarii. Mierzonymi parametrami mogą być np. temperatura, poziom wibracji, zużycie oleju, ciśnienie oraz wiele innych. Opomiarowanie parku maszynowego, gromadzenie dużej ilości danych i ich bieżąca analiza odbywa się dzięki wykorzystaniu szybko rozwijającej się dziedziny Internetu Rzeczy (IoT). Zastosowanie narzędzi IoT w przemyśle (Industry Internet of Things – IIoT) pozwala na monitorowanie procesu produkcji, pracy maszyn oraz warunków panujących na hali produkcyjnej w czasie rzeczywistym. Strumienie danych pochodzących z różnego rodzaju czujników gromadzone są w chmurze, a ich analiza za pomocą modułu Machine Learning (ML) umożliwia przewidywanie z dużą dokładnością ryzyka wystąpienia awarii. Dodatkowo na podstawie danych historycznych i bieżącej analizy występujących awarii można nieustannie usprawniać modele i przewidywać awarie z większą skutecznością oraz z uwzględnieniem zmiennych warunków występujących na hali.

EAM 4FACTORY stworzony przez firmę DSR jest rozwiązaniem klasy Enterprise Asset Management czyli kolejnej generacji systemów CMMS, która obejmuje całościowe zarządzanie zasobami przedsiębiorstwa pozwalając na obsługę wszystkich trzech stosowanych strategii w utrzymaniu ruchu czyli podejścia reakcyjnego na zdarzenia (Reactive Maintenance), działań prewencyjnych (Preventive Maintenance) jak również przewidywania awarii (Predictive Maintenance). Aplikacje EAM 4FACTORY cechuje łatwa dostępność z każdego miejsca w firmie jak również poza nią. Z systemu użytkownicy mogą korzystać przez przeglądarkę internetową, terminal produkcyjny dedykowany na urządzenia dotykowe lub aplikację mobilną czyli obsługę przy użyciu smartfonów.    Podstawowe funkcje rozwiązania firmy DSR dla Działów Utrzymania Ruchu i Produkcji to automatyzacja w zakresie tworzenia harmonogramów przeglądów, możliwość zgłaszania zdarzeń wprost z hali produkcyjnej, wsparcie gospodarki magazynowej częściami i materiałami eksploatacyjnymi jak również możliwość rejestracji pracochłonności osób podejmujących prace naprawcze lub prewencyjne. Dodatkowym atutem EAM 4FACTORY jest możliwość integracji z maszynami, rozwiązaniami typu MES, ERP oraz APS co daje między innymi możliwość automatycznego generowania zaleceń przeglądowych wraz z listami kontrolnymi czynności do wykonania na podstawie sygnałów odebranych z czujników zainstalowanych w maszynach lub urządzeniach.

Autor: Marek Lebiocki

W firmie DSR od 10-ciu lat, obecnie na stanowisku Starszego Konsultanta EAM/QMS/QAD/APS. Marek posiada 14-letnie doświadczenie jako konsultant wdrożeniowy, 4-letnie doświadczenie w zarządzaniu zakładem produkcyjnym, 6-letnie doświadczenie jako pracownik bezpośrednio-produkcyjny. Praktyczna znajomość procesów produkcyjnych w obszarach TPP, produkcji, zaopatrzenia i gospodarki magazynowej pozwala Markowi na realizację zaawansowanych wdrożeń i projektów w DSR. Marek wykonuje pracę zarówno po stronie dostawcy, jak i klienta przy projektach wdrożenia systemów ERP, APS, EAM oraz QMS.