۸ گام برای ایجاد یک برنامه نگهداری پیشگویانه که کارآمد باشد
چارچوبی عملی و هشتمرحلهای برای انتخاب تجهیزات، جمعآوری دادهها، پایش حالتهای خرابی، آموزش مدلها، تنظیم هشدارها و اتصال بینشهای پیشبینانه به گردشکارهای CMMS.
نگهداری پیشگویانه نوید خرابیهای کمتر، دسترسپذیری بهتر داراییها و برنامهریزی کارآمدتر نگهداری را میدهد. بااینحال، این نتایج تنها از نصب حسگرها به دست نمیآیند.
یک برنامه موفق نگهداری پیشگویانه، دانش مهندسی، دادههای قابلاعتماد، فناوری پایش وضعیت، سوابق نگهداری، تحلیل داده و اجرای منضبط کارها را ترکیب میکند. هر بخش باید از یک هدف عملیاتی مشخص پشتیبانی کند.
بسیاری از سازمانها با یک نمایش فناوری جذاب شروع میکنند. آنها حسگرها را متصل میکنند، داشبورد میسازند و حجم زیادی از داده جمعآوری میکنند. چند ماه بعد، تیمهای نگهداری هنوز نمیتوانند تصمیمهای بهتری بگیرند.
مشکل معمولاً در توالی اجرا نهفته است. سازمان کار را با فناوری آغاز کرده است، نه با ریسک تجهیزات، حالتهای خرابی، گردشکارهای نگهداری و ارزش کسبوکار قابلاندازهگیری.
نگهداری پیشگویانه، که اغلب بهاختصار PdM نامیده میشود، باید به یک پرسش عملی پاسخ دهد: پیش از آنکه دارایی عملکرد خود را از دست بدهد یا خراب شود، چه اقدام تعمیراتی باید انجام شود؟
پاسخ باید آنقدر زود ارائه شود که تیم نگهداری بتواند واکنش نشان دهد. همچنین باید اطمینان کافی ایجاد کند تا بازرسی، تعمیر، تأمین قطعات یا تغییر در نحوه بهرهبرداری توجیهپذیر باشد.
این مقاله هشت گام برای ایجاد یک برنامه مؤثر نگهداری پیشگویانه ارائه میدهد. توربین بادی مثال اصلی است، زیرا تجهیزات دوار، دسترسی دشوار، توقف پرهزینه و چندین سازوکار فرسایش را با هم دارد.
همین چارچوب درباره پمپها، کمپرسورها، موتورها، ژنراتورها، جعبهدندهها، فنها، نوارنقالهها، ترانسفورماتورها، شیرها، درایوها و تجهیزات فرایندی حیاتی نیز صدق میکند.
نگهداری پیشگویانه باید با یک تصمیم عملیاتی آغاز شود
دادههای وضعیت تجهیزات، مگر آنکه تصمیمی عملیاتی یا تعمیراتی را تغییر دهند، ارزش اندکی دارند. روند دما ممکن است آموزنده به نظر برسد، اما تنها زمانی مفید میشود که کسی بداند چگونه باید واکنش نشان دهد.
این واکنش میتواند شامل کاهش بار تجهیزات، بازرسی روانکاری، بررسی همراستایی، تعویض یاتاقان یا برنامهریزی یک خاموشسازی کنترلشده باشد.
بنابراین، برنامه نگهداری پیشگویانه باید چهار فعالیت متمایز را به هم متصل کند. این برنامه باید فرسایش را شناسایی کند، اهمیت آن را ارزیابی کند، اقدامی را پیشنهاد دهد و نتیجه نگهداری را تأیید کند.
این توالی، نگهداری پیشگویانه را از جمعآوری معمول داده جدا میکند. همچنین یک برنامه صنعتی عملیاتی را از یک آزمایش موقت تحلیل داده جدا میکند.
مهندسان باید پیش از انتخاب حسگرها، تصمیمهای مورد انتظار را مشخص کنند. آنها باید تعیین کنند چه کسی اطلاعات را دریافت میکند، با چه سرعتی باید واکنش نشان دهد و چه شواهدی از مداخله پشتیبانی میکند.
برای مثال، هشدار یاتاقان توربین ممکن است به چند سطح واکنش نیاز داشته باشد. یک انحراف جزئی ممکن است پایش مستمر را فعال کند. انحراف بزرگتر ممکن است بازرسی در نخستین بازه سرویس بعدی را ضروری کند.
انحرافی که بهسرعت تغییر میکند ممکن است به کاهش فوری بار نیاز داشته باشد. یک الگوی بحرانی ممکن است خاموشسازی اضطراری را توجیه کند.
این تصمیمها به همکاری میان متخصصان تعمیر و نگهداری، قابلیت اطمینان، عملیات، اتوماسیون، ایمنی و داده نیاز دارند. تعمیر و نگهداری پیشبینانه نمیتواند در یک بخش فنی واحد منزوی بماند.
هشت گام زیر مسیری ساختاریافته از نیاز کسبوکار تا اجرای قابلاعتماد تعمیر و نگهداری ایجاد میکنند.
۱. داراییای را انتخاب کنید که پیشبینی درباره آن ارزش واقعی ایجاد میکند
تعمیر و نگهداری پیشبینانه به سرمایهگذاری اولیه نیاز دارد. هزینهها ممکن است شامل حسگرها، آمادهسازهای سیگنال، شبکهسازی صنعتی، رایانش لبهای، ذخیرهسازی داده، نرمافزار تحلیل، خدمات یکپارچهسازی و سامانه مدیریت رایانهای تعمیر و نگهداری باشد.
دارایی انتخابشده باید این سرمایهگذاری را توجیه کند. این دارایی باید تأثیر قابلتوجهی بر تولید، ایمنی، کیفیت، مصرف انرژی، عملکرد زیستمحیطی یا هزینههای تعمیر و نگهداری داشته باشد.
ارزش خرید بالا بهتنهایی یک دارایی را بهطور خودکار مناسب نمیکند. مهندسان باید پیامدهای مالی و عملیاتی خرابی را در نظر بگیرند.
یک پمپ نسبتاً ارزان ممکن است کل واحد تولید را متوقف کند. یک موتور آمادهبهکار گرانقیمت ممکن است خطر فوری اندکی ایجاد کند، زیرا واحد دیگری میتواند وظیفه آن را بر عهده بگیرد.
تحلیل حیاتیبودن دارایی نقطه شروع مفیدی فراهم میکند. این ارزیابی باید شامل زیانهای تولید، هزینههای تعمیر، زمانهای تأمین، پیامدهای ایمنی، مواجهه با عوامل محیطی و میزان دسترسپذیری افزونگی باشد.
ارزیابی باید تعداد دفعات خرابی تجهیزات را نیز در نظر بگیرد. یک دارایی حیاتی که الگوی قابلاندازهگیری برای فرسایش آن وجود ندارد، ممکن است گزینه مناسبی برای شروع نباشد.
داراییهای مناسب برای اجرای پایلوت چند ویژگی دارند. خرابی آنها پرهزینه است، فرسایش آنها قابل مشاهده است و تیم تعمیر و نگهداری میتواند پیش از وقوع خرابی عملکردی اقدام کند.
یک توربین بادی گزینه بسیار مناسبی است. این تجهیز شامل یاتاقانها، مراحل چرخدنده، شفتها، ژنراتورها، سامانههای هیدرولیکی، تجهیزات الکتریکی و اجزای سازهای است.
دسترسی برای تعمیر و نگهداری ممکن است دشوار باشد. شرایط باد، در دسترس بودن جرثقیل، برنامهریزی تکنسینها و لجستیک قطعات جایگزین میتوانند تعمیرات را به تأخیر بیندازند.
خرابی غیرمنتظره گیربکس میتواند زمان توقف گستردهای ایجاد کند. همچنین ممکن است به تجهیزات بالابر سنگین و نیروهای متخصص نیاز داشته باشد.
هشدار زودهنگام چندین شکل از ارزش را ایجاد میکند. اپراتور میتواند پیش از خرابی قطعات را تهیه کند، بازه زمانی مناسب آبوهوایی را انتخاب کند، هماهنگی پیمانکاران را انجام دهد و چندین فعالیت تعمیر و نگهداری را با هم ترکیب کند.
هزینه اجتنابشده فقط شامل قطعه آسیبدیده نیست. این هزینه شامل تولید ازدسترفته، حملونقل اضطراری، اضافهکاری، اعزام جرثقیل و آسیب به تجهیزات ثانویه نیز میشود.
یک تأسیسات تولیدی میتواند همین منطق را درباره یک کمپرسور به کار گیرد. خرابی آن ممکن است تأمین هوا را در چندین خط تولید مختل کند.
یک تأسیسات آبرسانی ممکن است پمپ بزرگی را که به یک مرحله حیاتی فرایند خدمترسانی میکند، در اولویت قرار دهد. یک نیروگاه ممکن است پمپ تغذیه بویلر، فن مکش القایی یا سامانه کمکی توربین را در اولویت قرار دهد.
نخستین اجرای آزمایشی باید قابلکنترل باقی بماند. یک رده دارایی یا گروه کوچکی از داراییهای مشابه معمولاً اطلاعات کافی برای یک پیادهسازی جدی فراهم میکند.
شروع کار با دهها ماشین نامرتبط، پیچیدگی را افزایش میدهد. ماشینهای مختلف سیگنالها، حالتهای خرابی، وضعیتهای بهرهبرداری و نیازهای نگهداری متفاوتی تولید میکنند.
تیم برنامه باید هدف اجرای آزمایشی را بهصورت قابلاندازهگیری مستند کند. نمونهها شامل کاهش کارهای اضطراری، افزایش میانگین زمان بین خرابیها یا شناسایی تخریب یاتاقان سی روز زودتر هستند.
هدف روشن به جلوگیری از گسترش کنترلنشده دامنه کمک میکند. همچنین معیاری برای ارزیابی ارزش عملیاتی حاصل از اجرای آزمایشی فراهم میکند.
شکل ۱. سوابق CMMS شواهد تاریخی نگهداری را برای ایجاد خط مبنای عملکرد و ارزیابی نتایج نگهداری پیشبینانه فراهم میکنند. تصویر با اجازه Limble CMMS استفاده شده است.
۲. ایجاد خط مبنا با استفاده از دادههای موجود نگهداری و بهرهبرداری
تحلیل پیشبینانه به مرجعی برای عملکرد عادی نیاز دارد. بدون این مرجع، سامانه نمیتواند رفتار موردانتظار را بهطور قابلاعتماد از خرابیهای در حال شکلگیری متمایز کند.
سازمانها اغلب تصور میکنند داده کافی ندارند. در واقع، ممکن است شواهد مفید از قبل در چندین سامانه موجود باشد.
منابع احتمالی شامل سفارشهای کاری سامانه مدیریت نگهداری و تعمیرات، گزارشهای اپراتورها، گزارشهای بازرسی، برچسبهای تاریخچهنگار، سوابق هشدار، گزارشهای آزمایشگاهی، مسیرهای ارتعاشسنجی، تحلیل روغن و تراکنشهای قطعات یدکی هستند.
این سوابق بهندرت ساختار یکسانی دارند. نام تجهیزات ممکن است بین سامانه مدیریت نگهداری و تعمیرات، سامانه کنترل، تاریخچهنگار و نقشههای مهندسی متفاوت باشد.
یک سامانه ممکن است یک پمپ را با برچسب کارخانه شناسایی کند. سامانهای دیگر ممکن است از مکان عملکردی، شماره سریال یا توضیحی غیررسمی استفاده کند.
رفع این تفاوتها ضروری است. مدل پیشبینانه باید رفتار حسگر را به دارایی صحیح، دوره بهرهبرداری، رویداد نگهداری و وضعیت خرابی تأییدشده مرتبط کند.
تیم باید با ایجاد یک سلسلهمراتب مشترک برای داراییها شروع کند. هر مؤلفه تحت پایش باید در سامانههای نگهداری و بهرهبرداری هویت ثابتی داشته باشد.
گام بعدی، بررسی عملکرد تاریخی است. معیارهای مفید شامل میانگین زمان بین خرابیها، میانگین زمان تعمیر، نیروی کار نگهداری، مدت توقف، هزینه قطعات یدکی و کاهش تولید هستند.
تحلیل باید نگهداری برنامهریزیشده را از نگهداری اصلاحی جدا کند. همچنین باید تعویض مؤلفه را از بازرسی، تنظیم، روانکاری و کارهای نامرتبط متمایز کند.
برای یک توربین بادی، تحلیل تاریخی ممکن است بر یاتاقانها، مراحل جعبهدنده، سامانههای روانکاری، خنککاری ژنراتور، سازوکارهای تنظیم گام و تجهیزات تبدیل توان متمرکز شود.
مهندسان باید ثبت کنند هر مؤلفه چند بار به مداخله نیاز داشته است. همچنین باید علائم هشدار مشاهدهشده پیش از خرابی را مستند کنند.
اندازهگیریهای قبلی ارتعاش ممکن است روندی صعودی را نشان دهند. نمونههای روغن ممکن است افزایش ذرات فلزی را نشان دهند. اپراتورها نیز ممکن است تغییرات صدا یا دماهای ناپایدار را گزارش کرده باشند.
این مشاهدات به شناسایی متغیرهای پیشبینی مفید کمک میکنند. همچنین برای تحلیلهای نظارتشده یا نیمهنظارتشده برچسب فراهم میکنند.
شرایط عملیاتی باید در خط مبنا لحاظ شوند. سرعت باد، بار ژنراتور، سرعت چرخش، دمای محیط و حالت کنترل میتوانند بر خوانش حسگرها تأثیر زیادی بگذارند.
سطح ارتعاشی که در بار کم غیرعادی به نظر میرسد، ممکن است هنگام تولید کامل قابلقبول باشد. رفتار دما نیز میتواند با شرایط محیطی و نیاز سرمایشی تغییر کند.
بنابراین، خط مبنا باید رفتار تجهیزات را در چندین وضعیت عملیاتی توصیف کند. یک مقدار میانگین منفرد بهندرت کافی است.
مشکلات کیفیت داده باید مستندسازی شوند، نه اینکه پنهان بمانند. دورههای مفقود، مهرهای زمانی نادرست، حسگرهای تعویضشده، خرابیهای ارتباطی و تغییرات کالیبراسیون میتوانند آموزش مدل را مخدوش کنند.
تیمهای نگهداری باید سوابق تاریخی را با اپراتورها و تکنسینهای باتجربه اعتبارسنجی کنند. مشاهدات آنها اغلب تغییراتی را توضیح میدهد که در سوابق دیجیتال ظاهر نمیشوند.
کاهش ناگهانی ارتعاش ممکن است مثبت به نظر برسد. یک تکنسین ممکن است بداند که حسگر در همان دوره شل شده است.
افزایش جریان ممکن است نشاندهنده بار مکانیکی باشد. اپراتور میتواند توضیح دهد که تقاضای تولید افزایش یافته است، زیرا واحد دیگری در دسترس نبوده است.
این جزئیات مانع از آن میشوند که تیم تحلیل، روابط نادرستی ایجاد کند. همچنین باعث میشوند خط مبنا نمایندهتری از رفتار واقعی کارخانه باشد.
۳. پیش از انتخاب فناوری، حالتهای خرابی را تعریف کنید
نگهداری پیشگویانه باید سازوکارهای مشخص خرابی را هدف قرار دهد. این روش نباید تلاش کند هر مشکل احتمالی را با یک مدل عمومی شناسایی کند.
تحلیل حالات خرابی و آثار آن، روشی ساختاریافته ارائه میدهد. تیم مشخص میکند یک قطعه چگونه میتواند خراب شود، چرا خراب میشود و چه پیامدهایی به دنبال دارد.
هر حالت خرابی باید از نظر فراوانی، شدت، قابلیت تشخیص و زمان پاسخ موجود ارزیابی شود.
برخی خرابیها بهآرامی ایجاد میشوند و علائم قابلاندازهگیری تولید میکنند. برخی دیگر ناگهانی رخ میدهند و دوره هشدار مفیدی ندارند.
پایش پیشگویانه زمانی بیشترین ارزش را ایجاد میکند که تخریب بهاندازه کافی زود آغاز شود تا قابل شناسایی باشد. دوره هشدار نیز باید زمان کافی برای برنامهریزی عملی نگهداری فراهم کند.
آسیب یاتاقان اغلب بهتدریج ایجاد میشود. الگوهای ارتعاش، گسیلهای صوتی، دما، وضعیت روانکاری و جریان موتور ممکن است پیش از خرابی کامل، تغییرات را نشان دهند.
یک قطعه الکترونیکی ممکن است با اندکی افت قابلاندازهگیری از کار بیفتد. در این حالت، افزونگی، تعویض پیشگیرانه یا قطعات یدکی موجود در انبار میتوانند کنترل بهتری بر ریسک فراهم کنند.
تیم باید نگهداری پیشگویانه را با گزینههای سادهتر مقایسه کند. ممکن است یک بازرسی کمهزینه از پیش بتواند ریسک خرابی را بهطور مؤثر کنترل کند.
در این صورت، افزودن حسگرها، شبکهها و تحلیلها بدون ارزش افزوده کافی، پیچیدگی ایجاد میکند.
توربینهای بادی با چندین حالت خرابی مهم در تجهیزات دوار مواجهاند. دندانههای چرخدنده ممکن است فرسوده یا ترکخورده شوند. یاتاقانها ممکن است دچار آسیب سطحی، مشکلات روانکاری یا ناهمراستایی شوند.
نامتعادلی محور میتواند ارتعاش را افزایش دهد. لقی سازهای میتواند رفتار تشدید را تغییر دهد. آلودگی روانکننده میتواند سایش را در چندین قطعه تسریع کند.
این مشکلات اغلب علائم همپوشان ایجاد میکنند. افزایش دما ممکن است ناشی از اصطکاک، روانکاری ناکافی، خرابی خنککاری یا بار بیشازحد باشد.
یک سیگنال بهندرت علت اصلی را اثبات میکند. راهبرد پایش باید، هر جا توجیه داشته باشد، اندازهگیریهای مکمل را با هم ترکیب کند.
ارتعاش ممکن است الگوی فرکانسی مکانیکی را آشکار کند. تحلیل روغن ممکن است وجود ذرات سایش را تأیید کند. دما ممکن است افزایش اتلاف انرژی را نشان دهد.
بار عملیاتی زمینهای ضروری فراهم میکند. این اندازهگیریها در کنار هم شواهد قویتری نسبت به هر مقدار منفرد ایجاد میکنند.
این تحلیل باید بازه زمانی خرابی احتمالی را تعریف کند. این بازه، فاصله بین نخستین نشانه قابلتشخیص و خرابی عملکردی است.
یک بازه زمانی طولانی امکان تعمیر و نگهداری برنامهریزیشده را فراهم میکند. یک بازه بسیار کوتاه ممکن است به حفاظت خودکار، نه برنامهریزی معمول کار، نیاز داشته باشد.
برای مثال، فرسودگی تدریجی یاتاقان ممکن است هفتهها هشدار ایجاد کند. رویداد ناگهانی افزایش بیشازحد سرعت به اقدام فوری کنترلی یا حفاظتی نیاز دارد.
تعمیر و نگهداری پیشبینانه نباید جایگزین حفاظت از ماشینآلات شود. این دو کارکرد در سطوح ریسک و سرعت واکنش متفاوتی عمل میکنند.
پیشبینی از برنامهریزی پیش از ایجاد وضعیت خطرناک پشتیبانی میکند. سامانههای حفاظتی زمانی واکنش نشان میدهند که حدود تنظیمشده، تهدیدی فوری را نشان دهند.
بازبینی حالتهای خرابی باید به تولید یک فرضیه مستند درباره پایش منجر شود. این فرضیه باید توضیح دهد کدام سیگنال تغییر خواهد کرد، چرا تغییر میکند و این تغییر چقدر زود باید ظاهر شود.
همچنین باید بازرسی تعمیر و نگهداری را تعریف کند که بتواند وضعیت مشکوک را تأیید کند. این تأیید بعدها به اطلاعات آموزشی ارزشمندی تبدیل میشود.
شکل ۲. دادههای حسگر زمانی ارزشمند میشوند که از نتیجهگیریهای قابلاعتماد درباره وضعیت تجهیزات و نیازهای آتی تعمیر و نگهداری پشتیبانی کنند. تصویر با اجازه Limble CMMS استفاده شده است.
۴. تطبیق حسگرها با سازوکار فیزیکی خرابی
انتخاب حسگر باید از تحلیل حالتهای خرابی پیروی کند. پرسش درست این نیست که کدام حسگر بیشترین قابلیتها را ارائه میدهد.
پرسش درست این است که کدام اندازهگیری فیزیکی، خرابی موردنظر را با هشدار کافی و اطمینان قابلقبول آشکار میکند.
اندازهگیریهای رایج شامل ارتعاش، دما، فشار، جریان، جریان موتور، سرعت، موقعیت، رطوبت، انرژی صوتی و وضعیت روانکننده هستند.
روشهای تخصصی ممکن است شامل بازرسی اولتراسونیک، انتشار صوتی، بازرسی ذرات مغناطیسی، رادیوگرافی، ترموگرافی و تحلیل امضای الکتریکی باشند.
هر روش نقاط قوت و محدودیتهایی دارد. پایش ارتعاش برای بسیاری از قطعات دوار بسیار مؤثر است، اما موقعیت حسگر و کیفیت نصب تأثیر زیادی بر نتیجه دارند.
پیادهسازی پایش دما آسان است. بااینحال، تغییرات دما ممکن است دیرتر از نشانههای ارتعاش یا روانکاری ظاهر شوند.
تحلیل جریان موتور میتواند تغییرات بار و برخی شرایط الکتریکی یا مکانیکی را شناسایی کند. این روش ممکن است به جداسازی دقیق تغییرات عادی فرایند نیاز داشته باشد.
نشر صوتی میتواند انرژی پرفرکانس تولیدشده بر اثر اصطکاک، رشد ترک، ضربه و تغییر شکل مواد را شناسایی کند. نویز صنعتی میتواند تفسیر را دشوار کند.
در یک توربین بادی، ناسل و برج انرژی مکانیکی را از چندین قطعه منتقل میکنند. این ساختار میتواند از پایش صوتی یا ارتعاشی از راه دور پشتیبانی کند.
بااینحال، مسیر سیگنال نیز پیچیدگی ایجاد میکند. فعالیت گیربکس، ژنراتور، یاتاقان، پره و سازه ممکن است در یک اندازهگیری واحد ظاهر شود.
مهندسان باید نقاط اندازهگیری را با توجه به ساختار ماشین، مسیرهای انتقال بار، موقعیت یاتاقانها، فرکانسهای مورد انتظار و دسترسی انتخاب کنند.
آنها باید از نصب حسگرها فقط در مکانهایی که کابلکشی آسان است خودداری کنند. محل نصبِ مناسب از نظر کابلکشی ممکن است سیگنالی ضعیف یا گمراهکننده تولید کند.
روش نصب اهمیت دارد. شتابسنجی که بهدرستی با پیچ نصب شده باشد، معمولاً عملکرد بهتری در فرکانسهای بالا نسبت به حسگر مغناطیسیِ شل دارد.
دامنه فرکانسی انتخابشده باید با عیب مطابقت داشته باشد. حرکت آهسته سازه و ضربههای پرفرکانس یاتاقان به راهبردهای نمونهبرداری متفاوتی نیاز دارند.
دامنه حسگر نیز اهمیت دارد. حسگری با دامنه اندازهگیری بیشازحد ممکن است وضوح را کاهش دهد. حسگر با دامنه محدود ممکن است هنگام گذراها اشباع شود.
شرایط محیطی میتوانند بر قابلیت اطمینان تأثیر بگذارند. دما، رطوبت، گردوغبار، روغن، تماس با مواد شیمیایی، تداخل الکترومغناطیسی و ضربه مکانیکی باید در نظر گرفته شوند.
مناطق خطرناک ممکن است به تجهیزات تأییدشده، موانع مناسب و روشهای نصب منطبق با مقررات نیاز داشته باشند. تجهیزات دورافتاده نیز ممکن است به ارتباطات کممصرف و بافر محلی داده نیاز داشته باشند.
معماری پایش باید بین اندازهگیریهای پیوسته و دورهای تمایز قائل شود. تجهیزات حیاتی ممکن است جمعآوری پیوسته داده را توجیه کنند.
برای تجهیزات کماهمیتتر میتوان از حسگرهای بیسیم یا مسیرهای بازدید تکنسین استفاده کرد. روش مناسب به سرعت خرابی، اهمیت تجهیز و ارزش اقتصادی آن بستگی دارد.
افزونگی حسگرها باید گزینشی باشد. نصب فناوریهای متعدد میتواند تشخیص را بهبود دهد، اما اندازهگیریهای غیرضروری هزینههای نگهداری و مدیریت داده را افزایش میدهند.
یک برنامه پایش گیربکس ممکن است ارتعاش، ذرات موجود در روغن، دما و بار را ترکیب کند. برای یک فن ساده شاید فقط ارتعاش و جریان موتور لازم باشد.
کالیبراسیون، سلامت حسگر و وضعیت ارتباطات نیز باید پایش شوند. در غیر این صورت، حسگر خراب ممکن است بهاشتباه رفتار پایدار تجهیزات را نشان دهد.
سیستم باید سیگنالهای تخت، مقادیر ناممکن، نویز بیشازحد، شکافهای داده و رانش تدریجی حسگر را شناسایی کند.
پردازش لبهای میتواند با محاسبه ویژگیها در نزدیکی تجهیز، ترافیک شبکه را کاهش دهد. نمونهها شامل ریشه میانگین مربعات ارتعاش، ضریب قله، کشیدگی، قلههای طیفی و نرخ تغییر دما هستند.
حفظ شکلموج خام همچنان برای بررسی مفید است. با این حال، ذخیرهسازی نامحدود همه شکلموجهای پربسامد ممکن است هزینههای غیرضروری ایجاد کند.
رویکردی متعادل، ویژگیهای محاسبهشده را بهطور پیوسته ذخیره میکند. این رویکرد دادههای خام را در اطراف ناهنجاریها، تغییرات وضعیت کارکرد و رویدادهای تأییدشده خرابی حفظ میکند.
اجزای حسگر و پایش صنعتی نیز باید در سراسر چرخه عمر برنامه، قابلیت نگهداری خود را حفظ کنند. در دسترس بودن قطعات جایگزین، مستندات و سازگاری سیستم بر قابلیت اطمینان بلندمدت اثر میگذارند.
مجموعههایی که معماری پایش خود را بررسی میکنند، میتوانند اجزای پایش ماشینآلات مناسب برای کاربردهای ارتعاش، موقعیت، سرعت و وضعیت تجهیزات را مقایسه کنند.
۵. آمادهسازی دادهها و توسعه مدل تحلیلی
نصب حسگر آغازگر مرحله توسعه داده است. این کار بلافاصله یک مدل پیشبینی قابلاعتماد ایجاد نمیکند.
دادههای خام صنعتی شامل نویز، مقادیر گمشده، تغییرات وضعیت کارکرد، وقفههای ارتباطی و تغییرات مرتبط با تعمیر و نگهداری هستند. این شرایط باید بهصورت نظاممند مدیریت شوند.
نخستین الزام، همترازی دقیق زمانی است. دادههای حسگر، مقادیر فرایند، رویدادهای هشدار و سوابق تعمیر و نگهداری باید از مُهرهای زمانی سازگار استفاده کنند.
چند دقیقه ناهماهنگی میتواند روابط کاذب ایجاد کند. این مشکل هنگام تغییرات سریع در کارکرد یا رویدادهای خرابی جدیتر میشود.
نرخهای نمونهبرداری نیز باید با اندازهگیری مطابقت داشته باشند. دما ممکن است به یک قرائت در هر دقیقه نیاز داشته باشد. تحلیل ارتعاش ممکن است به هزاران نمونه در هر ثانیه نیاز داشته باشد.
مهندسان داده اغلب سیگنالهای خام را به ویژگیهای وضعیت تبدیل میکنند. این ویژگیها حجم داده را کاهش میدهند و الگوهای مرتبط با فرسایش را برجسته میکنند.
ویژگیهای مفید ارتعاش شامل دامنه کلی، انرژی طیفی، باندهای جانبی، هارمونیکها، مقادیر پوش، ضریب قله و کشیدگی هستند.
ویژگیهای دما ممکن است شامل مقدار مطلق، اختلاف با دمای محیط، نرخ تغییر و انحراف از تجهیز مشابه باشند.
ویژگیهای فعلی ممکن است شامل تقاضای نرمالشده بر اساس بار، محتوای هارمونیکی، عدم تعادل فاز و تغییرات در شرایط کارکرد معادل باشند.
زمینه کارکرد باید همچنان بخشی از مجموعهداده باشد. مدلهایی که بدون سرعت، بار، وضعیت تولید یا شرایط محیطی آموزش میبینند، ممکن است تغییرات عادی را با آسیب تجهیزات اشتباه بگیرند.
یک توربین بادی در شرایط متغیر باد، الگوهای متفاوتی تولید میکند. راهاندازی، خاموشی، تنظیم گام پره، ترمزگیری و رویدادهای شبکه نیز تغییرات موقتی ایجاد میکنند.
مدل باید این تغییرات را درک کند یا کنار بگذارد. در غیر این صورت، ممکن است هر بار که وضعیت کارکرد تغییر میکند، هشدارهای مکرر ایجاد کند.
انتخاب مدل به برچسبهای موجود بستگی دارد. اگر نمونههای تاریخی خرابی بهخوبی مستند شده باشند، یادگیری نظارتشده ممکن است.
در بسیاری از تأسیسات، نمونههای تأییدشده خرابی محدود هستند. بنابراین، روشهای بدون نظارت یا نیمهنظارتی میتوانند نقطه شروعی عملی فراهم کنند.
مدل رفتار عادی، رابطه مورد انتظار میان سیگنالها را هنگام عملکرد سالم یاد میگیرد. سپس انحرافها از آن رابطه را شناسایی میکند.
این رویکرد اغلب مفید است، زیرا دادههای عملکرد سالم از دادههای خرابی فراوانترند.
بااینحال، ناهنجاری لزوماً به معنای خرابی نیست. این فقط نشان میدهد که رفتار کنونی با مرجع آموختهشده تفاوت دارد.
مهندسان باید تعیین کنند که آیا این تغییر ناشی از فرسودگی، تغییرات فرایند، فعالیت نگهداری، مشکلات حسگر یا یک حالت عملیاتیِ لحاظنشده است.
مدل باید به دورههای آموزش، اعتبارسنجی و آزمون تقسیم شود. تقسیم تصادفی نمونههای منفرد میتواند نتایج گمراهکنندهای ایجاد کند.
دادههای سری زمانی صنعتی روابط قویای میان اندازهگیریهای مجاور دارند. بنابراین دوره آزمون باید شامل دورههای عملیاتی یا سوابق داراییهای جداگانه باشد.
معیارهای عملکرد باید نیازهای نگهداری را منعکس کنند. دقت کلی میتواند گمراهکننده باشد، زیرا رویدادهای خرابی نادر هستند.
معیارهای مفید شامل دقت، بازخوانی، تعداد هشدارهای کاذب در ماه، رویدادهای ازدسترفته، زمان هشدار و درصد هشدارهای قابل اقدام است.
برای مثال، یک مدل ممکن است همه مشکلات یاتاقانها را شناسایی کند. بااینحال، ممکن است هر هفته ده هشدار کاذب نیز تولید کند.
پرسنل نگهداری بهسرعت اعتماد خود را از دست خواهند داد. مدل ممکن است از نظر فنی حساس باشد، اما از نظر عملیاتی قابل استفاده نباشد.
نتیجه تحلیلی نیز باید قابل توضیح باشد. مهندسان باید ببینند کدام متغیرها تغییر کردهاند و این الگو چگونه با خط مبنا تفاوت دارد.
هشداری که فقط میگوید «ناهنجاری شناسایی شد»، ارزش تشخیصی محدودی دارد. هشدار بهتر، افزایش ارتعاش گیربکس را در نزدیکی فرکانسی مشخص شناسایی میکند.
همچنین ممکن است افزایش دما و روندی رو به وخامت را تحت بار مشابه نشان دهد. این اطلاعات از یک بازرسی هدفمند پشتیبانی میکند.
مستندات مدل باید دوره آموزش، داراییهای لحاظشده، شرایط عملیاتی، دادههای حذفشده، ویژگیهای ورودی و محدودیتهای مورد انتظار را ثبت کند.
این سابقه هنگام تغییر تجهیزات، تعویض حسگرها یا تغییر فرایند تولید ضروری میشود.
۶. بهبود مدل از طریق نتایج تأییدشده نگهداری
مدلهای پیشبینانه به یادگیری مستمر نیاز دارند. نخستین نسخه مستقرشده آنها باید یک انتشار مهندسی کنترلشده تلقی شود، نه محصولی نهایی.
مدلهای اولیه اغلب به دادههایی وابستهاند که مهندسان و دانشمندان داده برچسبگذاری کردهاند. با گذشت زمان، سیستم سوابق عملیاتی و شواهد نگهداری بیشتری دریافت میکند.
هر هشدار یک فرصت یادگیری ایجاد میکند. تیم نگهداری باید ثبت کند که آیا وضعیت پیشبینیشده تأیید، تا حدی تأیید یا رد شده است.
گزارش بازرسی باید وضعیت واقعی قطعه را توصیف کند. عکسها، اندازهگیریها، نتایج آزمایش روغن، قطعات تعویضشده و مشاهدات تکنسین میتوانند شواهد ارزشمندی فراهم کنند.
صرفاً وضعیت «کار تکمیل شد» کافی نیست. این وضعیت توضیح نمیدهد که آیا مدل مشکل درست را شناسایی کرده است یا نه.
سامانه CMMS باید کدهای ساختاریافته خرابی و مشاهدات متنی آزاد را ثبت کند. هر دو شکل اطلاعات مفید هستند.
کدهای ساختاریافته از تحلیل رویدادهای متعدد پشتیبانی میکنند. یادداشتهای تکنسین جزئیاتی ارائه میدهند که دستهبندیهای ازپیشتعریفشده ممکن است از دست بدهند.
برای یک توربین بادی، مدل ممکن است افزایش اصطکاک گیربکس را نشان دهد. بازرسی ممکن است بهجای آسیب چرخدنده، آلودگی روانکار را آشکار کند.
مدل همچنان هشدار مفیدی ارائه کرد. بااینحال، علت تأییدشده باید در تحلیلهای آینده گنجانده شود.
این بازخورد به تشخیص مکانیسمهای خرابی مرتبط کمک میکند. همچنین توصیههای تعمیر و نگهداری را بهبود میدهد.
وقتی تجهیزات یا عملیات تغییر میکنند، مدلها ممکن است دچار رانش شوند. روانکار جدید، موتور تعویضشده، تنظیم مجدد کنترل یا افزایش تولید میتواند رفتار عادی را تغییر دهد.
شرایط فصلی نیز میتوانند بر خط مبنا اثر بگذارند. ماشینآلات فضای باز ممکن است تغییرات قابلتوجهی در دما و رطوبت را تجربه کنند.
پایش مدل باید توزیع ورودیها، نرخ ناهنجاری، میزان اطمینان پیشبینی و عملکرد تأییدشده هشدارها را ردیابی کند.
افزایش ناگهانی هشدارها ممکن است نشاندهنده فرسایش واقعی در چندین دارایی باشد. همچنین ممکن است نشاندهنده مشکلات حسگر یا تغییر در عملیات باشد.
بازآموزی باید از فرایندی کنترلشده پیروی کند. تیم نباید هر الگوی عملیاتی جدیدی را بهطور خودکار عادی تلقی کند.
یک داراییِ رو به خرابی ممکن است ماهها به کار خود ادامه دهد. گنجاندن آن دوره بهعنوان داده آموزشی سالم، مدل را تضعیف میکند.
مهندسان باید پنجرههای آموزش را تأیید کنند و دورههای غیرعادیِ حلنشده را کنار بگذارند. کنترل نسخه باید رفتار مدل قبلی را حفظ کند.
هنگام انتشار یک مدل جدید، عملکرد آن باید با نسخه موجود مقایسه شود. استقرار سایهای میتواند مدل جدید را بدون کنترل تصمیمهای تعمیر و نگهداری ارزیابی کند.
این فرایند حاکمیت فنی ایجاد میکند. همچنین مانع میشود تغییرات تحلیلی آزمایشنشده، برنامهریزی تعمیر و نگهداری را مختل کنند.
۷. تبدیل نتایج تحلیلی به سطوح هشدار عملی
آستانههای هشدار، خروجی مدل را به اقدام تعمیر و نگهداری مرتبط میکنند. آستانههای نامناسب میتوانند یک مدل توانمند را بیاثر کنند.
آستانهای که بیش از حد حساس باشد، کارهای غیرضروری ایجاد میکند. آستانهای که بیش از حد بالا باشد، ممکن است فقط مدت کوتاهی پیش از خرابی هشدار دهد.
طراحی آستانه باید شامل متخصصان تعمیر و نگهداری، قابلیت اطمینان، عملیات و داده باشد. هر گروه دانش متفاوتی ارائه میکند.
متخصصان داده، میزان اطمینان مدل و رفتار توزیع را درک میکنند. مهندسان قابلیت اطمینان، الگوهای فرسایش را میشناسند.
برنامهریزان تعمیر و نگهداری، آمادهسازی کار و زمان لازم برای تأمین منابع را درک میکنند. تیمهای عملیات، محدودیتهای تولید و سطح قابلقبول ریسک عملیاتی را میشناسند.
بهجای یک سطح هشدار، بسیاری از کاربردها از چندین مرحله بهره میبرند. هر مرحله باید با پاسخی تعریفشده مطابقت داشته باشد.
سطح اطلاعرسانی ممکن است نشاندهنده انحرافی کوچک اما پایدار باشد. پاسخ میتواند شامل بررسی روند و افزایش پایش باشد.
هشدار تعمیراتی ممکن است نشاندهنده فرسایش در حال شکلگیری باشد. پاسخ میتواند شامل برنامهریزی بازرسی، بررسی قطعات و آمادهسازی دستور کار باشد.
هشدار بحرانی ممکن است نشاندهنده پیشرفت سریع مشکل باشد. پاسخ میتواند شامل کاهش بار، بازرسی فوری یا خاموشسازی کنترلشده باشد.
آستانهها باید هم بزرگی و هم مدتزمان را در نظر بگیرند. یک جهش کوتاه ممکن است ناشی از تغییر وضعیت عملیاتی باشد.
انحرافی کوچکتر که چند روز ادامه داشته باشد ممکن است نشاندهنده وضعیتی مهمتر باشد.
نرخ تغییر نیز ارزشمند است. ارتعاشی که بهآرامی افزایش مییابد و ارتعاشی که بهسرعت افزایش مییابد نباید اولویتهای یکسانی ایجاد کنند.
سیگنالهای متعدد میتوانند اطمینان را افزایش دهند. ناهنجاری ارتعاش همراه با دما و تغییرات ذرات موجود در روغن، شایسته توجه بیشتری است.
قواعد سرکوب هشدار باید با دقت طراحی شوند. دورههای تعمیرات، توالیهای راهاندازی، خرابیهای شناختهشده حسگرها و آزمونهای برنامهریزیشده ممکن است به مدیریت موقت نیاز داشته باشند.
بااینحال، سرکوب هشدار باید قابل مشاهده و ممیزیپذیر باقی بماند. سرکوب پنهان یا نامحدود میتواند خطر واقعی تجهیزات را پنهان کند.
هر هشدار باید اطلاعات کافی برای اقدام را در بر داشته باشد. هشدار باید دارایی، وضعیت مشکوک، روند، میزان اطمینان و گام بعدی پیشنهادی را مشخص کند.
همچنین باید زمینه عملیاتی مرتبط را نشان دهد. این زمینه میتواند شامل بار، سرعت، دما و مقایسه با داراییهای مشابه باشد.
این برنامه باید کیفیت هشدارها را اندازهگیری کند. معیارهای مفید شامل نرخ هشدارهای کاذب، زمان پاسخ، یافتههای تأییدشده، مدت هشدار و خرابیهای پیشگیریشده هستند.
هدف، بیشینهکردن تعداد هشدارها نیست. هدف، ارائه تعداد قابلکنترلی از تصمیمهای معتبر تعمیراتی است.
شکل ۳. تعمیرات پیشگویانه به حلقهای پیوسته میان تجهیزات فیزیکی، تحلیل دیجیتال و اقدام تأییدشده در محل وابسته است. تصویر با اجازه Limble CMMS استفاده شده است.
۸. اتصال تشخیص ناهنجاری به اجرای کار تعمیرات در CMMS
پیشبینی تنها زمانی ارزش ایجاد میکند که به اقدام مناسب در محل منجر شود. این گام نهایی حلقه فیزیکی به دیجیتال و دوباره به فیزیکی را کامل میکند.
ابتدا حسگرها شرایط تجهیزات فیزیکی را اندازهگیری میکنند. دادهها در سامانههای دیجیتال منتقل، پاکسازی، زمینهمند و تحلیل میشوند.
سپس بینش بهدستآمده باید به عملیات فیزیکی بازگردد. کارکنان تعمیرات قطعه آسیبدیده را بازرسی، تنظیم، روانکاری، تعمیر یا تعویض میکنند.
CMMS پل عملیاتی میان تحلیلها و اجرای تعمیرات را فراهم میکند. این سامانه یافتههای فنی را به کار برنامهریزیشده تبدیل میکند.
یکپارچهسازی میتواند با فرایند بررسی سادهای آغاز شود. مهندس هشدار را تأیید میکند و سپس درخواست کار ایجاد میکند.
سامانههای بالغتر میتوانند اعلانها یا پیشنویس دستورکارها را بهطور خودکار ایجاد کنند. بااینحال، ممکن است پیش از زمانبندی همچنان به تأیید انسانی نیاز باشد.
ایجاد کاملاً خودکار دستورکار باید بهصورت گزینشی استفاده شود. خودکارسازی بدون حاکمیت مناسب میتواند CMMS را از وظایف تکراری یا کمارزش پر کند.
هر دستورکار باید شامل وضعیت پیشبینیشده، روندهای پشتیبان، بازرسی پیشنهادی، مهارتهای موردنیاز و ملاحظات ایمنی مرتبط باشد.
بسته کاری ممکن است شامل قطعات یدکی، ابزارها، دستورالعملها، مجوزها و زمان تخمینی تکمیل کار نیز باشد.
در مثال توربین بادی، موتور پیشبینی ممکن است یک وضعیت درحال شکلگیری در یاتاقان را شناسایی کند. همچنین ممکن است برآورد کند که مداخله باید ظرف چهار هفته انجام شود.
CMMS میتواند موجودی یاتاقانهای یدکی، برنامه کاری تکنسینها، نیازهای جرثقیل و سایر کارهای برنامهریزیشده در همان محل را بررسی کند.
سپس برنامهریز نگهداری میتواند بازه زمانی مناسبی برای سرویس انتخاب کند. این کار از اعزام اضطراری جلوگیری کرده و تولید ازدسترفته را کاهش میدهد.
دستورکار باید یافتههای نهایی را ثبت کند. تکنسین باید تأیید کند که آیا آسیب یاتاقان، از دست رفتن روانکاری، لقی یا وضعیت دیگری وجود داشته است.
قطعه جداشده ممکن است تحت بازرسی بیشتری قرار گیرد. تحلیل آزمایشگاهی میتواند شواهد بیشتری درباره روند خرابی ارائه دهد.
این یافتهها به محیط تحلیل بازمیگردند. آنها برچسبهای مدل، تنظیمات آستانه و توصیههای نگهداری را بهبود میدهند.
یکپارچهسازی CMMS از تحلیل مالی نیز پشتیبانی میکند. سازمان میتواند کارهای پیشبینانه را با تعمیرات اضطراری قبلی مقایسه کند.
این سامانه میتواند نیروی کار، قطعات، زمان ازکارافتادگی، خسارت پیشگیریشده و تأثیر بر تولید را اندازهگیری کند. این نتایج نشان میدهند که آیا برنامه ارزش اقتصادی ایجاد میکند یا نه.
این یکپارچهسازی باید مالکیت روشنی را حفظ کند. تیمهای قابلیت اطمینان ممکن است مسئول اعتبارسنجی فنی باشند، درحالیکه برنامهریزان نگهداری مسئول زمانبندی کارها هستند.
پرسنل عملیات ممکن است تغییرات تولید را تأیید کنند. تیمهای داده میتوانند عملکرد مدل و زیرساخت داده را نگهداری کنند.
مسئولیت نباید میان سامانهها ناپدید شود. هر هشدار باید مالک پاسخگو و زمان پاسخ مشخصی داشته باشد.
سازمانها باید برای خرابیهای ارتباطی نیز برنامهریزی کنند. بینشهای حیاتی ممکن است به ذخیرهسازی محلی، همگامسازی با تأخیر یا روشهای جایگزین اطلاعرسانی نیاز داشته باشند.
تجهیزات دوردست نمیتوانند کاملاً به اتصال مداوم به ابر وابسته باشند. سامانههای لبه باید در زمان قطعی، دادههای مهم را حفظ کنند.
حلقه کامل با هر رویداد تأییدشده قویتر میشود. دادههای حسگر پیشبینیها را بهبود میدهند، پیشبینیها برنامهریزی نگهداری را بهتر میکنند و یافتههای نگهداری مدلهای آینده را ارتقا میدهند.
پیشبینی را از حفاظت ماشینآلات جدا نگه دارید
نگهداری پیشبینانه و حفاظت از ماشینآلات اغلب از اندازهگیریهای مرتبط استفاده میکنند. بااینحال، اهداف و الزامات پاسخ آنها متفاوت است.
یک سیستم پیشبینانه فرسودگی تدریجی را شناسایی میکند و از مداخله برنامهریزیشده پشتیبانی میکند. این سیستم ممکن است در بازههای چندروزه، چندهفتهای یا چندماهه کار کند.
یک سیستم حفاظتی در عرض چند ثانیه یا میلیثانیه به شرایط خطرناک واکنش نشان میدهد. هدف آن جلوگیری از آسیب فاجعهبار یا بهرهبرداری ناایمن است.
تحلیلهای پیشبینانه نباید منطق تثبیتشده خاموشسازی را به تأخیر بیندازند یا لغو کنند. کارکردهای حفاظتی باید قطعی، اعتبارسنجیشده و بهطور مناسب مستقل باقی بمانند.
برای مثال، یک مدل ارتعاش توربین ممکن است خرابی تدریجی یاتاقان را شناسایی کند. واحد نگهداری میتواند بازرسی را در زمان توقف برنامهریزیشده پیشِ رو تنظیم کند.
اگر ارتعاش به حد خطر پیکربندیشده برسد، سیستم حفاظت ماشینآلات ممکن است تریپ را فعال کند. این واکنش نمیتواند به یک مدل ابری یا تأیید دیرهنگام وابسته باشد.
سیستمها همچنان میتوانند زمینه مهندسی را با یکدیگر به اشتراک بگذارند. رویدادهای حفاظتی میتوانند برچسبهای ارزشمندی برای تحلیل پیشبینانه فراهم کنند.
روندهای پیشبینانه همچنین میتوانند به مهندسان در بازبینی تنظیمات هشدار و تریپ کمک کنند. هرگونه تغییر در تنظیمات حفاظت باید از رویههای رسمی مهندسی پیروی کند.
تأسیسات دارای تجهیزات دوار حیاتی ممکن است در کنار پلتفرمهای گستردهتر پایش وضعیت و تحلیل نگهداری، از پلتفرمهای اختصاصی مانند سیستم حفاظت ماشینآلات Bently Nevada 3500 استفاده کنند.
معماری باید مالکیت داده، نرخهای بهروزرسانی، مرزهای امنیت سایبری و جریانهای اطلاعاتی مجاز بین سیستمها را تعریف کند.
این تفکیک از ایمنی و دسترسپذیری محافظت میکند. همچنین مانع از آن میشود که انتظارات مربوط به نگهداری پیشبینانه برای کارکردهای نامناسب حفاظت بلادرنگ اعمال شوند.
نتایج را بر اساس نتایج نگهداری و تولید اندازهگیری کنید
برنامه نگهداری پیشبینانه را نباید بر اساس تعداد حسگرها، تعداد داشبوردها یا حجم داده ذخیرهشده ارزیابی کرد.
این ارقام فعالیت فنی را توصیف میکنند. آنها ثابت نمیکنند که سازمان قابلیت اطمینان را بهبود داده است.
معیارهای عملکرد باید مستقیماً به نتایج نگهداری و تولید مرتبط باشند. معیارهای مفید شامل خرابیهای پیشگیریشده، کاهش زمان ازکارافتادگی و طولانیتر شدن دورههای هشدار هستند.
سازمانها میتوانند کارهای اضطراری، درصد کارهای برنامهریزیشده، نیروی کار نگهداری، مصرف قطعات یدکی و دسترسپذیری تجهیزات را نیز رصد کنند.
میانگین زمان بین خرابیها ممکن است طی چند سال بهبود یابد. برنامههای آزمایشی همچنین به معیارهایی نیاز دارند که زودتر قابل مشاهده شوند.
دقت هشدار یک شاخص اولیه ارائه میدهد. این شاخص اندازهگیری میکند که هشدار چند بار یک وضعیت تأییدشده نیازمند اقدام را شناسایی میکند.
میانگین زمان هشدار نشان میدهد که آیا سیستم زمان کافی برای برنامهریزی فراهم میکند یا خیر. پیشبینی صحیحی که یک ساعت پیش از خرابی برسد، ممکن است ارزش نگهداری اندکی داشته باشد.
درصد مداخلات برنامهریزیشده نشان میدهد که آیا پیشبینیها نحوه اجرای کار را تغییر میدهند یا خیر. کاهش خریدهای اضطراری میتواند مزیت قابلاندازهگیری دیگری فراهم کند.
در مورد تجهیزات انرژیبر، برنامه ممکن است پیش از خرابی عملکردی، کاهش بهرهوری را شناسایی کند. اصلاح ناهمراستایی، اصطکاک یا گرفتگی میتواند مصرف برق را کاهش دهد.
فرایندهای حساس به کیفیت ممکن است از عملکرد پایدار تجهیزات بهرهمند شوند. یک درایو، شیر یا ابزار اندازهگیری در حال فرسودگی میتواند بر یکنواختی محصول اثر بگذارد.
محاسبات کسبوکار باید هزینههای پیادهسازی و بهرهبرداری را شامل شوند. حسگرها به نگهداری نیاز دارند. نرمافزار به پشتیبانی نیاز دارد. مدلها به بازبینی و بازآموزی نیاز دارند.
هزینههای شبکه، ذخیرهسازی، یکپارچهسازی و امنیت سایبری نیز باید لحاظ شوند. حذف این هزینهها برآوردی غیرواقعبینانه از بازده ایجاد میکند.
یک محاسبه ساده ارزش میتواند منافع سالانه مورد انتظار را با هزینههای سالانهشده برنامه مقایسه کند. منافع ممکن است شامل جلوگیری از توقف تولید، کاهش خسارت ثانویه و کاهش نیروی کار اضطراری باشد.
سازمان باید بین صرفهجویی تأییدشده و کاهش برآوردی ریسک تمایز قائل شود. هر دو اهمیت دارند، اما نباید بهعنوان نتایج یکسان ارائه شوند.
برای مثال، کشف عیب یاتاقان میتواند از یک خرابی واقعی جلوگیری کند. هزینه اجتنابشده آن را میتوان با استفاده از سوابق خرابیهای قبلی برآورد کرد.
هشداری که هیچ عیب تأییدشدهای در پی نداشته است، نباید بهطور خودکار همان ارزش مالی را دریافت کند.
بررسیهای موردی باید شواهد پشت هر منفعت را مستند کنند. این رویکرد در میان مدیران عملیات و مالی اعتبار ایجاد میکند.
این کار همچنین به تیم کمک میکند تشخیص دهد کدام تجهیزات و حالتهای خرابی بیشترین بازده را ایجاد میکنند.
از رایجترین شکستهای تعمیر و نگهداری پیشبینانه اجتناب کنید
بسیاری از برنامههای تعمیر و نگهداری پیشبینانه با مشکلات مشابهی مواجه میشوند. شناسایی زودهنگام آنها میتواند از تحمیل هزینههای غیرضروری به طرح آزمایشی جلوگیری کند.
مشکل اول، انتخاب یک تجهیز به دلیل سهولت کار با آن است. تجهیز در دسترس ممکن است بهراحتی به ابزار اندازهگیری مجهز شود، اما خرابی آن تأثیر عملیاتی اندکی داشته باشد.
مشکل دوم، جمعآوری داده بدون تعریف حالتهای خرابی است. در این حالت، سیستم روندها را تولید میکند، بدون اینکه توضیح دهد چه چیزی باید بازرسی شود.
مشکل سوم، نادیده گرفتن زمینه عملیاتی است. تغییرات در بار، سرعت، گرید محصول یا دمای محیط میتوانند شبیه فرسودگی به نظر برسند.
مشکل چهارم، تکیه بر شناسایی ضعیف تجهیزات است. وقتی نام تجهیزات در سیستمهای مختلف متفاوت باشد، دادههای حسگر و سوابق تعمیر و نگهداری را نمیتوان بهطور قابلاعتماد به هم مرتبط کرد.
مشکل پنجم، استفاده از سوابق تاریخی تعمیر و نگهداری بدون اعتبارسنجی است. سفارشهای کاری ممکن است شامل شرحهای ناقص، ناسازگار یا کپیشده باشند.
مشکل ششم، سنجش عملکرد مدل فقط از طریق دقت کلی است. خرابیهای نادر میتوانند مدلی ناکارآمد را موفق نشان دهند.
مشکل هفتم، تولید هشدارهای بیش از حد است. هشدارهای کاذب مکرر اعتماد را کاهش میدهند و کارکنان را ترغیب میکنند سیستم را نادیده بگیرند.
مشکل هشتم، ارائه هشدار بدون اقدامات پیشنهادی است. تیمهای تعمیر و نگهداری به راهنمای بازرسی نیاز دارند، نه فقط امتیازهای عددی ناهنجاری.
نهمین مشکل، کنار گذاشتن تکنسینها از فرایند توسعه است. کارکنان میدانی صداهای عملیاتی، عیوب تکرارشونده، میانبرهای تعمیراتی و سابقه تجهیزات را میشناسند.
دهمین مشکل، مقیاسگذاری پیش از پایدار شدن پایلوت است. گسترش یک مدل نابالغ، مشکلات کیفیت داده و حجم کار مدیریت هشدارها را چند برابر میکند.
امنیت سایبری نیز میتواند به خطری نادیدهگرفتهشده تبدیل شود. حسگرها و دروازههای جدید سطح حمله صنعتی را گسترش میدهند.
دستگاهها باید از دسترسی کنترلشده، پیکربندی امن، میانافزار مستند، بخشبندی شبکه و احراز هویت مناسب استفاده کنند.
اتصال ابری باید از سیاستهای سایت و ارزیابیهای ریسک پیروی کند. دسترسی از راه دور نباید مسیری کنترلنشده به شبکههای کنترل حیاتی ایجاد کند.
سازمانها همچنین باید از وابستگی به یک متخصص پرهیز کنند. سیستم به مالکیت مستند، رویههای عملیاتی و مسئولیتهای پشتیبانی نیاز دارد.
مدلی که فقط یک دانشمند داده آن را میفهمد، حفظ و پشتیبانی دشواری دارد. سیستم پایشی که تکنسینها نمیتوانند عیبیابی کنند، سرانجام دادهها را از دست خواهد داد.
برنامههای موفق، تعمیرات پیشبینانه را بهعنوان یک سیستم صنعتی تحت نگهداری در نظر میگیرند. آنها کنترل پیکربندی، بازبینی عملکرد و برنامهریزی چرخه عمر را به کار میگیرند.
حرکت از پایلوت به استاندارد تکرارپذیر سایت
یک پایلوت موفق، خودبهخود به یک برنامه سازمانی موفق تبدیل نمیشود. مقیاسگذاری مستلزم استانداردسازی، بدون نادیده گرفتن تفاوتهای تجهیزات، است.
نخستین گام مقیاسگذاری، مستندسازی معماری پایلوت است. این معماری شامل حسگرها، دروازهها، ساختار برچسبها، نرخهای نمونهبرداری، ویژگیها، مدلها، آستانهها و گردشکارهای CMMS است.
تیم باید مشخص کند کدام عناصر قابل استفاده مجدد هستند. شناسایی تجهیزات، کنترلهای امنیت سایبری، قالبهای داشبورد و فیلدهای سفارش کار میتوانند به استانداردهای سایت تبدیل شوند.
مدلهای خرابی ممکن است به سفارشیسازی بیشتری نیاز داشته باشند. مدل پمپ را نمیتوان مستقیماً برای ترانسفورماتور یا درایو سروو به کار برد.
حتی پمپهای مشابه نیز ممکن است تحت بارها، سیالات، سرعتها و شرایط لولهکشی متفاوت کار کنند. اعتبارسنجی محلی همچنان ضروری است.
سازمان میتواند برای کلاسهای رایج تجهیزات، الگو ایجاد کند. الگوی موتور ممکن است ارتعاش، جریان، دما، سرعت و اطلاعات وضعیت عملیاتی را شامل شود.
الگوی پمپ گریز از مرکز ممکن است فشار مکش، فشار تخلیه، دبی و وضعیت آببند را نیز شامل شود.
الگوی گیربکس ممکن است شامل سرعت شفت، طیفهای ارتعاش، وضعیت روغن و بار باشد. این الگوها ضمن حفظ ارتباط فنی، تلاش مهندسی را کاهش میدهند.
انتخاب تجهیزات باید بر اساس تحلیل میزان اهمیت و حالتهای خرابی ادامه یابد. مقیاسپذیری نباید به معنای نصب حسگر روی هر دستگاه باشد.
راهبردی چندسطحی اغلب اثربخشتر است. تجهیزات حیاتی بهطور پیوسته و آنلاین پایش میشوند.
تجهیزات مهم ممکن است بهصورت بیسیم و با تناوب کمتری پایش شوند. تجهیزات غیرحیاتی میتوانند همچنان تحت بازرسی دورهای یا تعمیرات پیشگیرانه باشند.
معماری داده نیز باید مقیاسپذیر باشد. قراردادهای نامگذاری، واحدها، مُهرهای زمانی، پرچمهای کیفیت و سلسلهمراتب داراییها باید سازگار باقی بمانند.
بدون این استانداردها، هر سایت جدید مجموعهدادهای جداگانه ایجاد میکند. تحلیل در سطح سازمانی در این صورت دشوار و پرهزینه میشود.
حاکمیت مدل باید مشخص کند چه کسی میتواند تغییرات را تأیید کند. همچنین باید الزامات آزمون، انتشار، بازگشت به نسخهٔ قبل و بازبینی عملکرد را تعیین کند.
آموزش نیز به همان اندازه اهمیت دارد. اپراتورها باید بدانند هشدارها چه معنایی دارند. برنامهریزان نگهداری باید بدانند پیشبینیها چگونه بر اولویت کارها تأثیر میگذارند.
تکنسینها به رویههایی برای راستیآزمایی شرایط پیشبینیشده نیاز دارند. مهندسان قابلیت اطمینان به ابزارهایی برای بررسی شواهد مدل و نتایج نگهداری نیاز دارند.
مدیریت ارشد باید بهجای جزئیات فنی مدل، معیارهای عملیاتی را دریافت کند. آنها باید دسترسپذیری، زمان توقف پیشگیریشده، بهرهوری نگهداری و ارزش مالی را ببینند.
نقشهٔ راه مقیاسگذاری باید تدریجی باقی بماند. هر گسترش باید از درسهای آموختهشده از ردهٔ دارایی یا سایت قبلی استفاده کند.
این رویکرد ریسک را کاهش میدهد و اعتماد سازمانی را حفظ میکند. همچنین تضمین میکند که برنامه به دلیل کارآمد بودن رشد کند، نه صرفاً چون فناوری چشمگیر به نظر میرسد.
با یک مسئلهٔ ارزشمند آغاز کنید و چرخه را کامل ببندید
نگهداری پیشگویانه زمانی بیشترین اثربخشی را دارد که با یک ریسک مشخص تجهیزات آغاز شود. این برنامه باید یک حالت خرابی قابلمشاهده و یک تصمیم عملی برای نگهداری را هدف قرار دهد.
داراییای را انتخاب کنید که هشدار زودتر دربارهٔ آن ارزش قابلاندازهگیری ایجاد کند. یک خط مبنای قابلاعتماد بر اساس سوابق بهرهبرداری و نگهداری بسازید.
پیش از انتخاب حسگرها، سازوکارهای فیزیکی خرابی را شناسایی کنید. هر اندازهگیری را با یک فرضیهٔ فنی دربارهٔ فرسایش مطابقت دهید.
دادهها را با دقت آماده کنید و زمینهٔ عملیاتی را در نظر بگیرید. روشهای تحلیلی متناسب با شواهد خرابی موجود را انتخاب کنید.
مدل را با استفاده از نتایج تأییدشدهٔ بازرسی و تعمیر بهبود دهید. سطوح هشدار را بهگونهای تعیین کنید که با اقدامات روشن نگهداری مطابقت داشته باشند.
در نهایت، موتور پیشبینی را به برنامهریزی CMMS و اجرای میدانی متصل کنید. یافتههای تکمیلشدهٔ نگهداری باید به مدل بازگردند.
سازمانها باید با یک یا دو دارایی حیاتی آغاز کنند. آنها باید در برابر وسوسهٔ پوشش فوری کل تأسیسات مقاومت کنند.
یک پایلوت متمرکز به تیم مهندسی امکان میدهد حسگرها، تحلیلها، گردشکارها و ارزش مالی را بدون پیچیدگی بیش از حد اعتبارسنجی کند.
وقتی این چرخه بهطور پیوسته کار کند، سازمان میتواند آن را به تجهیزات مشابه و حالتهای خرابی دیگر گسترش دهد.
بلوغیافتهترین برنامههای نگهداری پیشگویانه تنها با هوش مصنوعی تعریف نمیشوند. آنها فناوری را با مهندسی قابلیت اطمینان منضبط و اجرای عملی نگهداری ترکیب میکنند.
نتیجه صرفاً دادهٔ بیشتر نیست؛ بلکه آگاهی زودتر، برنامهریزی بهتر، موارد اضطراری کمتر و عملیات صنعتی قابلاعتمادتر است.