زمانی که نگهداری پیش‌بینی‌شده انتخاب نادرستی برای کارخانه شما است

نگهداری پیش‌بینانه به طور خودکار بهترین استراتژی نیست

نگهداری پیش‌بینانه به یکی از پرطرفدارترین استراتژی‌ها در تولید مدرن تبدیل شده است. فروشندگان اغلب آن را با هوش مصنوعی، حسگرهای هوشمند، تحلیل‌های صنعتی و تحول دیجیتال مرتبط می‌کنند.

وعده اصلی جذاب است. یک کارخانه سلامت تجهیزات را پایش می‌کند، نقص‌های در حال توسعه را پیش‌بینی می‌کند و قبل از وقوع خرابی نگهداری انجام می‌دهد. تولید با وقفه‌های کمتر ادامه می‌یابد. قطعات یدکی زودتر سفارش داده می‌شوند. تیم‌های نگهداری از بازرسی‌های غیرضروری اجتناب می‌کنند.

با این حال، نگهداری پیش‌بینانه یک بسته نرم‌افزاری نیست که فوراً هر کارخانه‌ای را بهبود بخشد. این یک مدل عملیاتی است که به داده‌های قابل اعتماد، دارایی‌های مناسب، سیستم‌های یکپارچه، روش‌های منظم نگهداری و حمایت سازمانی وابسته است.

اجرای ضعیف می‌تواند هزینه‌های اضافی ایجاد کند بدون اینکه خرابی‌ها کاهش یابد. کارخانه‌ها ممکن است حسگرهایی نصب کنند که خوانش‌های غیرقابل استفاده تولید می‌کنند. مهندسان ممکن است صدها هشدار دریافت کنند بدون نتیجه‌گیری عملی. تیم‌های نگهداری ممکن است به سیستم اعتماد نکنند زیرا پیش‌بینی‌ها با شرایط میدانی مطابقت ندارند.

بنابراین مهم‌ترین سؤال این نیست که آیا نگهداری پیش‌بینانه ارزشمند است یا خیر. سؤال واقعی این است که آیا کارخانه آماده استفاده مؤثر از آن است یا نه.

آمادگی به چندین عامل مرتبط بستگی دارد. مدیریت باید از برنامه حمایت کند. دارایی‌ها باید شاخص‌های خرابی قابل اندازه‌گیری داشته باشند. حسگرها باید داده‌های وضعیت قابل اعتماد جمع‌آوری کنند. شبکه‌های ارتباطی باید آن داده‌ها را منتقل کنند. نرم‌افزار باید آن را در زمینه عملیاتی صحیح تفسیر کند.

پرسنل نگهداری همچنین باید تجهیزات و سیستم تحلیلی را درک کنند. سوابق تاریخی باید به اندازه کافی دقیق باشند. منافع مالی مورد انتظار باید هزینه‌های اجرا و بهره‌برداری را توجیه کند.

وقتی این شرایط وجود نداشته باشد، نگهداری پیش‌بینانه ممکن است انتخاب فوری مناسبی نباشد. نگهداری پیشگیرانه، نگهداری مبتنی بر وضعیت یا بهبود روندهای بازرسی ممکن است نتایج بهتری ارائه دهند.

این بدان معنا نیست که یک کارخانه باید نگهداری پیش‌بینانه را به طور دائمی کنار بگذارد. بلکه به این معنی است که کارخانه باید شکاف‌های آمادگی خود را قبل از سرمایه‌گذاری در یک استقرار بزرگ برطرف کند.

شکل ۱. نگهداری پیش‌بینانه نیازمند حمایت مدیریت است زیرا اجرای آن بر بودجه‌ها، دسترسی به تولید، منابع مهندسی و روش‌های عملیاتی بلندمدت تأثیر می‌گذارد.

حمایت مدیریت باید فراتر از تأیید پروژه باشد

بخش‌های مهندسی و نگهداری اغلب مزایای بالقوه نگهداری پیش‌بینانه را درک می‌کنند. آن‌ها خرابی‌های مکرر یاتاقان‌ها، خاموشی‌های ناگهانی موتور و خسارات تولید ناشی از تعمیرات اضطراری را مشاهده می‌کنند.

مدیریت ارشد ممکن است هنوز تردید داشته باشد. بازده مورد انتظار ممکن است دشوار به اندازه‌گیری به نظر برسد. پروژه ممکن است به حسگرهای جدید، اشتراک نرم‌افزار، زیرساخت شبکه، آموزش و پشتیبانی تخصصی نیاز داشته باشد.

دریافت تأیید برای یک پروژه آزمایشی کافی نیست. نگهداری پیش‌بینانه نحوه همکاری چندین دپارتمان را تغییر می‌دهد. تیم‌های تولید باید تجهیزات را برای نصب حسگر آزاد کنند. تیم‌های فناوری اطلاعات ممکن است نیاز به تأیید اتصالات شبکه داشته باشند. تیم‌های خرید باید از قراردادهای خدمات جدید حمایت کنند.

تیم‌های عملیاتی باید شرایط فرآیند که رفتار تجهیزات را تحت تأثیر قرار می‌دهد مستندسازی کنند. مهندسان قابلیت اطمینان باید حالت‌های خرابی و معیارهای هشدار را تعریف کنند. برنامه‌ریزان نگهداری باید یافته‌های تحلیلی را به دستورکارهای کاری تبدیل کنند.

بدون حمایت اجرایی، این گروه‌ها ممکن است پروژه را به عنوان یک آزمایش مهندسی تلقی کنند. دسترسی به تولید دشوار می‌شود. آموزش به تعویق می‌افتد. ارتقاء ابزارها اولویت بودجه‌ای خود را از دست می‌دهد. یافته‌های تحلیلی خارج از فرآیند برنامه‌ریزی نگهداری باقی می‌ماند.

حمایت مدیریت باید شامل مالکیت واضح باشد. یک نفر یا گروه هدایت باید مسئول نتایج کسب‌وکار باشد. برنامه باید اهداف مشخص، بودجه تصویب‌شده و دسترسی به منابع لازم کارخانه را داشته باشد.

مدیریت باید همچنین درک کند که نتایج اولیه ممکن است ناقص باشد. یک مدل پیش‌بینی به داده‌های عملیاتی و اعتبارسنجی میدانی نیاز دارد. آستانه‌های هشدار معمولاً نیاز به تنظیم دارند. محل قرارگیری حسگر ممکن است پس از اولین دوره بازرسی نیاز به اصلاح داشته باشد.

اجرای واقعی شامل یک دوره یادگیری است. مدیران نباید انتظار داشته باشند هر حسگر نصب‌شده بلافاصله صرفه‌جویی ایجاد کند.

آن‌ها باید به جای آن شاخص‌های قابل اندازه‌گیری را بررسی کنند. این شاخص‌ها ممکن است شامل کاهش کارهای اضطراری، تشخیص زودهنگام خطا، کاهش شکست‌های تکراری، کاهش آسیب‌های ثانویه و بهبود برنامه‌ریزی نگهداری باشد.

یک کارخانه زمانی آماده نیست که مدیریت تنها به صورت شفاهی از پروژه حمایت کند. حمایت باید در بودجه‌ها، تصمیمات استخدامی، برنامه‌های تولید و مسئولیت‌های دپارتمانی ظاهر شود.

نگهداری پیش‌بینانه بدون حسگرهای مناسب نمی‌تواند موفق باشد.

نگهداری پیش‌بینانه به تغییرات قابل اندازه‌گیری که قبل از خرابی تجهیزات رخ می‌دهد وابسته است. این تغییرات ممکن است شامل ارتعاش، دما، فشار، انتشار صوتی، وضعیت روانکار، جریان الکتریکی، سرعت یا حرکت موقعیتی باشد.

ابزارهای سنتی ممکن است این متغیرها را جمع‌آوری نکنند. یک دستگاه ممکن است تنها دارای یک گیج فشار محلی و یک رله اضافه‌بار موتور ساده باشد. این دستگاه‌ها ممکن است فرآیند را محافظت کنند، اما ممکن است تخریب مکانیکی در حال توسعه را نشان ندهند.

یک آشکارساز دمای مقاومت استاندارد می‌تواند دمای یاتاقان را نشان دهد. با این حال، ممکن است مشکل روانکاری را تنها پس از ایجاد اصطکاک قابل توجه تشخیص دهد. یک حسگر ارتعاش به‌درستی انتخاب‌شده ممکن است خطا را زودتر شناسایی کند.

حسگر همچنین باید با حالت خرابی سازگار باشد. نصب حسگرهای دما روی هر دارایی سیستم پیش‌بینی ایجاد نمی‌کند. دما ممکن است برای تابلوهای الکتریکی، بلبرینگ‌ها، موتورها و سیستم‌های روانکاری مفید باشد. ممکن است برای تشخیص برخی نقص‌های چرخ‌دنده یا شرایط شل بودن کمتر مفید باشد.

دامنه حسگر، پاسخ فرکانسی، روش نصب، درجه‌بندی محیطی و کیفیت سیگنال همه اهمیت دارند. یک شتاب‌سنج نصب شده ضعیف می‌تواند داده‌های ارتعاش گمراه‌کننده تولید کند. یک ترانسفورماتور جریان با دامنه نادرست می‌تواند تغییرات کوچک الکتریکی را پنهان کند.

نصب حسگر باید بازتاب‌دهنده ماشین فیزیکی باشد. موقعیت‌های اندازه‌گیری باید مسیر قابل اعتمادی از منبع خطا فراهم کنند. سطوح شل، پوشش‌های انعطاف‌پذیر و نقاط نصب رنگ شده می‌توانند خوانش‌ها را تحریف کنند.

محیط‌های سخت نیازمندی‌های بیشتری دارند. حسگرها ممکن است نیاز به مقاومت شیمیایی، حفاظت در برابر انفجار، کابل‌کشی با دمای بالا یا حفاظت در برابر نفوذ داشته باشند. دستگاهی که برای یک منطقه مونتاژ تمیز انتخاب شده ممکن است در نزدیکی یک شستشوی خمیر یا کمپرسور دریایی دوام نیاورد.

کارخانه همچنین باید کالیبراسیون و نگهداری را در نظر بگیرد. یک حسگر خراب می‌تواند اعتماد کاذب ایجاد کند. یک حسگر رانش یافته ممکن است برای ماه‌ها روندهای نادرستی تولید کند.

بنابراین پایش شرایط نیازمند یک استراتژی ابزار دقیق است، نه صرفاً یک فهرست خرید.

شکل ۲. تحلیل پیش‌بینی نیازمند اندازه‌گیری‌های قابل اعتماد شرایط از حسگرهایی است که برای تجهیزات و حالت‌های خرابی مورد انتظار آن انتخاب شده‌اند.

داده‌های بیشتر حسگر تضمینی برای پیش‌بینی بهتر نیست.

یک اشتباه رایج در اجرا جمع‌آوری همه متغیرهای فرآیندی موجود است. تیم پروژه فرض می‌کند که داده‌های بیشتر به طور خودکار مدل دقیق‌تری تولید می‌کند.

حجم زیاد داده‌ها می‌تواند نتیجه معکوس ایجاد کند. مهندسان وقت خود را صرف فیلتر کردن سیگنال‌های نامربوط می‌کنند. نیازهای ذخیره‌سازی و ارتباط افزایش می‌یابد. مدل‌های تحلیلی همبستگی‌هایی را کشف می‌کنند که هیچ معنای فیزیکی ندارند.

نگهداری پیش‌بینی مؤثر با تحلیل حالت خرابی آغاز می‌شود. تیم باید شناسایی کند که دارایی معمولاً چگونه خراب می‌شود. سپس باید تعیین کند که چه تغییرات فیزیکی قبل از هر خرابی ظاهر می‌شوند.

یک پمپ گریز از مرکز را در نظر بگیرید. حالت‌های خرابی ممکن شامل خرابی بلبرینگ، کاویتاسیون، نامنظمی، آسیب پروانه، نشت مهر و موم و محدودیت مکش است.

هر شرایط شواهد متفاوتی تولید می‌کند. خرابی بلبرینگ ممکن است محتوای فرکانسی ارتعاش را تحت تأثیر قرار دهد. کاویتاسیون ممکن است ارتعاش پهن‌باند و فشار ناپایدار ایجاد کند. نشت مهر و موم ممکن است از طریق تشخیص نشت یا از دست دادن فرآیند ظاهر شود.

یک اندازه‌گیری واحد ممکن است این شرایط را تشخیص ندهد. با این حال، ترکیب هدفمند ارتعاش، جریان موتور، فشار مکش، فشار تخلیه و جریان فرآیند ممکن است زمینه تشخیصی مفیدی فراهم کند.

مقدار از انتخاب سیگنال‌هایی که مکانیزم خرابی را نشان می‌دهند به دست می‌آید. این مقدار از حداکثر کردن تعداد دستگاه‌های متصل حاصل نمی‌شود.

کارخانه‌ها همچنین باید بین هشدارهای فرآیندی و شاخص‌های سلامت تجهیزات تمایز قائل شوند. هشدار دمای تخلیه بالا ممکن است کیفیت تولید را محافظت کند. ممکن است نشان‌دهنده عمر مفید باقی‌مانده ماشین نباشد.

وضعیت عملیاتی باید همراه با داده‌های شرایط ثبت شود. ارتعاش اندازه‌گیری‌شده در هنگام راه‌اندازی نمی‌تواند مستقیماً با ارتعاش اندازه‌گیری‌شده در بار ثابت مقایسه شود. تغییرات جریان موتور ممکن است نشان‌دهنده تقاضای تولید باشد نه تخریب الکتریکی.

بدون زمینه عملیاتی، سیستم تحلیلی ممکن است تغییرات عادی تولید را به عنوان خطاهای تجهیزات طبقه‌بندی کند.

یک کارخانه باید استقرار پیش‌بینی را زمانی به تأخیر بیندازد که نتواند حالت‌های خرابی مرتبط، نقاط اندازه‌گیری مفید و وضعیت‌های عملیاتی را شناسایی کند. نصب ابزارآلات قبل از تکمیل این کار معمولاً هزینه و سردرگمی را افزایش می‌دهد.

نرم‌افزار باید به ماشین‌آلات متصل باشد

نرم‌افزار پیش‌بینی تنها زمانی مفید می‌شود که اطلاعات قابل اعتمادی از کارخانه دریافت کند. این معمولاً نیازمند یکپارچه‌سازی با کنترل‌کننده‌ها، سیستم‌های کنترل توزیع‌شده، تاریخچه‌نگارهای داده، پلتفرم‌های پایش وضعیت یا دروازه‌های صنعتی است.

یک پلتفرم تحلیلی قطع‌شده نمی‌تواند زمینه کامل تجهیزات را ببیند. ممکن است مقادیر ارتعاش را دریافت کند اما سرعت موتور را نه. ممکن است دما را دریافت کند اما بار فرآیند را نه. ممکن است تغییر را تشخیص دهد بدون اینکه بداند اپراتورها دستور تولید را تغییر داده‌اند.

مشکلات یکپارچه‌سازی همچنین می‌توانند داده‌ها را به تأخیر بیندازند. مقداری که هر ساعت یک بار جمع‌آوری می‌شود ممکن است برای تغییرات حرارتی کند مناسب باشد. اما ممکن است رویدادهای کوتاه ارتعاش یا شرایط فشار ناپایدار را از دست بدهد.

قابلیت اطمینان ارتباط نیز به همان اندازه مهم است. نمونه‌های گمشده، زمان‌سنج‌های تکراری، مقیاس‌بندی نادرست و نام‌های برچسب ناسازگار می‌توانند دقت مدل را آسیب بزنند.

برای مثال، یک کنترل‌کننده ممکن است فشار را بر حسب کیلوپاسکال ذخیره کند در حالی که پلتفرم تحلیلی انتظار بار را دارد. داده‌ها به صورت عددی باقی می‌مانند و ممکن است معتبر به نظر برسند. با این حال، هر آستانه محاسبه‌شده نادرست خواهد بود.

بنابراین، یکپارچه‌سازی صنعتی باید هویت سیگنال، واحدهای مهندسی، زمان‌سنج‌ها، نرخ نمونه‌برداری، کیفیت داده و وضعیت تجهیزات را تأیید کند.

نصب‌های قدیمی PLC و DCS ممکن است این فرآیند را پیچیده کنند. کنترل‌کننده‌های قدیمی ممکن است قابلیت ارتباط محدودی داشته باشند. شبکه‌های اختصاصی ممکن است دسترسی مستقیم را پشتیبانی نکنند. ظرفیت پردازنده ممکن است برای ترافیک داده اضافی کافی نباشد.

در این شرایط، کارخانه‌ها ممکن است به مبدل‌های پروتکل، ماژول‌های جمع‌آوری داده یا دروازه‌های طراحی‌شده با دقت نیاز داشته باشند. همچنین ممکن است به قطعات جایگزین برای زیرساخت کنترل قدیمی نیاز باشد.

سازمان‌هایی که پلتفرم‌های کنترل چندنسلی را نگهداری می‌کنند، می‌توانند هنگام ارزیابی محدودیت‌های یکپارچه‌سازی، سخت‌افزار نصب‌شده و پشتیبانی چرخه عمر، قطعات سیستم‌های PLC و PAC مناسب را بررسی کنند.

معماری صحیح باید عملکرد کنترل ماشین را محافظت کند. جمع‌آوری داده‌های وضعیت نباید کنترل‌کننده حیاتی را بارگذاری بیش از حد کند یا ارتباطات قطعی را قطع نماید.

شکل ۳. نرم‌افزار تحلیلی نیاز به اتصال‌های قابل اعتماد به کنترل‌کننده‌ها، ورودی‌های ماشین، وضعیت‌های فرآیند و سیستم‌های نگهداری دارد.

ادغام باید به فرآیند نگهداری قابل اقدام منجر شود

اتصال فنی به تنهایی ارزش عملیاتی ایجاد نمی‌کند. خروجی تحلیلی باید به افرادی برسد که می‌توانند تجهیزات را بازرسی، برنامه‌ریزی و تعمیر کنند.

برخی کارخانه‌ها داشبوردهایی می‌سازند که نمودارهای روند عالی را نمایش می‌دهند. اما این داشبوردها از فرآیند نگهداری جدا هستند. هیچ دستور کاری ایجاد نمی‌شود. هیچ تکنسینی مسئولیت نمی‌گیرد. هیچ بازخورد تکمیلی به مدل بازنمی‌گردد.

یک هشدار مفید باید به چند سؤال عملی پاسخ دهد. کدام دارایی تحت تأثیر است؟ چه شرایطی تشخیص داده شده؟ شدت شرایط چقدر است؟ چه شواهدی از هشدار پشتیبانی می‌کند؟ بازرسی بعدی باید چگونه باشد؟

سیستم همیشه نیازی به ارائه تشخیص نهایی ندارد. باید به پرسنل نگهداری اطلاعات کافی برای اتخاذ تصمیم منطقی بدهد.

برای مثال، هشداری که می‌گوید ارتعاش از آستانه عمومی فراتر رفته ممکن است ارزش محدودی داشته باشد. هشدار بهتر می‌تواند افزایش ارتعاش در یاتاقان انتهای درایو در شرایط بار پایدار را شناسایی کند.

همچنین می‌تواند نرخ تغییر، اجزای فرکانسی مرتبط، فعالیت‌های نگهداری قبلی و زمان‌بندی بازرسی پیشنهادی را نشان دهد.

ادغام گردش کار باید یافته‌های تحلیلی را با پلتفرم CMMS یا EAM متصل کند. ممکن است کارخانه ابتدا از بازبینی دستی استفاده کند قبل از ایجاد دستور کار خودکار.

این رویکرد کنترل‌شده از غرق شدن انبوه هشدارهای کم‌کیفیت در لیست کارهای نگهداری جلوگیری می‌کند.

تیم نگهداری باید نتایج بازرسی را ثبت کند. باید تأیید کند که آیا خطایی وجود داشته، آیا هشدار زودهنگام بوده و چه اقدامی انجام شده است.

این بازخورد ضروری است. به مهندسان اجازه می‌دهد آستانه‌ها را بهبود دهند، مدل‌ها را اعتبارسنجی کنند و قوانین غیرقابل اعتماد را حذف کنند.

یک کارخانه زمانی آماده نیست که هیچ‌کس مسئول فرآیند پاسخگویی نباشد. نگهداری پیش‌بینی نمی‌تواند مسئولیت جداگانه یک فروشنده نرم‌افزار یا دانشمند داده باقی بماند.

فرآیند باید تشخیص، بازبینی مهندسی، برنامه‌ریزی نگهداری، بازرسی میدانی، تعمیر و تأیید پس از نگهداری را به هم متصل کند.

مهارت‌های تخصصی هنوز مورد نیاز است

اتوماسیون نیاز به دانش مهندسی را از بین نمی‌برد. بلکه محل کاربرد آن دانش را تغییر می‌دهد.

سیستم‌های پیش‌بینی از حسگرهای پیشرفته، شبکه‌های صنعتی، نرم‌افزارهای تحلیلی و مدل‌های تجهیزات استفاده می‌کنند. هر لایه می‌تواند خطاهایی ایجاد کند که شبیه مشکلات ماشین باشند.

یک کابل شکسته ممکن است شبیه تغییر ناگهانی فرآیند به نظر برسد. نویز الکتریکی ممکن است شبیه ارتعاش بلبرینگ باشد. پیکربندی نادرست تجهیزات ممکن است محدودیت‌های آلارم غیرواقعی ایجاد کند.

پرسنل باید هم تجهیزات تحت نظارت و هم سیستم نظارت را درک کنند. این ترکیب دشوار است که توسعه یابد.

مهارت‌های مرتبط ممکن است شامل تحلیل ارتعاش، ترموگرافی، تحلیل روانکار، تحلیل جریان موتور، ابزار دقیق، عیب‌یابی شبکه، ارتباط PLC، مدیریت پایگاه داده و برنامه‌ریزی نگهداری باشد.

هیچ تکنسین واحدی نیازی به تسلط بر همه رشته‌ها ندارد. با این حال، سازمان باید به تخصص‌های لازم دسترسی داشته باشد.

کارخانه باید بین تحلیل داده و تشخیص تمایز قائل شود. نرم‌افزار می‌تواند سیگنال غیرمعمول را شناسایی کند. تعیین علت فیزیکی ممکن است نیاز به دانش بلبرینگ‌ها، کوپلینگ‌ها، جعبه‌دنده‌ها، موتورها، پمپ‌ها، شیرها و شرایط فرآیندی داشته باشد.

تجربه میدانی همچنان مهم است زیرا تجهیزات صنعتی به ندرت تحت شرایط آزمایشگاهی کار می‌کنند. پایه‌ها شل می‌شوند. تنش لوله‌ها تراز را تغییر می‌دهد. تقاضای تولید متغیر است. تعمیرات موقت دائمی می‌شوند.

این واقعیت‌ها رفتار ماشین و نتایج تحلیلی را تحت تأثیر قرار می‌دهند.

شکل ۴. نگهداری پیش‌بینی مؤثر، ابزارهای تحلیلی را با ابزار دقیق، شبکه‌بندی، قابلیت اطمینان و تجربه مهندسی میدانی ترکیب می‌کند.

وابستگی به متخصصان خارجی می‌تواند پرهزینه شود.

متخصصان خارجی می‌توانند استقرار اولیه را تسریع کنند. آن‌ها ممکن است حسگرها را پیکربندی کنند، مدل‌ها را توسعه دهند و پرسنل داخلی را آموزش دهند.

مشکلات زمانی ایجاد می‌شوند که کارخانه هرگز توانایی داخلی را ایجاد نکند. در این صورت هر آلارم نیاز به تفسیر فروشنده دارد. هر تغییر تجهیزات نیاز به پروژه مشاوره جدید دارد. عیب‌یابی پایه به در دسترس بودن خارجی وابسته می‌شود.

این وابستگی هزینه‌های عملیاتی را افزایش می‌دهد. همچنین ممکن است تصمیم‌گیری‌ها را در شرایط بحرانی تولید به تأخیر بیندازد.

کارخانه‌ها باید مشخص کنند کدام مهارت‌ها داخلی باقی می‌مانند و کدام خدمات به صورت خارجی ارائه می‌شوند. تحلیل ارتعاش بسیار تخصصی ممکن است همچنان برون‌سپاری شود. بررسی آلارم سطح اول و بازرسی میدانی معمولاً باید در داخل کارخانه انجام شود.

آموزش باید بر اساس تجهیزات واقعی باشد. نمایش‌های نرم‌افزاری عمومی کافی نیستند. تکنسین‌ها باید محل حسگرها، رفتار آلارم، حالت‌های رایج خرابی و روش‌های تأیید را درک کنند.

برنامه‌ریزان نگهداری نیز نیاز به آموزش دارند. یک نقص پیش‌بینی شده نباید به طور خودکار به دستور کار اضطراری تبدیل شود. برنامه‌ریز باید اهمیت دارایی، موجودی قطعات یدکی، بازه‌های تولید، ایمنی و نرخ پیشرفت تخمینی را در نظر بگیرد.

پرسنل عملیات باید هدف سیستم را درک کنند. آن‌ها اغلب تغییرات فرآیند را قبل از تیم‌های تحلیلی متوجه می‌شوند. مشاهدات آن‌ها می‌تواند داده‌های غیرمعمول را توضیح دهد یا نقص در حال توسعه را تأیید کند.

انتقال دانش باید در محدوده پروژه گنجانده شود. مستندسازی باید معماری، برچسب‌های متصل، قوانین هشدار، مشخصات حسگر، نیازهای نگهداری و مسیرهای ارتقاء را پوشش دهد.

یک کارخانه ممکن است زمانی آماده نباشد که پرسنلی نداشته باشد که پس از راه‌اندازی سیستم را مدیریت کنند. یک نمایش ممکن است موفق باشد، در حالی که برنامه بلندمدت به تدریج بلااستفاده می‌شود.

مشکلات بودجه فراتر از قیمت خرید است.

نگهداری پیش‌بینی‌شده می‌تواند نیازمند سرمایه‌گذاری اولیه قابل توجهی باشد. حسگرها، کابل‌کشی، دروازه‌ها، نرم‌افزار، سرورها، خدمات ابری، یکپارچه‌سازی و آموزش همه به هزینه پروژه کمک می‌کنند.

نقل قول قابل مشاهده ممکن است تنها بخشی از کل سرمایه‌گذاری را نشان دهد. نصب می‌تواند نیازمند زمان توقف، داربست، مجوزهای مناطق خطرناک، نقشه‌های مهندسی و تغییرات سیستم کنترل باشد.

ماشین‌آلات قدیمی ممکن است نیاز به تغییرات نصب یا ارتقاء الکتریکی داشته باشند. شبکه‌های ارتباطی ممکن است به سوئیچ‌ها، اتصالات فیبر یا کنترل‌های امنیت سایبری اضافی نیاز داشته باشند.

نرم‌افزار ممکن است از قیمت‌گذاری اشتراکی استفاده کند. مدل‌های تحلیلی ممکن است نیاز به پشتیبانی مداوم داشته باشند. حسگرها باید کالیبره، تعویض یا بازرسی شوند.

کارخانه‌ها باید هزینه چرخه عمر را به جای قیمت خرید محاسبه کنند. یک پایلوت کم‌هزینه می‌تواند زمانی که در صدها دارایی پیاده‌سازی شود، به برنامه‌ای پرهزینه تبدیل شود.

مورد مالی باید از صرفه‌جویی‌های واقعی نیز استفاده کند. زمان توقف اجتناب‌شده نباید با استفاده از حداکثر ارزش تولید برای هر خرابی ممکن محاسبه شود.

برخی خرابی‌ها قبلاً در طول توقف‌های برنامه‌ریزی شده رخ می‌دهند. برخی دیگر فقط تجهیزات افزونه را تحت تأثیر قرار می‌دهند. برخی هشدارها منجر به بازرسی می‌شوند بدون اینکه خطای قابل توجهی پیدا شود.

یک مورد کسب‌وکار معتبر شامل این محدودیت‌ها است.

شکل ۵. نگهداری پیش‌بینی‌شده می‌تواند بازده قوی ایجاد کند، اما هزینه‌های اولیه و مکرر باید با ریسک‌های دارایی کارخانه مطابقت داشته باشد.

هر دارایی شایسته نظارت مداوم نیست.

نگهداری پیش‌بینی‌شده باید بر دارایی‌هایی تمرکز کند که تشخیص زودهنگام خطا ارزش معناداری ایجاد می‌کند.

یک فن کوچک و ارزان ممکن است هزینه تعویض کمی داشته باشد. ممکن است یک واحد آماده به کار نصب شده داشته باشد. خرابی آن ممکن است بر ایمنی، کیفیت یا تولید تأثیر نگذارد.

نصب حسگرهای دائمی، سخت‌افزار ارتباطی و نرم‌افزار تحلیلی روی آن فن ممکن است هزینه‌ای بیشتر از تعویض آن پس از خرابی داشته باشد.

در مقابل، یک فن دمنده القایی که به یک دیگ بخار حیاتی خدمت می‌کند ممکن است توجیه‌کننده نظارت مداوم باشد. خرابی آن می‌تواند تولید را متوقف کرده و هزینه‌های قابل توجهی برای راه‌اندازی مجدد ایجاد کند.

بنابراین، اهمیت دارایی باید راهنمای سرمایه‌گذاری باشد. اهمیت شامل تأثیر تولید، پیامدهای ایمنی، ریسک زیست‌محیطی، مدت زمان تعمیر، در دسترس بودن قطعات یدکی و آسیب‌های ثانویه است.

کارخانه باید همچنین فرکانس خرابی را بررسی کند. یک دارایی حیاتی که به ندرت خراب می‌شود ممکن است همچنان توجیه‌کننده حفاظت باشد. با این حال، روش تشخیص مورد انتظار باید از نظر فنی معتبر باشد.

برخی دارایی‌ها بهتر است با بازرسی دوره‌ای مبتنی بر مسیر سرویس شوند. یک تکنسین می‌تواند ماهانه داده‌های لرزش را از چندین دستگاه جمع‌آوری کند. این روش ممکن است هشدار کافی را با هزینه کمتر فراهم کند.

دارایی‌های دیگر ممکن است از محرک‌های ساده مبتنی بر وضعیت استفاده کنند. محدودیت فشار تفاضلی می‌تواند بارگیری فیلتر را نشان دهد. روند جریان موتور می‌تواند افزایش تقاضای مکانیکی را آشکار کند.

تعمیر و نگهداری پیش‌بینی‌کننده یکی از گزینه‌ها در استراتژی گسترده‌تر قابلیت اطمینان است. نباید جایگزین همه وظایف پیشگیرانه یا مبتنی بر وضعیت شود.

استراتژی دارایی خوب ممکن است شامل کارکرد تا خرابی برای تجهیزات کم‌اهمیت، تعویض پیشگیرانه برای قطعات مرتبط با سن، نظارت وضعیت برای نقص‌های در حال توسعه و تحلیل پیش‌بینی برای دارایی‌های با ارزش بالا باشد.

تعادل صحیح مهم‌تر از تعداد حسگرهای متصل است.

برخی حالت‌های خرابی را نمی‌توان به طور قابل اعتماد پیش‌بینی کرد.

تعمیر و نگهداری پیش‌بینی‌کننده زمانی بهترین عملکرد را دارد که خرابی به تدریج توسعه یابد و شواهد قابل اندازه‌گیری تولید کند.

سایش یاتاقان، عدم تعادل، ناهماهنگی، کاهش روانکاری و خرابی حرارتی اغلب روندهای قابل تشخیصی ایجاد می‌کنند. این شرایط ممکن است هشدار کافی برای بازرسی و تعمیر برنامه‌ریزی‌شده فراهم کنند.

برخی خرابی‌ها ناگهانی رخ می‌دهند. یک قطعه الکترونیکی ممکن است بدون الگوی هشدار پایدار خراب شود. یک کابل ممکن است در حین کارهای ساختمانی نامرتبط آسیب ببیند. یک جسم خارجی ممکن است به طور غیرمنتظره وارد سیستم فرآیند شود.

تحلیل‌های پیش‌بینی نمی‌توانند هر رویداد تصادفی را به‌طور قابل اعتماد پیش‌بینی کنند.

کارخانه‌ها باید ویژگی‌های خرابی را قبل از انتخاب روش نظارت بررسی کنند. بازه زمانی احتمالی خرابی به‌ویژه مهم است.

این بازه زمانی بین شناسایی نقص در حال توسعه و رسیدن به خرابی عملکردی را نشان می‌دهد. فرکانس نظارت باید کوتاه‌تر از این بازه باشد.

بازرسی ماهانه نمی‌تواند خرابی‌ای را مدیریت کند که ظرف دو روز پیشرفت می‌کند. ممکن است نیاز به نظارت مداوم باشد. با این حال، نظارت مداوم زمانی شکست می‌خورد که شرایط هیچ هشدار قابل اندازه‌گیری تولید نکند.

تیم باید بپرسد آیا پارامتر قابل تشخیصی وجود دارد یا خیر. همچنین باید تعیین کند آیا آن پارامتر به اندازه کافی زود تغییر می‌کند تا از اقدام تعمیر و نگهداری پشتیبانی کند.

هشداری که ده دقیقه قبل از خرابی ظاهر می‌شود ممکن است از خاموشی خودکار پشتیبانی کند. اما ممکن است برای برنامه‌ریزی تعمیر و نگهداری مناسب نباشد.

سیستم‌های حفاظتی و سیستم‌های پیش‌بینی اهداف متفاوتی دارند. سیستم حفاظت ماشین‌آلات ممکن است در هنگام لرزش خطرناک تجهیزات را خاموش کند. سیستم پیش‌بینی باید قبل از رسیدن به نقطه قطع، خرابی را شناسایی کند.

کارخانه‌هایی که برنامه‌های تجهیزات دوار را ارزیابی می‌کنند، می‌توانند هنگام مقایسه حسگرها، سخت‌افزار نظارت و سازگاری سیستم نصب‌شده، قطعات نظارت بر ماشین‌آلات موجود را بررسی کنند.

یک کارخانه نباید پوشش پیش‌بینی‌کننده‌ای برای خرابی‌هایی که شاخص اولیه قابل اعتمادی ندارند، وعده دهد. محدودیت‌های فنی واضح اعتماد بیشتری نسبت به ادعاهای غیرواقعی ایجاد می‌کند.

نگهداری پیشگیرانه موجود ممکن است قبلاً مؤثر باشد

نگهداری پیش‌بینی به طور خودکار برتر از برنامه پیشگیرانه خوب طراحی شده نیست.

برخی قطعات عمر خدمات قابل پیش‌بینی دارند. تعویض آن‌ها ارزان و برنامه‌ریزی آسان است. کارخانه ممکن است آن‌ها را در طول توقف‌های برنامه‌ریزی شده با حداقل تأثیر بر تولید تعویض کند.

افزودن حسگرها و تحلیل‌ها ممکن است ارزش اضافی کمی ایجاد کند.

نگهداری پیشگیرانه همچنین می‌تواند الزامات قانونی، ایمنی یا بیمه را برآورده کند. مدل پیش‌بینی ممکن است نیاز به بازرسی دوره‌ای یا آزمایش اثباتی را حذف نکند.

سیستم‌های ایمنی ابزار دقیق نمونه واضحی ارائه می‌دهند. داده‌های تشخیصی ممکن است از تصمیمات نگهداری پشتیبانی کنند، اما بازه‌های آزمایش اجباری همچنان اعمال می‌شوند.

نگهداری مبتنی بر وضعیت نیز ممکن است کافی باشد. اپراتورها ممکن است در حین کارهای روزمره نشت، فشار، صدا، دما یا کیفیت محصول را بازرسی کنند.

کارخانه باید استراتژی‌ها را با استفاده از هزینه، ریسک و اثربخشی فنی مقایسه کند. نباید فقط به این دلیل که نگهداری پیش‌بینی به نظر پیشرفته‌تر می‌آید، تغییر دهد.

یک برنامه پیشگیرانه موفق مزیت دیگری نیز دارد. این برنامه سوابق نگهداری ساختاریافته ایجاد می‌کند. این سوابق بعدها می‌توانند از تحلیل پیش‌بینی پشتیبانی کنند.

تصمیم درست ممکن است ابتدا بهبود برنامه موجود باشد. وظایف می‌توانند برای اثربخشی بازبینی شوند. کدهای خرابی می‌توانند استاندارد شوند. نتایج بازرسی می‌توانند به صورت الکترونیکی ثبت شوند.

این بهبودها ممکن است بدون سرمایه‌گذاری عمده فناوری خرابی‌ها را کاهش دهند. همچنین پایه‌ای قوی‌تر برای تحلیل‌های آینده ایجاد می‌کنند.

یک کارخانه باید استراتژی کاری را حفظ کند تا زمانی که جایگزین پیشنهادی مزیت قابل اندازه‌گیری نشان دهد.

سازمان‌ها به داده‌های تاریخی قابل اعتماد نیاز دارند

مدل‌های پیش‌بینی از تاریخچه عملکرد یاد می‌گیرند. آن‌ها به نمونه‌هایی از رفتار عادی، بارهای متغیر، رویدادهای نگهداری و نقص‌های در حال توسعه نیاز دارند.

کارخانه‌هایی که عمدتاً به نگهداری واکنشی متکی هستند معمولاً رکوردهای ضعیفی دارند. یک دستورکار ممکن است فقط بیان کند که یک پمپ تعمیر شده است. ممکن است یاتاقان خراب، علائم عملکردی، علت ریشه‌ای یا قطعات تعویض شده را مشخص نکند.

چنین رکوردهایی نمی‌توانند به طور قابل اعتماد مدلی را آموزش داده یا اعتبارسنجی کنند.

مشکلات کیفیت داده ممکن است شامل نبود زمان‌سنجی‌ها، نام‌های دارایی ناسازگار، رکوردهای تکراری تجهیزات و توصیف‌های مبهم خرابی باشد.

داده‌های حسگر نیز ممکن است ناقص باشند. ممکن است تجهیزات سال‌ها بدون ثبت روندهای ارتعاش یا دما کار کرده باشند.

وقتی داده‌های تاریخی در دسترس نیست، سیستم باید اطلاعات پایه جدید جمع‌آوری کند. این کار زمان‌بر است. حالت‌های نادر خرابی ممکن است در دوره اولیه استقرار ظاهر نشوند.

سازمان‌ها نباید نبود هشدارها را با پیش‌بینی موفق اشتباه بگیرند. ممکن است سیستم به سادگی اطلاعات کافی برای شناسایی رفتار غیرعادی نداشته باشد.

شکل ۶. سوابق تاریخی دقیق به سیستم‌های تحلیلی کمک می‌کند تا عملیات عادی را از نقص‌های در حال توسعه تجهیزات تشخیص دهند.

بلوغ نگهداری باید قبل از تحلیل‌های پیشرفته بیاید.

کارخانه‌ای که در کنترل نگهداری پایه مشکل دارد ممکن است از پیش‌بینی پیشرفته بهره‌مند نشود.

نشانه‌های هشدار معمول شامل انباشت بزرگ اضطراری، فقدان سوابق دارایی، کمبود قطعات یدکی غیر برنامه‌ریزی شده، دستور کارهای ناقص و شکست‌های مکرر بدون تحلیل علت ریشه‌ای است.

هشدارهای پیش‌بینی شده که به این محیط اضافه می‌شوند اطلاعات بیشتری ایجاد می‌کنند، اما لزوماً اقدام بهتری نیستند.

کارخانه باید ابتدا سلسله مراتب دارایی، شناسایی تجهیزات، مالکیت نگهداری و انضباط دستور کار را برقرار کند.

دارایی‌های حیاتی باید فهرست مواد صحیح داشته باشند. قطعات یدکی باید به تجهیزات مرتبط شوند. کدهای شکست باید از اصطلاحات یکسان استفاده کنند.

تکمیل نگهداری باید شامل یافته‌ها، قطعات تعویض شده و مکانیزم‌های شکست مشاهده شده باشد. این سوابق بازخورد ارزشمندی برای سیستم‌های تحلیلی می‌شوند.

سازمان همچنین به انضباط برنامه‌ریزی نیاز دارد. یک نقص در حال توسعه تأیید شده باید به نیازهای نیروی کار، در دسترس بودن قطعات، مجوزها و بازه تولید تبدیل شود.

بدون آن فرآیند، تشخیص زودهنگام از شکست جلوگیری نمی‌کند. فقط دانش زودتری از مشکلی که حل نشده است فراهم می‌کند.

یک سازمان بالغ به داده‌های کامل نیاز ندارد. به روش‌های تکرارپذیر و مالکیت پاسخگو نیاز دارد.

نگهداری پیش‌بینی باید این روش‌ها را تقویت کند نه اینکه از آن‌ها عبور کند.

تغییر شرایط تولید می‌تواند مدل را گیج کند.

تجهیزات صنعتی به ندرت تحت یک شرایط ثابت کار می‌کنند. سرعت، بار، فشار، درجه محصول، دما و خواص مواد ممکن است در طول روز تغییر کنند.

این تغییرات رفتار ماشین را تحت تأثیر قرار می‌دهند. یک پمپ ممکن است در جریان کم ارتعاش متفاوتی داشته باشد. یک فن ممکن است جریان موتور بالاتری نشان دهد وقتی دمپرها موقعیت خود را تغییر می‌دهند. یک نقاله ممکن است الگوهای صوتی متفاوتی با مواد سنگین‌تر تولید کند.

مدلی که تحت یک حالت عملیاتی آموزش دیده است ممکن است در حالت دیگر هشدارهای کاذب تولید کند.

تغییرات مکرر تجهیزات چالش دیگری ایجاد می‌کند. کارخانه ممکن است یک موتور را تعویض کند، نسبت گیربکس را تغییر دهد، لوله‌کشی را اصلاح کند یا منطق کنترل را تغییر دهد.

مبنای قبلی ممکن است دیگر نمایانگر عملیات عادی نباشد.

بنابراین سیستم‌های پیش‌بینی نیاز به مدیریت پیکربندی دارند. تغییرات تجهیزات باید بازبینی مبناها، محدودیت‌های هشدار و فرضیات مدل را به دنبال داشته باشد.

داده‌ها باید در صورت لزوم بر اساس شرایط عملیاتی گروه‌بندی شوند. ماشین‌آلات با سرعت متغیر ممکن است به تحلیل ارتعاش مرتبط با سرعت نیاز داشته باشند. فرآیندهای دسته‌ای ممکن است به مدل‌هایی متناسب با مراحل تولید نیاز داشته باشند.

یک کارخانه با عملیات ناپایدار باید ابتدا درک فرآیند را بهبود بخشد. در غیر این صورت، سیستم تحلیلی ممکن است بیشتر تلاش خود را صرف شناسایی تغییرپذیری تولید کند.

این مانع نگهداری پیش‌بینی نمی‌شود. بلکه طراحی فنی را تغییر می‌دهد. ممکن است زمینه عملیاتی بیشتر و بخش‌بندی مدل لازم باشد.

سیستم‌های کنترل قدیمی ممکن است محدودیت‌هایی برای توجیه اقتصادی ایجاد کنند.

کارخانه‌های Brownfield اغلب شامل تجهیزات چندین نسل کنترل هستند. یک منطقه تولید ممکن است از PLC مبتنی بر اترنت مدرن استفاده کند. منطقه دیگر ممکن است به شبکه اختصاصی نصب‌شده دهه‌ها پیش وابسته باشد.

سیستم‌های قدیمی می‌توانند قابل اعتماد باقی بمانند. با این حال، بازیابی داده‌های شرایط اضافی ممکن است دشوار باشد.

کنترلر ممکن است حافظه، ظرفیت ارتباطی یا کانال‌های ورودی محدودی داشته باشد. ماژول‌های جایگزین ممکن است منسوخ باشند. نرم‌افزار مهندسی اصلی ممکن است دیگر روی کامپیوترهای فعلی اجرا نشود.

پروژه نگهداری پیش‌بینی ممکن است این ریسک‌های چرخه عمر را آشکار کند. هزینه ادغام مورد نیاز می‌تواند از هزینه حسگرهای نظارتی بیشتر باشد.

کارخانه‌ها باید از ایجاد تغییرات کنترل‌نشده در سیستم‌های حیاتی قدیمی خودداری کنند. افزودن ترافیک شبکه یا تغییر کد برنامه‌های قدیمی می‌تواند ریسک تولید ایجاد کند.

طراحی ایمن‌تر ممکن است از سخت‌افزار نظارتی مستقل استفاده کند. این سخت‌افزار می‌تواند سیگنال‌ها را بدون تغییر منطق کنترل اصلی جمع‌آوری کند.

گزینه دیگر برنامه مدرن‌سازی مرحله‌ای است. کارخانه می‌تواند ابتدا پشتیبانی سخت‌افزار قدیمی، مستندسازی و در دسترس بودن قطعات یدکی را تثبیت کند.

قابلیت‌های پیش‌بینی سپس می‌توانند در طول ارتقاءهای برنامه‌ریزی‌شده کنترل اضافه شوند.

تصمیم باید چرخه عمر تجهیزات را در نظر بگیرد. نصب سیستم نظارتی پیچیده روی ماشین‌آلاتی که قرار است جایگزین شوند ممکن است اقتصادی نباشد.

با این حال، نظارت ممکن است زمانی توجیه‌پذیر باشد که جایگزینی چندین سال طول بکشد و ریسک خرابی همچنان بالا باشد.

امنیت سایبری و حاکمیت داده‌ها نمی‌توانند بعداً اضافه شوند.

نگهداری پیش‌بینی‌شده اغلب نیازمند انتقال داده‌های عملیاتی فراتر از مرز سیستم کنترل اصلی است.

داده‌ها ممکن است به سرور محلی، پلتفرم سازمانی، ارائه‌دهنده خدمات از راه دور یا محیط ابری منتقل شوند.

هر اتصال نیازمندی‌های حاکمیت و امنیت سایبری ایجاد می‌کند. کارخانه‌ها باید تعریف کنند کدام سیستم‌ها می‌توانند ارتباط برقرار کنند، کدام کاربران به داده‌ها دسترسی دارند و چگونه پشتیبانی خارجی کنترل می‌شود.

اتصال برنامه‌ریزی‌نشده می‌تواند دارایی‌های صنعتی را در معرض خطر غیرضروری قرار دهد. ابزارهای دسترسی از راه دور مصرفی نباید برای تجهیزات حیاتی استفاده شوند.

معماری شبکه باید شامل بخش‌بندی، دسترسی مدیریت‌شده، احراز هویت، ثبت وقایع، مدیریت وصله‌ها و انتقال امن داده‌ها باشد.

پلتفرم تحلیلی نباید نیاز به دسترسی کنترل نامحدود داشته باشد وقتی داده‌های فقط خواندنی کافی است.

مالکیت داده‌ها نیز باید روشن باشد. قراردادها باید توضیح دهند که مالک داده‌های خام حسگر، مدل‌های استخراج‌شده و نتایج نگهداری کیست.

کارخانه باید بداند چه اتفاقی می‌افتد وقتی اشتراک پایان می‌یابد. داده‌های تاریخی و مدل‌های پیکربندی‌شده باید تحت شرایط توافق‌شده قابل دسترسی باقی بمانند.

بازبینی‌های امنیت سایبری می‌توانند بر برنامه پروژه تأثیر بگذارند. باید از طراحی معماری شروع شوند، نه پس از نصب.

کارخانه زمانی آماده نیست که پروژه به دلیل توصیف سیستم نظارت به عنوان غیر بحرانی، امنیت سایبری را دور بزند.

داده‌های وضعیت هنوز می‌توانند نرخ تولید، وضعیت دارایی، محدودیت‌های عملیاتی و در دسترس بودن کارخانه را نشان دهند. این اطلاعات ممکن است از نظر تجاری یا عملیاتی حساس باشند.

مطالعه موردی: پروژه نظارت پمپ که هشدارهای زیادی تولید کرد

یک کارخانه شیمیایی را در نظر بگیرید که حسگرهای لرزش بی‌سیم را روی چهل پمپ نصب کرد. هدف پروژه کاهش خرابی‌های مهر و تعویض اضطراری یاتاقان بود.

داشبورد اولیه هشدارهای لرزش زیاد مکرر تولید می‌کرد. پرسنل نگهداری چندین پمپ را بازرسی کردند اما نقص قابل مشاهده‌ای نیافتند.

اعتماد به سیستم به سرعت کاهش یافت.

بازبینی دقیق چندین علت را یافت. برخی حسگرها روی پوشش‌های نازک موتور نصب شده بودند. سرعت‌های عملیاتی پمپ ثبت نشده بود. چندین واحد دور از جریان طراحی شده خود کار می‌کردند.

محدودیت‌های هشدار در همه پمپ‌ها یکسان بود، با وجود اندازه‌ها، پایه‌ها و شرایط سرویس متفاوت.

تیم پروژه رویکرد را تغییر داد. حسگرها در مکان‌های مناسب یاتاقان دوباره نصب شدند. سرعت و جریان فرآیند به مجموعه داده‌ها اضافه شد.

پمپ‌ها بر اساس طراحی و سرویس عملیاتی گروه‌بندی شدند. آستانه‌های هشدار با استفاده از اندازه‌گیری‌های پایه و بازبینی مهندسی تنظیم شدند.

تیم همچنین ناپایداری هیدرولیکی را از نشانه‌های مکانیکی یاتاقان جدا کرد.

پس از این تغییرات، حجم هشدارها کاهش یافت. هشدارهای باقی‌مانده مفیدتر شدند. یک پمپ در طول عملیات پایدار لرزش فرکانس یاتاقان رو به افزایش نشان داد.

بازرسی نگهداری کاهش روانکاری را تأیید کرد. یاتاقان در طول تغییر برنامه‌ریزی شده تولید تعویض شد.

درس این نبود که نظارت بی‌سیم شکست خورد. پروژه اصلی نصب کافی حسگر، زمینه تجهیزات و اعتبارسنجی هشدار را نداشت.

یک بازبینی کوچک آمادگی می‌توانست این مشکلات را قبل از استقرار کامل شناسایی کند.

مطالعه موردی: خط بسته‌بندی که به پیش‌بینی پیشرفته نیاز نداشت

یک کارخانه بسته‌بندی مواد غذایی نظارت مداوم برای موتورهای کوچک نقاله را در نظر گرفت. موتور‌ها ارزان و از موجودی محلی قابل تهیه بودند.

بیشتر نقاله‌ها طرح‌های مکانیکی ساده‌ای داشتند. واحدهای خراب شده می‌توانستند به سرعت در دوره‌های پاک‌سازی معمول جایگزین شوند.

پیشنهاد اولیه شامل نظارت جریان، حسگرهای دما، دروازه‌ها و اشتراک تحلیل ابری بود.

بازبینی اهمیت نشان داد که بیشتر موتور‌ها نیازی به نظارت دائمی ندارند. پیامدهای خرابی آن‌ها محدود بود و زمان تعویض قطعات یدکی کوتاه بود.

کارخانه استراتژی ساده‌تری را انتخاب کرد. اپراتورها در طول عملیات پاک‌سازی بررسی‌های بصری انجام دادند. برق‌کاران در مسیرهای ماهانه از بازرسی حرارتی دستی استفاده کردند.

تعداد کمی از موتورهای محرک حیاتی نظارت مداوم جریان و دما دریافت کردند. این موتورها تجهیزات گلوگاه با زمان تعویض طولانی‌تر را خدمت می‌کردند.

برنامه بازنگری شده هزینه کمتری داشت و با ریسک دارایی بهتر هماهنگ بود.

نگهداری پیش‌بینی‌شده رد نشد. فقط جایی اعمال شد که هشدار زودهنگام ارزش عملیاتی ایجاد می‌کرد.

مطالعه موردی: داده‌های تاریخی بدون برچسب‌های خرابی قابل اعتماد

یک سایت تولیدی بزرگ چندین سال داده‌های تاریخچه‌ای داشت. مدیریت معتقد بود این تاریخچه برای یادگیری ماشین کافی است.

پایگاه داده شامل جریان موتور، دماها، فشار فرآیند و نرخ‌های تولید بود. با این حال، سوابق نگهداری جزئیات خرابی سازگار نداشتند.

دستورهای کاری از توصیفاتی مانند «مشکل موتور»، «تعمیر پمپ» و «بازرسی تجهیزات» استفاده می‌کردند.

تیم تحلیلی توانست روندهای غیرمعمول را شناسایی کند. اما نتوانست تعیین کند کدام الگوها نمایانگر خطاهای خاص هستند.

کارخانه ابتدا کدگذاری نگهداری را بهبود داد. تکنسین‌ها قطعه خراب شده، وضعیت مشاهده شده، علت و اقدام اصلاحی را ثبت کردند.

تیم همچنین گزارش‌های تعطیلی گذشته و استفاده از قطعات یدکی را مرور کرد. این کار چندین رویداد خرابی تأیید شده را بازسازی کرد.

مدل‌های تحلیلی جدید سپس با استفاده از نمونه‌های تأیید شده آموزش داده شدند. پروژه با تشخیص ناهنجاری و بازبینی مهندسی شروع شد نه تشخیص خودکار.

این رویکرد مرحله‌ای استقرار اولیه کندتری داشت اما نتایج معتبرتری تولید کرد.

این مورد نشان می‌دهد که حجم داده و کیفیت داده متفاوت هستند. میلیون‌ها مقدار ثبت‌شده نمی‌توانند جایگزین زمینه نگهداری قابل اعتماد شوند.

ارزیابی عملی آمادگی نگهداری پیش‌بینی‌شده

قبل از استقرار، کارخانه باید ارزیابی آمادگی ساختاریافته‌ای را تکمیل کند. این ارزیابی باید ارزش کسب‌وکار، مناسب بودن دارایی، ابزارآلات، یکپارچگی سیستم‌ها، کیفیت داده‌ها، مهارت‌ها، امنیت سایبری و فرآیندهای کاری را پوشش دهد.

با مشکل کسب‌وکار شروع کنید. خرابی‌هایی را شناسایی کنید که بیشترین تأثیر را بر تولید، ایمنی، کیفیت یا محیط زیست دارند.

فرکانس و پیامدهای آن‌ها را تخمین بزنید. مدت زمان تعمیر، آسیب ثانویه و در دسترس بودن قطعات یدکی را مرور کنید.

سپس، حالت‌های خرابی را بررسی کنید. تعیین کنید که آیا هر خرابی هشدار قابل اندازه‌گیری تولید می‌کند یا خیر. بازه زمانی هشدار موجود را تخمین بزنید.

ابزارهای موجود را مرور کنید. مناسب بودن حسگرها، نقاط نصب، نیازهای محیطی، وضعیت کالیبراسیون و دسترسی به داده‌ها را تأیید کنید.

مسیر داده‌ها از ماشین تا پلتفرم تحلیلی را ترسیم کنید. پروتکل‌ها، نرخ به‌روزرسانی، زمان‌سنج‌ها، واحدهای مهندسی و ظرفیت شبکه را تأیید کنید.

سوابق تاریخی را ارزیابی کنید. نام دارایی‌ها، توضیحات نگهداری، کدهای خرابی، وضعیت‌های عملیاتی و داده‌های مفقود را بررسی کنید.

قابلیت سازمانی را بررسی کنید. مشخص کنید چه کسی هشدارها را نظارت خواهد کرد، یافته‌ها را تأیید می‌کند، دستور کار ایجاد می‌کند، تجهیزات را بازرسی می‌کند و مدل‌ها را به‌روزرسانی می‌کند.

هزینه چرخه عمر را محاسبه کنید. شامل سخت‌افزار، مهندسی، نصب، زمان خاموشی، نرم‌افزار، آموزش، پشتیبانی و نگهداری حسگر باشد.

در نهایت، نتایج قابل اندازه‌گیری را تعریف کنید. از اهداف کلی مانند «بهبود قابلیت اطمینان» اجتناب کنید. از معیارهای خاص مانند کاهش کار اضطراری روی یاتاقان یا شناسایی خطاهای انتخاب‌شده قبل از خاموشی استفاده کنید.

به جای اجرای سراسری کارخانه، از یک پایلوت متمرکز استفاده کنید

پایلوت باید جریان کامل نگهداری را آزمایش کند. نباید فقط اثبات کند که یک حسگر می‌تواند داده‌ها را به داشبورد ارسال کند.

تعداد کمی دارایی با سابقه شکست شناخته‌شده و تأثیر عملیاتی معنی‌دار انتخاب کنید.

دارایی‌ها باید حالت‌های شکست قابل تشخیص داشته باشند. پرسنل نگهداری باید رفتار عملیاتی آن‌ها را درک کنند.

پایلوت باید شامل نصب حسگر، جمع‌آوری داده، یکپارچه‌سازی سیستم، بازبینی هشدار، بازرسی میدانی، برنامه‌ریزی کار و تأیید نتایج باشد.

موفقیت را قبل از نصب تعریف کنید. معیارهای ممکن شامل شناسایی تخریب تأییدشده، کاهش بازرسی‌های غیرضروری، بهبود زمان برنامه‌ریزی یا جلوگیری از آسیب ثانویه است.

پایلوت را به اندازه کافی طولانی نگه دارید تا شرایط عملیاتی نماینده را ثبت کند. یک نمایش کوتاه در طول تولید پایدار ممکن است سیستم واقعی را آزمایش نکند.

مثبت‌های کاذب و شرایط از دست رفته را مستند کنید. هر دو اطلاعات ارزشمندی برای طراحی فراهم می‌کنند.

نتایج ناموفق را پنهان نکنید. یک پایلوت که حسگرهای نامناسب یا داده‌های ضعیف را شناسایی کند، می‌تواند از اجرای پرهزینه کامل جلوگیری کند.

توسعه باید بر اساس شواهد باشد. دارایی‌هایی با طراحی و شرایط عملیاتی مشابه می‌توانند ابتدا اضافه شوند.

هر مرحله توسعه باید نیروی انسانی، ظرفیت شبکه، عملکرد نرم‌افزار و توان پاسخگویی نگهداری را تأیید کند.

بنیان را مرحله به مرحله بسازید

کارخانه‌ای که امروز آماده نیست، هنوز هم می‌تواند نقشه راه عملی ایجاد کند.

مرحله اول ممکن است سوابق نگهداری و سلسله‌مراتب دارایی را بهبود بخشد. کارخانه می‌تواند نام تجهیزات، کدهای خرابی و تکمیل دستور کار را استاندارد کند.

مرحله دوم ممکن است پایش وضعیت هدفمند را معرفی کند. تکنسین‌ها می‌توانند داده‌های دوره‌ای ارتعاش، حرارتی یا روانکار را از دارایی‌های حیاتی جمع‌آوری کنند.

مرحله سوم ممکن است اطلاعات فرآیند و نگهداری موجود را یکپارچه کند. تاریخچه‌ها، کنترل‌کننده‌ها و سوابق CMMS می‌توانند از طریق معماری کنترل‌شده متصل شوند.

مرحله چهارم ممکن است تحلیل‌های پیشرفته برای حالت‌های شکست انتخاب‌شده اضافه کند. مدل‌ها باید بازرسی‌های میدانی و یافته‌های نگهداری را تأیید کنند.

مرحله نهایی ممکن است بخش‌هایی از جریان کار را خودکار کند. هشدارهای با اطمینان بالا می‌توانند درخواست‌های بازرسی یا دستور کارهای پیشنهادی ایجاد کنند.

این رویکرد مرحله‌ای ریسک‌های فنی و مالی را کاهش می‌دهد. همچنین به پرسنل زمان می‌دهد تا مهارت‌های خود را توسعه دهند.

مهم‌تر از همه، این روش پروژه را به مشکلات واقعی قابلیت اطمینان متصل نگه می‌دارد.

چه زمانی باید نگهداری پیش‌بینی‌شده به تأخیر بیفتد

کارخانه باید در صورت عدم تعهد منابع یا مالکیت توسط مدیریت ارشد، اجرای پروژه را به تأخیر بیندازد.

تأخیر همچنین زمانی مناسب است که حالت‌های خرابی بحرانی شناسایی نشده باشند. نصب حسگر بدون استراتژی خرابی نتایج ضعیفی به همراه دارد.

همین موضوع زمانی که ابزار دقیق نتواند داده‌های وضعیت قابل اعتمادی جمع‌آوری کند نیز صدق می‌کند. نرم‌افزار نمی‌تواند اندازه‌گیری‌های فیزیکی ضعیف را اصلاح کند.

زمان استقرار باید زمانی که یکپارچه‌سازی سیستم‌های ارتباطی و کنترل ریسک‌های غیرقابل قبول تولید یا امنیت سایبری ایجاد می‌کند، بازنگری شود.

سازمان‌هایی که سوابق نگهداری ضعیفی دارند ممکن است ابتدا نیاز به بهبود کیفیت داده‌ها داشته باشند. کارخانه‌هایی که پرسنلی برای بررسی و اقدام به هشدارها ندارند نیز با ریسک بالای خرابی مواجه‌اند.

بودجه‌های محدود باید به سمت دارایی‌های با بیشترین پیامد هدایت شود. نصب گسترده ممکن است ارزش کمتری نسبت به برنامه قابلیت اطمینان متمرکز داشته باشد.

نگهداری پیش‌بینانه ممکن است زمانی که نگهداری پیشگیرانه یا مبتنی بر وضعیت به طور مؤثر ریسک را کنترل می‌کند، غیرضروری باشد.

به تأخیر انداختن پروژه شکست نیست. اغلب یک تصمیم مهندسی مسئولانه است.

بهترین استراتژی نگهداری، آن است که کارخانه بتواند اجرا کند.

نگهداری پیش‌بینانه می‌تواند خرابی‌های ناگهانی را کاهش داده و برنامه‌ریزی نگهداری را بهبود بخشد. همچنین می‌تواند فرسودگی تجهیزات را که بازرسی‌های معمولی از آن غافل‌اند، آشکار کند.

این مزایا به مراتب فراتر از الگوریتم‌ها هستند. آن‌ها نیازمند دارایی‌های مناسب، حسگرهای صحیح، یکپارچه‌سازی قابل اعتماد، سوابق با کیفیت، پرسنل ماهر و فرآیندهای کاری منظم‌اند.

کارخانه‌ها باید از برخورد با نگهداری پیش‌بینانه به عنوان جایگزینی جهانی برای استراتژی‌های موجود خودداری کنند.

روش‌های «تا خرابی کار کن»، نگهداری پیشگیرانه، نگهداری مبتنی بر وضعیت، پایش حفاظتی و تحلیل پیش‌بینانه هر کدام کاربردهای معتبر خود را دارند.

قوی‌ترین برنامه‌های قابلیت اطمینان این روش‌ها را به صورت انتخابی به کار می‌برند. آن‌ها استراتژی نگهداری را با اهمیت دارایی، رفتار خرابی، ریسک عملیاتی و ارزش اقتصادی تطبیق می‌دهند.

بنابراین ارزیابی آمادگی باید قبل از سرمایه‌گذاری عمده انجام شود. این ارزیابی قابلیت‌های ناقص را شناسایی و توالی اجرایی عملی را تعریف می‌کند.

وقتی پایه قوی باشد، نگهداری پیش‌بینانه می‌تواند به ابزاری عملیاتی قابل اعتماد تبدیل شود. وقتی پایه ضعیف باشد، همان فناوری ممکن است باعث هشدارهای نادرست، هزینه‌ها و ناامیدی شود.

هدف، استقرار پیشرفته‌ترین سیستم نیست. هدف، شناسایی به موقع مشکلات مهم تجهیزات برای انجام اقدامات مؤثر است.