چرا داده‌های نگهداری و تعمیرات برای قابلیت اطمینان صنعتی ضروری هستند

تصمیم‌های نگهداری و تعمیرات فقط به‌اندازه داده‌هایی خوب هستند که پشتوانه آن‌هاست

نگهداری و تعمیرات صنعتی اغلب حوزه‌ای عملی و میدانی توصیف می‌شود، اما مهم‌ترین تصمیم‌های آن با اطلاعات آغاز می‌شوند. یک تکنسین ممکن است یاتاقان را تعویض کند، حلقه کنترل را تنظیم کند، تابلو را تمیز کند یا یک ابزار دقیق را دوباره کالیبره کند. بااین‌حال، تصمیم برای انجام این کار به علائم ثبت‌شده، سوابق بهره‌برداری، اهمیت دارایی، یافته‌های بازرسی و درک دقیق آنچه پیش‌تر رخ داده است، بستگی دارد.

وقتی این سوابق ناقص، با تأخیر یا ناهماهنگ باشند، نگهداری و تعمیرات واکنشی می‌شود. تیم‌ها بدون درک الگوی پشت هشدارها به آن‌ها پاسخ می‌دهند. سرپرستان بدون برآوردهای قابل‌اعتماد کارها را زمان‌بندی می‌کنند. برنامه‌ریزان پس از آنکه خرابی تولید را متوقف کرده است، قطعات سفارش می‌دهند. تیم‌های مهندسی نیز بررسی‌ها را تکرار می‌کنند، زیرا یافته‌های قبلی هرگز به شکلی قابل‌استفاده ثبت نشده‌اند.

داده‌های مناسب نگهداری و تعمیرات، این مدل عملیاتی را تغییر می‌دهند. این داده‌ها زمینه لازم را برای تشخیص سریع‌تر عیب‌ها در اختیار تکنسین‌ها قرار می‌دهند. به برنامه‌ریزان کمک می‌کنند نیروی انسانی، ابزارها، مجوزها و قطعات یدکی را پیش از آغاز کار آماده کنند. به مهندسان قابلیت اطمینان امکان می‌دهند الگوهای تکرارشونده خرابی را شناسایی کنند، نه اینکه با هر رویداد مانند موردی مستقل برخورد کنند. همچنین مبنایی قابل‌دفاع برای بودجه‌بندی، تأمین نیروی انسانی، نوسازی و جایگزینی سرمایه‌ای در اختیار مدیران کارخانه قرار می‌دهند.

یک سیستم رایانه‌ای مدیریت نگهداری و تعمیرات که معمولاً CMMS نامیده می‌شود، می‌تواند بخش زیادی از این اطلاعات را هماهنگ کند. بااین‌حال، نرم‌افزار به‌تنهایی داده‌های قابل‌اعتماد ایجاد نمی‌کند. یک سیستم موفق اطلاعات نگهداری و تعمیرات، شیوه‌های کاری منضبط، ساختارهای شفاف دارایی، حسگرهای متصل، کدگذاری یکپارچه خرابی‌ها و بازبینی منظم را با هم ترکیب می‌کند. ارزش این سیستم به نحوه گردآوری، اعتبارسنجی، اشتراک‌گذاری و استفاده سازمان از اطلاعات بستگی دارد.

شکل ۱. داده‌های قابل‌اعتماد نگهداری و تعمیرات، دید روشن‌تری از وضعیت دارایی، سوابق کار و اولویت‌های عملیاتی در اختیار سرپرستان و تکنسین‌ها قرار می‌دهند.

داده‌های نگهداری و تعمیرات واقعاً شامل چه مواردی می‌شوند

داده‌های نگهداری و تعمیرات گسترده‌تر از دستورکارهای تکمیل‌شده هستند. این داده‌ها شامل هر سابقه‌ای می‌شوند که به سازمان کمک می‌کند وضعیت، عملکرد، هزینه و سوابق خدمات یک دارایی را درک کند. برخی اطلاعات ثابت‌اند، مانند مشخصات شناسایی تجهیزات و مستندات فنی. برخی دیگر پیوسته تغییر می‌کنند، مانند دامنه ارتعاش، جریان موتور، دمای فرایند، فراوانی هشدارها، زمان کارکرد، میزان بار تولید و رویدادهای خرابی.

در ابتدایی‌ترین سطح، هر دارایی قابل‌نگهداری باید هویت مشخصی داشته باشد. این هویت ممکن است شامل پلاک دارایی، نام تجهیزات، محل فیزیکی، سیستم والد، سازنده، مدل، شماره سریال، تاریخ نصب و رتبه‌بندی بحرانی بودن باشد. بدون این پایه، مقایسه دستورکارها دشوار می‌شود، زیرا ممکن است یک دستگاه با چند نام ظاهر شود یا فقط با توصیف غیررسمی یک تکنسین ثبت شده باشد.

اطلاعات مستند نیز دسته مهم دیگری است. این دسته شامل خط‌مشی‌های نگهداری، روش‌های کار ایمن، استانداردهای روان‌کاری، نقشه‌های برق، نمودارهای حلقه، نقشه‌های مکانیکی، دستورالعمل‌های کالیبراسیون، صورت‌های مواد، دفترچه‌های راهنمای تأمین‌کنندگان و روش‌های اجرایی استاندارد است. این اسناد به تکنسین‌ها کمک می‌کنند کار را به‌صورت یکسان انجام دهند، به‌ویژه زمانی که کارکنان باتجربه در دسترس نیستند.

داده‌های تراکنشی از فعالیت‌های روزانه نگهداری به دست می‌آیند. این داده‌ها شامل درخواست‌های خدمت، دستورکارها، ساعات کار، قطعات مصرف‌شده، هزینه‌های پیمانکار، مجوزها، نتایج بازرسی و یادداشت‌های تکمیل کار هستند. یک سابقه قوی توضیح می‌دهد چه وضعیتی یافت شد، چه اقدامی انجام گرفت، کدام قطعات تعویض شدند و آیا تجهیزات به عملکرد عادی بازگشتند یا خیر.

داده‌های وضعیت و عملکرد، نحوه رفتار یک دارایی را توصیف می‌کنند. نمونه‌ها شامل سرعت، فشار، دما، دبی، ارتعاش، انرژی صوتی، وضعیت روغن، میزان حرکت شیر، مقاومت عایقی، بار الکتریکی، نرخ تولید و کیفیت محصول هستند. این مقادیر ممکن است به‌صورت دستی جمع‌آوری شوند، با ابزارهای قابل‌حمل ثبت شوند یا به‌طور خودکار از سیستم‌های کنترل و پایش کارخانه ارسال شوند.

در نهایت، داده‌های نگهداری شامل دانش سازمانی نیز می‌شوند. ممکن است یک تکنسین بداند پمپ خاصی فقط هنگام پایین بودن سطح مخزن دچار کاویتاسیون می‌شود، یا یک خطای ارتباطی مشخص اغلب پس از اختلال برق رخ می‌دهد. ثبت این تجربه در یک سیستم ساختاریافته، سازمان را از از دست دادن دانش حیاتی هنگام تغییر نقش کارکنان یا بازنشستگی آن‌ها محافظت می‌کند.

سوابق ایستا، رویدادها و سیگنال‌های سری زمانی اهداف متفاوتی دارند

همه اطلاعات نگهداری نباید به یک شیوه مدیریت شوند. داده‌های اصلی دارایی به‌آرامی تغییر می‌کنند و به کنترل دقیقی نیاز دارند. سوابق رویداد، اتفاقی را توصیف می‌کنند که در زمان مشخصی رخ داده است. داده‌های سری زمانی ممکن است هر ثانیه یا حتی با سرعتی بیشتر دریافت شوند. هر نوع داده از تصمیمی متفاوت پشتیبانی می‌کند و به رویکردی متفاوت برای ذخیره‌سازی و حاکمیت داده نیاز دارد.

داده‌های اصلی دارایی، ساختار پایدار را فراهم می‌کنند. این داده‌ها مشخص می‌کنند تجهیزات چیست، کجا نصب شده، به کدام سیستم تعلق دارد و چه قطعات یا اسنادی با آن مرتبط هستند. خطاها در سلسله‌مراتب دارایی می‌توانند در تمام فرایندهای نگهداری گسترش یابند. موتوری که به خط تولید اشتباه اختصاص داده شده است، ممکن است برنامه نگهداری پیشگیرانه، سطح بحرانی بودن و تخصیص هزینه نادرستی دریافت کند.

داده‌های رویدادی، رخدادهای مجزا را ثبت می‌کنند. تریپ، آلارم، بازرسی، تعمیر، وظیفه روان‌کاری یا تعویض قطعه، یک رویداد است. این سوابق ارزشمندند، زیرا توالی و فراوانی را مشخص می‌کنند. اگر یک درایو طی سه ماه شش بار تریپ کرده باشد، تاریخچه باید به مهندسان امکان دهد شرایط عملیاتی را مقایسه کنند و مشخص کنند آیا هر بار همان سازوکار دخیل بوده است یا خیر.

داده‌های سری زمانی نشان می‌دهند متغیرها چگونه تغییر می‌کنند. یک قرائت منفرد ارتعاش می‌تواند مفید باشد، اما روند، اطلاعات قدرتمندتری ارائه می‌دهد. افزایش تدریجی در یک باند دامنه ممکن است نشان‌دهنده نامیزانی در حال توسعه یا آسیب یاتاقان باشد. تکرار افزایش‌های دما می‌تواند مشکلات خنک‌کاری را آشکار کند. افزایش انحراف حرکت شیر می‌تواند اصطکاک مکانیکی یا فرسودگی عملگر را پیش از مختل‌شدن فرایند نشان دهد.

سازمان‌ها زمانی بیشترین ارزش را به دست می‌آورند که این دسته‌ها به هم متصل باشند. یک دستور کار باید به تجهیز صحیح ارجاع دهد. تجهیز باید به نقشه‌ها و قطعات یدکی آن متصل باشد. رویداد خرابی باید با آلارم‌ها و روندهای فرایندی مرتبط ثبت شود. رکورد تکمیل کار باید تعمیر انجام‌شده را مستند کند و خط مبنای جدیدی برای مقایسه‌های آینده ایجاد کند.

منابع داده‌های تعمیرات صنعتی

کارخانه‌های مدرن اطلاعات تعمیرات را از منابع بسیاری تولید می‌کنند. CMMS معمولاً سیستم مرجع مدیریت کار است، اما تنها بخشی از محیط گسترده‌تر داده محسوب می‌شود. اطلاعات ارزشمند دیگری نیز در PLCها، سیستم‌های کنترل توزیع‌شده، سیستم‌های ایمنی، رله‌های حفاظتی، هیستورین‌ها، گزارش‌های اپراتورها، پلتفرم‌های پایش وضعیت، سیستم‌های آزمایشگاهی و پایگاه‌های داده موجودی وجود دارد.

سیستم‌های کنترل، زمینه عملیاتی را فراهم می‌کنند. یک PLC ممکن است تعداد چرخه‌ها، وضعیت‌های اینترلاک، راه‌اندازی موتور، کدهای خطا و مدت زمان کارکرد تجهیزات را ثبت کند. یک DCS ممکن است آلارم‌های فرایند، خروجی کنترلر، موقعیت شیر، روندهای دما و رویدادهای توالی را نگه‌داری کند. این سیگنال‌ها به تیم‌های تعمیرات کمک می‌کنند بفهمند تجهیز پیش از وقوع خرابی چه وضعیتی داشته است.

سیستم‌های حفاظت و پایش، اطلاعات تشخیصی تخصصی ارائه می‌دهند. رک‌های حفاظت ماشین‌آلات می‌توانند ارتعاش، موقعیت محوری، سرعت، فاز و رویدادهای گذرا را ثبت کنند. رله‌های الکتریکی قادرند جریان، ولتاژ، فرکانس، عملکردهای کلید قدرت و گزارش‌های اختلال را ثبت کنند. درایوها می‌توانند بارگذاری حرارتی، گشتاور، وضعیت باس DC و تاریخچه خطاهای داخلی را گزارش دهند.

ابزارهای قابل‌حمل همچنان اهمیت دارند. تکنسین‌ها مسیرهای ارتعاش، قرائت‌های اولتراسونیک، تصاویر فروسرخ، اندازه‌گیری‌های مقاومت عایقی، نمونه‌های روغن و نتایج کالیبراسیون را جمع‌آوری می‌کنند. بازدیدهای دستی همچنین مشاهداتی را ثبت می‌کنند که حسگرها به‌سادگی نمی‌توانند آن‌ها را کمّی‌سازی کنند؛ مانند بو، شل‌بودن، نشتی، آلودگی و تجمع غیرعادی محصول.

سیستم‌های کسب‌وکار هزینه‌ها و اطلاعات تأمین را اضافه می‌کنند. سوابق خرید، زمان‌های تأمین و عملکرد تأمین‌کنندگان را آشکار می‌کنند. سیستم‌های موجودی، دسترس‌پذیری و مصرف قطعات یدکی و میزان درمعرض‌بودن آن‌ها برای منسوخ‌شدن را نشان می‌دهند. سیستم‌های منابع انسانی یا زمان‌بندی نیز ممکن است اطلاعاتی درباره دسترس‌پذیری نیروی کار و صلاحیت‌های آن ارائه کنند. وقتی این منابع به هم متصل باشند، تصمیم‌های نگهداری می‌توانند هم وضعیت فنی و هم واقعیت عملیاتی را در نظر بگیرند.

چرا دسترسی به‌موقع مهم‌تر از صرفاً ذخیره‌کردن داده است

یک کارخانه می‌تواند حجم زیادی اطلاعات جمع‌آوری کند و همچنان تصمیم‌های ضعیفی بگیرد. داده فقط زمانی ارزش دارد که افراد مناسب بتوانند آن را در قالبی مفید و در زمان مناسب به دست آورند. روندی که در یک تاریخچه‌نگار پنهان شده، گزارشی که روی یک درایو محلی ذخیره شده یا یادداشت دست‌نویس تکنسین ممکن است وجود داشته باشد، اما لزوماً بر تصمیم بعدی نگهداری تأثیر نمی‌گذارد.

دسترسی به‌موقع به تیم‌ها کمک می‌کند پیش از تبدیل‌شدن وخامت وضعیت به خرابی، واکنش نشان دهند. وقتی اپراتور صدای غیرعادی را گزارش می‌کند، برنامه‌ریز نگهداری باید بتواند سوابق اخیر کارها را بررسی کند، روندهای وضعیت را بسنجد، موجودی قطعات یدکی را تأیید کند و تأثیر بر تولید را ارزیابی کند. اگر این فرایند چند روز طول بکشد، ممکن است تجهیزات پیش از اقدام سازمان از کار بیفتند.

دسترسی به اطلاعات همچنین تداوم کار بین شیفت‌ها را بهبود می‌دهد. سایت‌های صنعتی شبانه‌روزی فعالیت می‌کنند، اما کارکنان به‌صورت فردی چنین حضوری ندارند. یک سابقه الکترونیکی روشن به شیفت بعدی امکان می‌دهد بفهمد چه چیزی مشاهده شده، چه اقدامات موقتی انجام شده، کدام خطرها باقی مانده‌اند و چه کارهای پیگیری لازم است.

در سطح مدیریت، اطلاعات به‌روز از اولویت‌بندی پشتیبانی می‌کند. مدیران نگهداری باید دائماً تصمیم بگیرند کدام درخواست‌ها به اقدام فوری نیاز دارند، کدام کارها می‌توانند تا توقف برنامه‌ریزی‌شده منتظر بمانند و کدام تجهیزات به پشتیبانی مهندسی نیاز دارند. داده‌های کامل درباره وضعیت و بحرانی‌بودن تجهیزات، این تصمیم‌ها را سازگارتر می‌کند و وابستگی آن‌ها را به این‌که چه کسی با اصرار بیشتری استدلال می‌کند، کاهش می‌دهد.

برنامه‌ریزی بلندمدت نیز به سابقه‌ای قابل دسترس وابسته است. تمدید قرارداد، تأمین نیروی انسانی، آموزش، راهبرد قطعات یدکی و تعویض تجهیزات، همگی به شواهد نیاز دارند. مدیر نمی‌تواند تعویض یک کمپرسور غیرقابل‌اعتماد را توجیه کند، اگر زمان توقف، هزینه تعمیر و تأثیر بر تولید به‌دقت ثبت نشده باشند.

داده‌های نامناسب زنجیره‌ای از خطاهای نگهداری ایجاد می‌کنند

دستورکارهای ناقص به‌ندرت فقط یک مشکل اداری باقی می‌مانند. آن‌ها بر برنامه‌ریزی، تحلیل قابلیت اطمینان، موجودی، بودجه‌بندی و عیب‌یابی آینده تأثیر می‌گذارند. یادداشت مبهمی مانند «موتور تعمیر شد» توضیح نمی‌دهد که آیا ایراد مربوط به یاتاقان‌ها، عایق‌بندی، هم‌راستایی، خنک‌کاری، ترمینال‌ها یا بار متصل بوده است. تکنسین بعدی باید با سابقه‌ای اندک و کم‌فایده، کار را از ابتدا شروع کند.

کدگذاری نادرست خرابی می‌تواند تحلیل قابلیت اطمینان را مخدوش کند. اگر هر توقفی با عنوان «خرابی مکانیکی» کدگذاری شود، سازمان نمی‌تواند سازوکارهای غالب را شناسایی کند. اگر تریپ‌های کاذب بدون شواهد به خطای اپراتور نسبت داده شوند، ممکن است یک مشکل زیربنایی در ابزار دقیق یا منطق کنترلی همچنان حل‌نشده باقی بماند.

نبود سوابق نیروی کار و مواد نیز تصمیم‌گیری درباره هزینه‌ها را تضعیف می‌کند. ممکن است یک تعمیر ارزان به نظر برسد، زیرا اضافه‌کاری، پشتیبانی پیمانکار یا تولید ازدست‌رفته ثبت نشده است. مدیریت ممکن است به تعمیر دارایی‌ای ادامه دهد که باید تعویض شود، زیرا هزینه واقعی چرخه عمر آن قابل مشاهده نیست.

سوابق تکراری دارایی‌ها مشکل رایج دیگری ایجاد می‌کنند. ممکن است یک تجهیز، سوابق جداگانه‌ای تحت شماره تگ، نام مکان و نام مستعار تولید داشته باشد. وظایف نگهداری پیشگیرانه ممکن است به یک سابقه اختصاص داده شوند، درحالی‌که خرابی‌ها در سابقه‌ای دیگر ثبت شوند. داده‌های حاصل نشان می‌دهند که نگهداری انجام شده است، حتی زمانی که دارایی درست نادیده گرفته شده باشد.

بنابراین کیفیت داده‌ها به چیزی بیش از دقت نیاز دارد. داده‌ها باید کامل، به‌موقع، سازگار، قابل ردیابی و مرتبط نیز باشند. یک قرائت دمای کاملاً دقیق، اگر به دارایی یا شرایط عملیاتی درست مرتبط نباشد، ارزش محدودی دارد. یک دستورکار دقیق نیز اگر سه هفته پس از تکمیل کار بسته شود، کاربرد کمتری خواهد داشت.

CMMS به‌عنوان ستون فقرات اطلاعات نگهداری و تعمیرات

CMMS بستری مرکزی برای سوابق دارایی‌ها، درخواست‌های خدمات، نگهداری پیشگیرانه، برنامه‌ریزی کار، موجودی، نیروی کار، هزینه‌ها و گزارش‌دهی فراهم می‌کند. مزیت اصلی آن صرفاً دیجیتالی کردن کاغذبازی نیست. این سیستم میان اطلاعاتی که در غیر این صورت در بخش‌ها و فایل‌های فردی پراکنده می‌مانند، ارتباط ایجاد می‌کند.

یک CMMS با ساختار مناسب به اپراتور اجازه می‌دهد درخواستی را برای یک دارایی مشخص ثبت کند. برنامه‌ریز می‌تواند سوابق خدمات دارایی را بررسی کند، مهارت‌های موردنیاز را شناسایی کند، قطعات را بررسی کند، رویه‌ها را پیوست کند و کار را زمان‌بندی کند. تکنسین می‌تواند یافته‌ها، نیروی کار، مواد، اندازه‌گیری‌ها و توصیه‌های پیگیری را ثبت کند. سپس مهندسان قابلیت اطمینان می‌توانند سابقه تکمیل‌شده را در کنار داده‌های وضعیت و تولید تحلیل کنند.

CMMS استانداردسازی را نیز بهبود می‌دهد. فیلدهای اجباری، کدهای خرابی، برنامه‌های کاری، چک‌لیست‌ها و گردش‌کارهای تأیید، تنوع را کاهش می‌دهند. این موضوع به‌ویژه در سایت‌های بزرگ ارزشمند است؛ جایی که بخش‌های مختلف ممکن است برای تجهیزات مشابه از اصطلاحات متفاوتی استفاده کنند.

بااین‌حال، کیفیت اجرا اهمیت دارد. یک سیستم مدیریت نگهداری و تعمیرات رایانه‌ای (CMMS) که با دارایی‌های دارای ساختار ضعیف، وظایف عمومی نگهداری پیشگیرانه و دستورکارهای ناقص پر شده باشد، می‌تواند اعتماد بیشتری از آنچه داده‌ها شایسته‌اش هستند ایجاد کند. سازمان‌ها باید با سیستم مانند یک انضباط عملیاتی رفتار کنند، نه صرفاً یک نصب فناوری اطلاعات.

مالکیت باید روشن باشد. واحد نگهداری و تعمیرات باید فرایندهای کاری و ساختارهای دارایی را تعریف کند. واحد مهندسی باید از استانداردهای فنی پشتیبانی کند. واحد عملیات باید درخواست‌های دقیق خدمات و زمینه فرایند را ارائه دهد. کارکنان انبار باید سوابق قطعات یدکی را نگهداری کنند. مدیریت باید کیفیت داده‌ها را بررسی کند و از اطلاعات در تصمیم‌های واقعی استفاده کند.

اتوماسیون خطای دستی را کاهش می‌دهد، اما قضاوت را حذف نمی‌کند

جمع‌آوری دستی داده همچنان رایج است، زیرا برای شروع انعطاف‌پذیر و کم‌هزینه است. یک تکنسین می‌تواند بسیاری از شرایط را با دیدن، شنیدن، لمس کردن و ابزارهای ساده بررسی کند. بااین‌حال، فرایندهای دستی در برابر بازدیدهای ازدست‌رفته، خطاهای رونویسی، واحدهای ناسازگار و توصیف‌های ذهنی آسیب‌پذیرند.

جمع‌آوری خودکار، تناوب و تکرارپذیری را بهبود می‌دهد. حسگرها می‌توانند دما، ارتعاش، فشار، جریان، رطوبت، سرعت و متغیرهای دیگر را بدون انتظار برای بازرسی برنامه‌ریزی‌شده اندازه‌گیری کنند. کنترلرها و دستگاه‌های پایش می‌توانند ساعات کارکرد، راه‌اندازی‌ها، تریپ‌ها و وضعیت‌های آلارم را مستقیماً به تاریخچه‌نگار یا پلتفرم تعمیر و نگهداری ارسال کنند.

این کار نیاز به ورود دوبارهٔ اطلاعات را کاهش می‌دهد و می‌تواند فرسایش اولیه را آشکار کند. یک حسگر بی‌سیم دما روی موتوری دورافتاده ممکن است داغ‌شدن بیش‌ازحد را در فاصلهٔ بین بازرسی‌های ماهانه شناسایی کند. شمارندهٔ زمان کارکرد درایو می‌تواند تعمیر و نگهداری را بر اساس میزان استفادهٔ واقعی، نه زمان تقویمی، فعال کند. سامانهٔ عیب‌یابی شیر می‌تواند افزایش اصطکاک را پیش از ناپایدار شدن حلقه آشکار کند.

اتوماسیون همچنین ثبات را بهبود می‌دهد، زیرا هر بار از یک روش اندازه‌گیری یکسان استفاده می‌شود. این کار می‌تواند داده‌های خام را برای اهداف مختلف، از جمله ایجاد دستورکار، بررسی وضعیت، برنامه‌ریزی و گزارش‌دهی، متمرکز کند.

بااین‌حال، حسگرها همهٔ شرایط را توضیح نمی‌دهند. یک اندازه‌گیری ممکن است تحت تأثیر بار فرایند، محل نصب حسگر، کالیبراسیون یا تداخل محیطی قرار گیرد. هشدارهای خودکار باید از قضاوت مهندسی پشتیبانی کنند، نه اینکه جایگزین آن شوند. بهترین برنامه‌ها پایش مداوم را با مشاهدات تکنسین‌ها و دانش عملیاتی ترکیب می‌کنند.

اتصال سیستم‌های کنترلی به گردش‌کارهای تعمیر و نگهداری

بسیاری از سازمان‌ها داده‌های ارزشمند فرایندی را جمع‌آوری می‌کنند، اما در اتصال آن به اجرای فعالیت‌های تعمیر و نگهداری ناکام می‌مانند. ممکن است آلارمی در DCS ظاهر شود، اما هیچ درخواست کاری ایجاد نشود. PLC ممکن است تعداد راه‌اندازی‌های بیش‌ازحد موتور را بشمارد، اما اطلاعات داخل برنامه باقی بماند. رلهٔ حفاظتی ممکن است رکورد اختلالی را ذخیره کند که هرگز به سوابق تعمیر پیوند نخورد.

یکپارچه‌سازی باید با یک نیاز روشن کسب‌وکار آغاز شود. هر آلارمی نباید به ایجاد یک دستورکار منجر شود. چنین کاری می‌تواند CMMS را از رخدادهای کم‌ارزش پر کند. در عوض، تیم‌ها باید شرایطی را که نیازمند اقدام هستند شناسایی کنند، قواعد تداوم را تعریف کنند و مسئولیت بررسی را تعیین کنند.

برای نمونه، دمای بالای یاتاقان که دو ثانیه ادامه داشته باشد ممکن است نیاز به تعمیر و نگهداری را توجیه نکند. همین وضعیت اگر در شرایط بار عادی پانزده دقیقه ادامه یابد، ممکن است بازرسی را ضروری کند. خطای تکرارشوندهٔ درایو که به‌طور خودکار بازنشانی می‌شود، ممکن است پس از سومین رخداد در یک بازهٔ زمانی مشخص، به یک کار تشخیصی برنامه‌ریزی‌شده نیاز داشته باشد.

سیستم‌های کنترل DCS مدرن، پلتفرم‌های PLC، تاریخچه‌نگارها و برنامه‌های درگاه می‌توانند اطلاعات منتخب را از طریق APIها، میان‌افزار، رابط‌های OPC یا انتقال‌های زمان‌بندی‌شدهٔ داده با نرم‌افزار نگهداشت تبادل کنند. معماری باید مُهرهای زمانی، هویت تجهیزات، واحدهای مهندسی و کیفیت منبع را حفظ کند.

یکپارچه‌سازی به بررسی امنیت سایبری نیز نیاز دارد. یک برنامهٔ نگهداشت نباید دسترسی نوشتن نامحدود به شبکهٔ کنترل داشته باشد. جریان‌های داده باید بخش‌بندی، احراز هویت و پایش شوند و مطابق با خط‌مشی امنیت فناوری عملیاتی کارخانه طراحی شوند.

پایش وضعیت، اندازه‌گیری‌ها را به شواهد نگهداشت تبدیل می‌کند

پایش وضعیت یکی از ارزشمندترین منابع دادهٔ نگهداشت است، زیرا بر سلامت تجهیزات تمرکز دارد، نه زمان تقویمی. هدف، شناسایی تغییر معنادار، درک سازوکار احتمالی خرابی و فراهم‌کردن زمان کافی برای مداخلهٔ برنامه‌ریزی‌شده است.

برنامه‌های مربوط به ماشین‌آلات دوار اغلب ارتعاش، دما، سرعت، فاز، وضعیت روغن و بار فرایند را ترکیب می‌کنند. برنامه‌های الکتریکی ممکن است از امضای جریان، آزمون‌های عایقی، تخلیهٔ جزئی، ترموگرافی و شمارش دفعات عملکرد کلید قدرت استفاده کنند. برنامه‌های ابزار دقیق ممکن است دریفت کالیبراسیون، کورس شیر، فشار عملگر و عملکرد حلقه را پایش کنند.

فناوری اندازه‌گیری باید با نوع خرابی مطابقت داشته باشد. یک حسگر دمای عمومی ممکن است داغ‌شدن بیش‌ازحد را شناسایی کند، اما احتمالاً آسیب اولیهٔ یاتاقان را نشان نمی‌دهد. ارتعاش با فرکانس بالا یا اولتراسونیک می‌تواند عیوب را زودتر شناسایی کند. تحلیل ذرات موجود در روغن می‌تواند سایش‌هایی را شناسایی کند که اندازه‌گیری‌های خارجی قادر به تشخیص آن‌ها نیستند. هیچ حسگر واحدی تشخیص کاملی ارائه نمی‌دهد.

داده‌ها باید در زمینهٔ عملیاتی نیز تفسیر شوند. ممکن است ارتعاش در محدودهٔ سرعتی خاص افزایش یابد، بدون آنکه نشان‌دهندهٔ فرسایش باشد. جریان موتور ممکن است به‌دلیل افزایش بار فرایند بیشتر شود. ممکن است یک شیر به‌دلیل تغییر تنظیمات کنترلر، دفعات بیشتری عمل کند. تحلیلگران برای تفکیک تغییرات عادی از خرابی‌های در حال شکل‌گیری به متغیرهای فرایند، وضعیت ماشین و سوابق نگهداشت نیاز دارند.

سازمان‌هایی که در حال ایجاد یا گسترش برنامه‌های پایش ماشین‌آلات هستند، باید پیش از نصب تعداد زیادی حسگر، منطق هشدار، شرایط مبنا، مسئولیت بررسی و مراحل ارجاع را مشخص کنند. فناوری تنها زمانی ارزش ایجاد می‌کند که یافته‌های غیرعادی به اقدام به‌موقع منجر شوند.

نگهداشت پیشگویانه به زمینهٔ تاریخیِ پاک و منسجم وابسته است

نگهداشت پیشگویانه اغلب به‌عنوان مسئله‌ای در تحلیل پیشرفته داده مطرح می‌شود، اما پایهٔ آن داده‌های تاریخیِ منظم و دقیق است. اگر تاریخ خرابی‌ها نامشخص باشد، هویت تجهیزات یکسان نباشد یا شرایط عملیاتی ثبت نشده باشد، مدل نمی‌تواند روابط مفیدی را یاد بگیرد.

پیش‌بینی موفق با تعریف یک نتیجه مشخص آغاز می‌شود. سازمان ممکن است بخواهد عمر یاتاقان را برآورد کند، گرفتگی را تشخیص دهد، افت عملکرد باتری را پیش‌بینی کند، چسبندگی شیر را شناسایی کند یا داغ‌شدن بیش از حد درایو را پیش‌بینی کند. هر هدف به ورودی‌های متفاوت و تعریف روشنی از معیار خرابی نیاز دارد.

دستورکارهای کاری تاریخی، برچسب رویدادهای گذشته را فراهم می‌کنند. روندهای حسگر و فرایند، شرایط پیش از رویداد را نشان می‌دهند. داده‌های تولید، میزان بارگذاری را توضیح می‌دهند. داده‌های محیطی ممکن است دما یا آلودگی را توضیح دهند. این سوابق در کنار هم به مهندسان امکان می‌دهند الگوهای تکرارشونده را شناسایی کنند.

حتی بدون یادگیری ماشین، تحلیل روند و آستانه می‌تواند نتایج قابل‌توجهی ارائه دهد. افزایش پیوسته ارتعاش، افزایش اختلاف دما در دو سوی مبدل حرارتی یا تکرار انحراف حرکت شیر می‌تواند از تعمیرات برنامه‌ریزی‌شده پشتیبانی کند. مدل‌های پیشرفته‌تر زمانی مفید می‌شوند که متغیرهای زیادی با هم تعامل داشته باشند یا تشخیص الگوهای فرسایش به‌صورت دستی دشوار باشد.

نباید پیش‌بینی را معادل قطعیت دانست. خروجی، برآوردی از ریسک است که باید در برابر اهمیت تجهیز، موجود بودن قطعات یدکی، فرصت توقف و پیامد خرابی ارزیابی شود. احتمال متوسط ممکن است برای یک ماشین ایمنی‌حیاتی اقدام فوری را توجیه کند، اما برای یک پمپ تأسیسات یدکی فقط ادامه پایش را ضروری بداند.

شکل ۲. سابقه تعمیرات و روندهای وضعیت می‌توانند با ارائه هشدار زودتر و آماده‌سازی بهتر به تیم‌ها، زمان تعمیر را کاهش دهند.

یک مثال کاربردی: تشخیص مشکل در حال پیشرفت پمپ

پمپی فرایندی را در نظر بگیرید که طی دوازده ماه، سه بار دچار خرابی آب‌بند شده است. رویکرد واکنشی هر رویداد را یک تعمیر جداگانه تلقی می‌کند. آب‌بند تعویض می‌شود، پمپ به سرویس بازمی‌گردد و دستورکار بسته می‌شود.

یک بررسی مبتنی بر داده، چندین منبع را با هم ترکیب می‌کند. دستورکارهای کاری، دفعات تکرار مشکل و قطعات تعویض‌شده را نشان می‌دهند. روندهای ارتعاش، افزایش حرکت محوری را پیش از هر رویداد آشکار می‌کنند. داده‌های فرایند نشان می‌دهند که فشار مکش در طول برخی کارزارهای تولید کاهش می‌یابد. یادداشت‌های اپراتورها به صدای مقطعی در نزدیکی سطح پایین مخزن اشاره می‌کنند. سوابق هم‌راستاسازی نشان می‌دهند که پس از آخرین تعمیر، انحراف قابل‌توجهی وجود نداشته است.

در مجموع، شواهد نشان می‌دهند که آب‌بند علت اصلی نیست. ممکن است پمپ در شرایط فشار مکش پایین، نزدیک به وضعیت کاویتاسیون کار کند. بنابراین، اقدام تعمیراتی تغییر می‌کند. تیم به‌جای تعویض مکرر آب‌بندها، حدود کاری، لوله‌کشی مکش، حداقل سطح مخزن و انتخاب پمپ را بررسی می‌کند.

رکورد CMMS باید سازوکار خرابی، اقدام اصلاحی و برنامه بازبینی اصلاح‌شده را مستند کند. سیستم کنترل می‌تواند بر اساس فشار مکش و دبی، یک هشدار نیز اضافه کند. واحد بهره‌برداری ممکن است دستورالعمل کار در سطح پایین را بازبینی کند. واحد مهندسی می‌تواند در توقف بعدی، تغییر پروانه یا لوله‌کشی را ارزیابی کند.

این مثال نشان می‌دهد چرا داده‌های نگهداری باید از مرزهای واحدهای سازمانی عبور کنند. راه‌حل از یک قرائت ارتعاش یا یک دستورکار واحد به دست نیامد. این راه‌حل حاصل ترکیب سوابق نگهداری، شرایط فرایند، دانش اپراتور و تحلیل مهندسی بود.

دستورکارها باید یافته‌ها را ثبت کنند، نه فقط فعالیت‌ها را

دستورکار یکی از مهم‌ترین سوابق نگهداری است، زیرا آنچه سازمان آموخته است را مستند می‌کند. بسیاری از سیستم‌ها بر تکمیل اداری تمرکز دارند: کار ایجاد، تخصیص، اجرا و بسته شده است. یک فرایند قوی‌تر، ارزش تشخیصی را نیز ثبت می‌کند.

سابقه تکمیل کار باید نشانه گزارش‌شده را از وضعیت واقعاً مشاهده‌شده متمایز کند. «موتور روشن نمی‌شود» یک نشانه است. یافته واقعی ممکن است خرابی بوبین کنتاکتور، عمل‌کردن رله اضافه‌بار، قطع‌شدن هادی، اینترلاک PLC یا گیر مکانیکی باشد. ثبت این تفاوت، عیب‌یابی و تحلیل خرابی‌های آینده را بهبود می‌دهد.

سوابق باید اقدام انجام‌شده را نیز توصیف کنند. «تعمیر شد» کافی نیست. یک ثبت مفید، قطعه تعویض یا تنظیم‌شده، آزمون انجام‌شده، وضعیت نهایی عملکرد و هرگونه ریسک باقی‌مانده را مشخص می‌کند. اندازه‌گیری‌های پیش و پس از تعمیر ارزش ویژه‌ای دارند.

نباید تکنسین‌ها را با ورود بیش از حد داده‌ها تحت فشار گذاشت. فرم‌ها باید اطلاعاتی را جمع‌آوری کنند که از تصمیم‌های واقعی پشتیبانی می‌کند. کدهای کشویی می‌توانند یکنواختی را افزایش دهند، در حالی که فیلدهای کوتاه روایی، زمینه را حفظ می‌کنند. دسترسی موبایلی، اسکن بارکد و قالب‌های تجهیزات می‌توانند تلاش موردنیاز را کاهش دهند.

سرپرستان باید کیفیت تکمیل کار را بررسی کنند، به‌ویژه در مورد تجهیزات حیاتی و خرابی‌های تکرارشونده. سوابق فنی ضعیف باید زمانی اصلاح شوند که جزئیات هنوز تازه‌اند. با گذشت زمان، انتظارات روشن هم کیفیت داده‌ها و هم فرهنگ نگهداری را بهبود می‌دهند.

برنامه‌ریزی و زمان‌بندی با داده‌های بهتر قابل‌اعتمادتر می‌شوند

برنامه‌ریزی نگهداری به دامنه دقیق کار وابسته است. بدون سابقه تجهیزات و اطلاعات استاندارد کار، برنامه‌ریزان باید نیروی کار، ابزار، مواد و مدت‌زمان را بر اساس دانش محدودی تخمین بزنند. این موضوع خطر تأخیر، مراجعه‌های تکراری و ناقص ماندن کار را افزایش می‌دهد.

سوابق تاریخی می‌توانند نشان دهند کارهای مشابه چقدر زمان برده‌اند، چه قطعاتی مصرف شده‌اند، چه مشکلات دسترسی‌ای رخ داده و آیا به بالابری ویژه یا ایزوله‌سازی نیاز بوده است. برنامه‌ریز می‌تواند از این شواهد برای آماده‌سازی بسته کاری واقع‌بینانه‌تر استفاده کند.

زمان‌بندی نیز زمانی بهبود می‌یابد که وضعیت دارایی‌ها قابل مشاهده باشد. تیم‌ها می‌توانند کارهای مرتبط را در طول یک توقف برنامه‌ریزی‌شده گروه‌بندی کنند، با تولید هماهنگ شوند و از راه‌اندازی و توقف غیرضروری تجهیزات جلوگیری کنند. یک خرابی در حال پیشرفت را می‌توان در نزدیک‌ترین فرصت موجود برطرف کرد، نه اینکه به توقف اضطراری منجر شود.

مدیریت کارهای معوق نیز مستدل‌تر می‌شود. مدیران به‌جای اولویت‌بندی صرفاً بر اساس قدمت درخواست، می‌توانند ایمنی، پیامد زیست‌محیطی، تأثیر بر تولید، احتمال خرابی و وضعیت فعلی را در نظر بگیرند. این کار از مدفون‌شدن کارهای فوری در میان درخواست‌های کم‌ارزش جلوگیری می‌کند.

داده‌های دقیق درباره مدت‌زمان و تکمیل کار نیز از برنامه‌ریزی ظرفیت پشتیبانی می‌کنند. اگر کارهای برق به‌طور مستمر از نیروی کار موجود بیشتر زمان ببرند، مدیریت می‌تواند آموزش، استخدام یا پشتیبانی پیمانکار را توجیه کند. اگر کارهای برنامه‌ریزی‌شده اغلب به کارهای اضطراری تبدیل شوند، سازمان می‌تواند بررسی کند که آیا بازرسی‌ها، قطعات یا فرایندهای تأیید ناکافی هستند یا نه.

تصمیم‌گیری درباره قطعات یدکی به شواهد نگهداری و قابلیت اطمینان نیاز دارد

تصمیم‌های مربوط به موجودی اغلب از تحلیل نگهداری و تعمیرات جدا هستند، اما این دو باید ارتباط نزدیکی داشته باشند. یک قطعه یدکی تنها در ارتباط با بحرانی‌بودن تجهیزات، احتمال خرابی، زمان تأمین، قابلیت تعویض‌پذیری و پیامد نداشتن آن ارزش دارد.

سوابق مصرف در CMMS نشان می‌دهد کدام قطعات به‌طور مکرر استفاده می‌شوند. دستورکارها توضیح می‌دهند چرا از آن‌ها استفاده شده است. داده‌های خرید، زمان تأمین و قابلیت اطمینان تأمین‌کننده را آشکار می‌کنند. سوابق مهندسی مشخص می‌کنند که آیا گزینه‌های جایگزین تأیید شده‌اند یا نه. این اطلاعات به تیم‌های انبار کمک می‌کند قطعات یدکی ضروری را از موجودی غیرفعال تفکیک کنند.

مصرف تکراری ممکن است نشان‌دهنده مشکل قابلیت اطمینان باشد، نه نیاز به ذخیره‌سازی بیشتر. اگر همان حسگر، یاتاقان یا منبع تغذیه به‌طور مکرر تعویض شود، تیم باید نصب، محیط، بارگذاری یا علت ریشه‌ای را بررسی کند. بنابراین، داده‌های موجودی می‌توانند به یک سیگنال هشدار زودهنگام تبدیل شوند.

مدیریت منسوخ‌شدن تجهیزات نیز به سوابق دارایی‌ها وابسته است. PLCها، درایوها، رله‌های حفاظتی و سامانه‌های پایش قدیمی ممکن است همچنان قابل‌اعتماد باشند، اما پشتیبانی از آن‌ها دشوار شود. ثبت دقیق تجهیزات نصب‌شده به سازمان‌ها امکان می‌دهد ماژول‌های مشترک را شناسایی کنند، قطعات یدکی راهبردی را حفظ کنند و پیش از وقوع شرایط اضطراری برای مهاجرت برنامه‌ریزی کنند.

برای قطعات باارزش، سوابق تعمیر و وضعیت قطعه می‌تواند از تصمیم‌گیری درباره بازسازی، استفاده از واحدهای تعویضی یا جایگزینی پشتیبانی کند. هدف، حداقل‌کردن موجودی نیست؛ بلکه مدیریت ریسک در سطحی قابل‌قبول از هزینه کل است.

معیارهای نگهداری و تعمیرات باید به اقدام منجر شوند

سازمان‌های نگهداری و تعمیرات اغلب شاخص‌های کلیدی عملکرد زیادی جمع‌آوری می‌کنند، اما در استفاده از آن‌ها مشکل دارند. یک معیار تنها زمانی ارزشمند است که از یک تصمیم پشتیبانی کند، روندی را آشکار سازد یا نشان دهد که آیا یک بهبود مؤثر است یا نه.

معیارهای رایج شامل درصد کار برنامه‌ریزی‌شده، انطباق با برنامه، تکمیل نگهداری پیشگیرانه، کار اضطراری، عمر معوقات، میانگین زمان بین خرابی‌ها، میانگین زمان تعمیر، نرخ خرابی تکراری، هزینه نگهداری و تعمیرات و دسترس‌پذیری قطعات یدکی است. هر معیار می‌تواند مفید باشد، اما تعریف‌ها باید یکسان باشند.

میانگین زمان بین خرابی‌ها می‌تواند گمراه‌کننده باشد اگر رویدادهای خرابی به‌درستی کدگذاری نشده باشند یا زمان کارکرد تجهیزات مشخص نباشد. انطباق با نگهداری پیشگیرانه ممکن است بالا به نظر برسد، حتی وقتی کارها با تأخیر یا بدون بازرسی معنادار انجام شده‌اند. انطباق با برنامه می‌تواند تیم‌ها را به اجتناب از کارهای دشوار ترغیب کند، اگر مدیریت بدون در نظر گرفتن زمینه بر عدد تمرکز کند.

بنابراین، بررسی متوازن ضروری است. شاخص‌های پیشرو نشان می‌دهند فرایند نگهداری و تعمیرات تا چه حد اجرا می‌شود، در حالی که شاخص‌های پسرو نتایج را نشان می‌دهند. درصد کار برنامه‌ریزی‌شده یک شاخص پیشرو است. زمان ازکارافتادگی و خرابی‌های تکراری شاخص‌های پسرو هستند. بهبود به هر دو نیاز دارد.

شاخص‌ها باید بر اساس کلاس دارایی، ناحیه تولید و میزان بحرانی‌بودن تفکیک شوند. میانگین کل کارخانه ممکن است مشکلی جدی را در یک واحد پنهان کند. روندها معمولاً از یک مقدار منفرد ماهانه اطلاعات بیشتری ارائه می‌دهند. تیم‌ها همچنین باید اقدامات انجام‌شده پس از بررسی را ثبت کنند؛ در غیر این صورت، گزارش‌دهی به تمرینی برای ارائه تبدیل می‌شود، نه فرایندی مدیریتی.

بحرانی‌بودن دارایی به داده معنای کسب‌وکاری می‌دهد

یک وضعیت یکسان، در هر دارایی، واکنش یکسانی را توجیه نمی‌کند. ممکن است افزایش جزئی دما در یک فن خدماتی افزونه صرفاً پایش شود. همین تغییر در یک کمپرسور حیاتیِ منفرد ممکن است به مداخله فوری نیاز داشته باشد. بحرانی‌بودن دارایی زمینه لازم را برای تبدیل وضعیت به اولویت فراهم می‌کند.

ارزیابی بحرانی‌بودن معمولاً ایمنی، اثرات زیست‌محیطی، افت تولید، کیفیت، هزینه تعمیر، افزونگی و زمان بازیابی را در نظر می‌گیرد. روش امتیازدهی باید آن‌قدر ساده باشد که بتوان آن را به‌روز نگه داشت، اما آن‌قدر جزئیات داشته باشد که پیامد واقعی را متمایز کند.

بحرانی‌بودن بر راهبرد جمع‌آوری داده نیز تأثیر می‌گذارد. دارایی‌هایی با پیامدهای شدید ممکن است پایش پیوسته، کدگذاری دقیق خرابی و پوشش گسترده قطعات یدکی را توجیه کنند. دارایی‌های کم‌پیامد را می‌توان با بررسی‌های اپراتور یا خط‌مشی کارکرد تا خرابی مدیریت کرد.

این موضوع بر نحوه رسیدگی به هشدارها نیز تأثیر می‌گذارد. افزایش متوسط نرخ فرسایش در یاتاقان یک توربین حیاتی ممکن است بررسی مهندسی را فعال کند. روند مشابهی در یک فن غیرحیاتی ممکن است تا توقف برنامه‌ریزی‌شده بعدی صرفاً تحت نظر بماند.

با پیوند دادن بحرانی‌بودن به اولویت‌های کاری، دفعات بازرسی، پایش وضعیت و خط‌مشی موجودی، سازمان‌ها از اعمال شدت یکسان نگهداری و تعمیرات در همه‌جا جلوگیری می‌کنند. این کار باعث می‌شود برنامه داده از نظر اقتصادی متمرکز باشد، نه فناوری‌محور.

حاکمیت داده در بلندمدت از قابلیت اطمینان محافظت می‌کند

وقتی مالکیت مشخص نباشد، داده‌های تعمیرونگهداری کیفیت خود را از دست می‌دهند. نام دارایی‌ها تغییر می‌کند، شرح قطعات یدکی ناهماهنگ می‌شود، کدهای خرابی افزایش می‌یابند و وظایف پیشگیرانه بدون بازبینی کپی می‌شوند. فرایند حاکمیت، اطلاعات را با تغییر تجهیزات و کارکنان قابل استفاده نگه می‌دارد.

حاکمیت با استانداردها آغاز می‌شود. سازمان باید نام‌گذاری دارایی، قواعد سلسله‌مراتب، قراردادهای واحد، طبقه‌بندی‌های خرابی، کنترل اسناد و فیلدهای الزامی دستورکار را تعریف کند. این استانداردها باید بازتاب‌دهنده نحوه واقعی فعالیت کارخانه باشند، نه طراحی انتزاعی پایگاه داده.

نقش‌ها نیز به همان اندازه مهم‌اند. فردی باید سوابق جدید دارایی را تأیید کند، قطعات تکراری را بررسی کند، برنامه‌های کاری را نگهداری کند و اسناد منسوخ را از رده خارج کند. مهندسی قابلیت اطمینان یا تعمیرونگهداری ممکن است مالک استانداردهای فنی باشد، درحالی‌که برنامه‌ریزان و سرپرستان کیفیت روزانه سوابق را پایش می‌کنند.

پاک‌سازی دوره‌ای ضروری است. تیم‌ها باید دارایی‌های تکراری، وظایف پیشگیرانه غیرفعال، موارد فاقد اهمیت‌سنجی، فهرست‌های ناقص مواد و قطعاتی را که ارتباط معتبر با هیچ تجهیزی ندارند شناسایی کنند. بررسی‌های خودکار می‌توانند ناهنجاری‌ها را برجسته کنند، اما بازبینی فنی همچنان ضروری است.

قواعد نگهداری باید ارزش داده را نیز در نظر بگیرند. ممکن است داده خام حسگر با بسامد بالا نیازی به ذخیره‌سازی دائمی با وضوح کامل نداشته باشد، درحالی‌که رویدادهای خرابی و سوابق تعمیرات اساسی ممکن است برای چند دهه مهم باقی بمانند. سازمان باید مشخص کند چه داده‌هایی نگهداری، خلاصه‌سازی، بایگانی یا حذف می‌شوند.

امنیت سایبری باید در طراحی تعمیرونگهداری متصل لحاظ شود

اتصال حسگرها، کنترل‌کننده‌ها، تاریخچه‌نگارها، سکوهای ابری و برنامه‌های تعمیرونگهداری مزایای عملیاتی ایجاد می‌کند، اما سطح حمله را نیز گسترش می‌دهد. بنابراین، معماری داده‌های تعمیرونگهداری باید با الزامات امنیت سایبری صنعتی همسو باشد.

اصل نخست، بخش‌بندی است. برنامه‌های کاربردی کسب‌وکار نباید دسترسی نامحدود به شبکه‌های کنترلی داشته باشند. داده‌ها را می‌توان از طریق رابط‌های کنترل‌شده، دروازه‌ها یا نواحی غیرنظامی منتقل کرد. جهت انتقال، پروتکل، احراز هویت و ثبت رویدادها باید تعریف شوند.

حسگرهای دوردست و دستگاه‌های بی‌سیم به مدیریت چرخه عمر نیاز دارند. باید اطلاعات ورود پیش‌فرض تغییر کند، میان‌افزار تحت کنترل باشد و سرویس‌های بلااستفاده غیرفعال شوند. هویت و مالکیت دستگاه باید در سامانه دارایی ثبت شود.

یکپارچگی داده به‌اندازه محرمانگی اهمیت دارد. یک سیگنال نادرست درباره وضعیت، دستورکار تغییر‌یافته یا ارتباط نادرست دارایی می‌تواند به تصمیم‌های ناایمن برای تعمیرونگهداری منجر شود. سیستم‌ها باید مُهرهای زمانی، هویت منبع و ردپاهای حسابرسی را حفظ کنند.

دسترس‌پذیری نیز حیاتی است. یک پلتفرم تحلیل ابری ممکن است مفید باشد، اما کارخانه باید بداند هنگام قطعی شبکه چه اتفاقی می‌افتد. عملکردهای ضروری حفاظت و کنترل نباید به اتصال خارجی وابسته باشند. تیم‌های نگهداری و تعمیرات به رویه‌های جایگزین برای دسترسی به اسناد حیاتی و تکمیل کارها در زمان از دسترس خارج بودن سیستم‌ها نیاز دارند.

افراد و شیوه‌های کاری تعیین می‌کنند که سیستم موفق می‌شود یا نه

بسیاری از برنامه‌های داده‌های نگهداری و تعمیرات شکست می‌خورند، زیرا با آن‌ها مانند پروژه‌های نرم‌افزاری برخورد می‌شود. فناوری ممکن است به‌درستی کار کند، اما کارکنان ورود داده‌ها را کاری اضافی می‌بینند که فایده چندانی ندارد. پذیرش سیستم زمانی بهبود می‌یابد که سیستم کارهای روزمره را آسان‌تر کند و اطلاعات جمع‌آوری‌شده به‌طور آشکار مورد استفاده قرار گیرد.

تکنسین‌ها باید در طراحی فرم‌ها، نام‌گذاری دارایی‌ها و تدوین برنامه‌های کاری مشارکت کنند. آن‌ها می‌دانند کدام فیلدها در محل کار عملی هستند و کدام جزئیات به عیب‌یابی کمک می‌کنند. برنامه‌ریزان و سرپرستان باید توضیح دهند چرا برخی اطلاعات اهمیت دارند.

بازخورد ضروری است. وقتی تکنسینی یک خرابی تکرارشونده را ثبت می‌کند، سازمان باید آن را بررسی کرده و نتیجه را اطلاع‌رسانی کند. وقتی داده‌ها از یک تعمیر موفق پشتیبانی می‌کنند یا مانع خرابی می‌شوند، باید آن نمونه با دیگران به اشتراک گذاشته شود. این کار نشان می‌دهد که سوابق مناسب بر تصمیم‌های واقعی تأثیر می‌گذارند.

آموزش باید بر فرایندهای کاری تمرکز کند، نه فقط کلیک‌کردن روی دکمه‌ها. کارکنان باید بدانند چگونه دارایی درست را انتخاب کنند، نشانه را از علت متمایز کنند، از کدهای خرابی استفاده کنند و یادداشت‌های مفید درباره تکمیل کار بنویسند.

رفتار مدیریت معیارها را تعیین می‌کند. اگر مدیران سوابق ناقص را نادیده بگیرند یا بدون مراجعه به سیستم تصمیم بگیرند، کارکنان نیز همین کار را خواهند کرد. وقتی جلسات بر اساس شواهد CMMS، روندهای وضعیت و اقدامات مستند برگزار شوند، کیفیت داده‌ها به بخشی از انضباط عملیاتی تبدیل می‌شود.

ایجاد یک برنامه مؤثر داده‌های نگهداری و تعمیرات، گام‌به‌گام

یک پیاده‌سازی عملی با اولویت‌های کسب‌وکار آغاز می‌شود. سازمان باید مشخص کند اطلاعات ضعیف در کجا بیشترین زیان را ایجاد می‌کند. این زیان ممکن است ناشی از توقف اضطراری، خرابی‌های تکراری، برنامه‌ریزی ضعیف، موجودی بیش‌ازحد قطعات یدکی یا تجهیزات فرسوده باشد.

گام بعدی، ایجاد سلسله‌مراتب و اهمیت‌سنجی دارایی‌هاست. بدون ساختار قابل‌اعتماد برای دارایی‌ها، هر تحلیل بعدی دشوار می‌شود. تیم‌ها باید برچسب‌ها، مکان‌ها، روابط والد-فرزند و مالکیت را تأیید کنند.

سپس باید فرایندهای کاری استاندارد شوند. مشخص کنید درخواست‌ها چگونه ثبت می‌شوند، اولویت‌ها چگونه تعیین می‌شوند، برنامه‌ریزان چه چیزهایی آماده می‌کنند، تکنسین‌ها چه مواردی را ثبت می‌کنند و سرپرستان چگونه کارهای تکمیل‌شده را بررسی می‌کنند. اطلاعات الزامی باید به مواردی محدود شود که سازمان واقعاً از آن‌ها استفاده خواهد کرد.

پس از پایدار شدن زیرساخت، می‌توان خودکارسازی منتخب را معرفی کرد. با سیگنال‌های پربازدهی مانند زمان کارکرد، تعداد تریپ‌ها، روندهای ارتعاش یا آلارم‌های دما شروع کنید. از اتصال همه‌چیز به‌طور هم‌زمان خودداری کنید.

داشبوردها و گزارش‌ها باید به پرسش‌های مشخص پاسخ دهند. کدام دارایی‌های حیاتی در حال deteriorate شدن هستند؟ کدام خرابی‌ها تکرار می‌شوند؟ کدام کارهای برنامه‌ریزی‌شده به دلیل نبود قطعات در معرض خطر هستند؟ کدام وظایف پیشگیرانه هیچ عیبی پیدا نمی‌کنند و ممکن است به بازطراحی نیاز داشته باشند؟

در نهایت، برنامه باید به‌عنوان چرخه‌ای برای بهبود مستمر بازبینی شود. کیفیت داده، گردش‌های کار، قواعد آلارم و راهبردهای دارایی باید هم‌زمان با تغییرات کارخانه تکامل یابند.

مثال سوم: استفاده از DCS و سوابق نگهداری و تعمیرات در طول توقف

یک واحد فرایندی برای یک تعمیرات اساسی ده‌روزه برنامه‌ریزی می‌کند. فهرست اولیه کار شامل چند شیر کنترلی، ترانسمیتر و بازرسی مبدل حرارتی است. از نظر تاریخی، پس از خاموشی کارهای اضافی زیادی کشف می‌شوند و فشار بر زمان‌بندی ایجاد می‌کنند.

این بار، تیم سه ماه پیش از توقف، روندهای DCS، سابقه آلارم‌ها، عیب‌یابی شیرها، رانش کالیبراسیون و دستورکارهای قبلی را بررسی می‌کند. آن‌ها دو شیر با افزایش انحراف حرکت، یک ترانسمیتر با گرفتگی مکرر خط ایمپالس و یک حلقه دما با افزایش تغییرپذیری خروجی را شناسایی می‌کنند.

برنامه‌ریز کار هدفمند را اضافه می‌کند، قطعات را تأیید می‌کند، مراحل کار را آماده می‌کند و دسترسی را هماهنگ می‌سازد. در طول توقف، تکنسین‌ها فرسودگی در حال شکل‌گیری عملگر و آلودگی سازگار با داده‌ها را پیدا می‌کنند. تعمیرات بدون تمدید زمان‌بندی تکمیل می‌شوند.

تیم همچنین کارهای کم‌ارزش را حذف می‌کند. چند ابزار عملکردی پایدار و بدون سابقه نامطلوب دارند، بنابراین بازرسی مداخله‌ای به تعویق می‌افتد. این کار اختلال و نیروی کار غیرضروری را کاهش می‌دهد.

پس از راه‌اندازی، داده‌های مبنا ثبت و به کار تکمیل‌شده پیوند داده می‌شوند. اکنون سازمان می‌تواند رفتار آینده را با یک وضعیت شناخته‌شده پس از نگهداری و تعمیرات مقایسه کند.

این مثال یک اصل مهم را نشان می‌دهد: داده‌های نگهداری و تعمیرات فقط برای افزودن کار استفاده نمی‌شوند. این داده‌ها همچنین می‌توانند از کارهای غیرضروری جلوگیری کنند، دامنه توقف را کاهش دهند و منابع را بر جاهایی متمرکز کنند که شواهد بیشترین ریسک را نشان می‌دهند.

مزایای اصلی یک CMMS بالغ و راهبرد داده

یک سیستم بالغ داده‌های نگهداری و تعمیرات، چیزی فراتر از ثبت سوابق را بهبود می‌دهد. این سیستم توانایی سازمان را برای برنامه‌ریزی، یادگیری و کنترل ریسک افزایش می‌دهد. تیم‌های نگهداری و تعمیرات می‌توانند مشکلات در حال شکل‌گیری را زودتر شناسایی کنند، کار را کامل‌تر آماده کنند و زمان لازم برای تشخیص مشکلات تکرارشونده را کاهش دهند.

بهره‌وری دارایی‌ها بهبود می‌یابد، زیرا مداخلات بر اساس وضعیت و پیامد انجام می‌شوند. تجهیزات حیاتی توجه متناسبی دریافت می‌کنند، در حالی که می‌توان کارهای غیرضروری روی دارایی‌های پایدار را کاهش داد. توقف‌های برنامه‌ریزی‌شده قابل‌پیش‌بینی‌تر می‌شوند، زیرا دامنه کار، قطعات و نیروی انسانی با استفاده از شواهد آماده می‌شوند.

شفافیت هزینه نیز بهبود می‌یابد. مدیریت می‌تواند هزینه‌های تعمیر، توقف تولید، پیمانکار و موجودی را با یکدیگر مقایسه کند. این امر از تصمیم‌های بهتر درباره تعمیر یا تعویض و درخواست‌های سرمایه‌ای قوی‌تر پشتیبانی می‌کند.

حفظ دانش نیز مزیت مهم دیگری است. رویه‌ها، یافته‌ها، سازوکارهای خرابی و تعمیرات موفق پس از تغییر کارکنان همچنان در دسترس می‌مانند. تکنسین‌های جدید می‌توانند به‌جای اتکا صرف به دفترچه‌های راهنمای عمومی، از سوابق واقعی کارخانه یاد بگیرند.

یک CMMS همچنین بستری مشترک برای درخواست‌های نگهداری، زمان‌بندی، اجرا و بازبینی فراهم می‌کند. واحدها می‌توانند ببینند کدام تجهیزات بیشترین درخواست را ایجاد می‌کنند، کدام کارها همچنان به تعویق افتاده‌اند و در چه بخش‌هایی به مهارت‌های تخصصی نیاز است.

شکل ۳. یک CMMS متمرکز می‌تواند درخواست‌های نگهداری، سوابق تجهیزات، اطلاعات وضعیت، برنامه‌ریزی و گزارش‌دهی را در یک پلتفرم به هم متصل کند.

از داده‌های جمع‌آوری‌شده تا تصمیم‌های بهتر صنعتی

داده‌های نگهداری، حافظه عملیاتی یک سازمان صنعتی هستند. این داده‌ها ثبت می‌کنند چه تجهیزاتی نصب شده‌اند، چگونه رفتار می‌کنند، چه کارهایی روی آن‌ها انجام شده، چه خرابی‌هایی رخ داده و این رویدادها چه هزینه‌ای داشته‌اند. وقتی اطلاعات قابل‌اعتماد و در دسترس باشد، نگهداری پیش‌فعالانه‌تر، تکرارپذیرتر و قابل‌دفاع‌تر می‌شود.

قوی‌ترین برنامه‌ها صرفاً به این دلیل داده جمع‌آوری نمی‌کنند که فناوری امکان جمع‌آوری آن را فراهم کرده است. آن‌ها با تصمیم‌ها آغاز می‌شوند: چه ریسکی باید کنترل شود، کدام خرابی باید درک شود، چه کاری باید برنامه‌ریزی شود و کدام سرمایه‌گذاری باید توجیه شود. سپس داده‌ها برای پشتیبانی از این تصمیم‌ها انتخاب، ساختاربندی و بررسی می‌شوند.

پلتفرم‌های CMMS، حسگرها، PLCها، DCSها، هیستورین‌ها، سامانه‌های پایش و برنامه‌های کاربردی کسب‌وکار همگی نقش دارند. ارزش آن‌ها زمانی افزایش می‌یابد که هویت تجهیز، مُهرهای زمانی، شرایط بهره‌برداری و سوابق کار به یکدیگر متصل باشند. مشاهدات انسانی همچنان ضروری‌اند، زیرا تجهیزات صنعتی در محیط‌هایی کار می‌کنند که هیچ حسگر واحدی نمی‌تواند آن‌ها را به‌طور کامل توصیف کند.

بنابراین، سازمان‌ها باید بر چرخه‌ای منضبط تمرکز کنند: اطلاعات دقیق را جمع‌آوری کنند، آن را اعتبارسنجی کنند، به شواهد تبدیل کنند، اقدام را به فرد یا واحد مسئول واگذار کنند و نتیجه را ثبت کنند. هر کار تکمیل‌شده باید تصمیم بعدی را بهبود دهد. هر خرابی باید به درک سازمان بیفزاید. هر نقطه پایش باید هدفی مشخص داشته باشد.

وقتی این چرخه به بخشی از عملیات عادی تبدیل شود، داده‌های نگهداری دیگر بار اداری نخواهند بود. این داده‌ها به دارایی عملیِ قابلیت اطمینان تبدیل می‌شوند که از کار ایمن‌تر، دسترس‌پذیری بالاتر، برنامه‌ریزی بهتر و سرمایه‌گذاری بلندمدت مطمئن‌تر پشتیبانی می‌کند.