Kiedy konserwacja predykcyjna nie jest odpowiednim wyborem dla Twojej fabryki

Utrzymanie predykcyjne nie jest automatycznie najlepszą strategią

Utrzymanie predykcyjne stało się jedną z najbardziej promowanych strategii we współczesnej produkcji. Dostawcy często łączą je ze sztuczną inteligencją, inteligentnymi czujnikami, analizą przemysłową i transformacją cyfrową.

Podstawowa obietnica jest atrakcyjna. Zakład monitoruje stan sprzętu, przewiduje rozwijające się usterki i wykonuje konserwację zanim dojdzie do awarii. Produkcja trwa z mniejszą liczbą przerw. Części zamienne są zamawiane wcześniej. Zespoły utrzymania unikają niepotrzebnych inspekcji.

Jednak utrzymanie predykcyjne nie jest pakietem oprogramowania, który natychmiast poprawia każdy zakład. To model operacyjny zależny od wiarygodnych danych, odpowiednich aktywów, zintegrowanych systemów, zdyscyplinowanych praktyk utrzymania oraz wsparcia organizacyjnego.

Źle przygotowane wdrożenie może generować dodatkowe koszty bez zmniejszenia liczby awarii. Zakłady mogą instalować czujniki, które generują nieużyteczne odczyty. Inżynierowie mogą otrzymywać setki alarmów bez praktycznych wniosków. Zespoły utrzymania ruchu mogą nie ufać systemowi, ponieważ prognozy nie pokrywają się ze stanem faktycznym.

Najważniejsze pytanie nie brzmi więc, czy utrzymanie predykcyjne jest wartościowe. Prawdziwe pytanie brzmi, czy zakład jest gotowy, by skutecznie z niego korzystać.

Gotowość zależy od kilku powiązanych czynników. Zarząd musi wspierać program. Aktywa muszą mieć mierzalne wskaźniki awarii. Czujniki muszą zbierać wiarygodne dane o stanie. Sieci komunikacyjne muszą przesyłać te dane. Oprogramowanie musi je interpretować w odpowiednim kontekście operacyjnym.

Personel utrzymania ruchu musi również rozumieć sprzęt i system analityczny. Dane historyczne muszą być wystarczająco dokładne. Oczekiwany zysk finansowy musi uzasadniać koszty wdrożenia i eksploatacji.

Gdy te warunki nie są spełnione, utrzymanie predykcyjne może nie być właściwym natychmiastowym wyborem. Utrzymanie zapobiegawcze, utrzymanie oparte na stanie lub ulepszone rutyny inspekcyjne mogą przynieść lepsze rezultaty.

Nie oznacza to, że zakład musi na stałe zrezygnować z utrzymania predykcyjnego. Oznacza to, że zakład powinien zamknąć swoje luki gotowości przed inwestycją w szerokie wdrożenie.

Rysunek 1. Utrzymanie predykcyjne wymaga wsparcia zarządu, ponieważ jego wdrożenie wpływa na budżety, dostęp do produkcji, zasoby inżynieryjne oraz długoterminowe praktyki operacyjne.

Wsparcie zarządu musi wykraczać poza zatwierdzenie projektu

Działy inżynieryjne i utrzymania ruchu często rozumieją potencjalne korzyści płynące z utrzymania predykcyjnego. Dostrzegają powtarzające się awarie łożysk, niespodziewane przestoje silników oraz straty produkcyjne spowodowane naprawami awaryjnymi.

Wyższe kierownictwo może nadal się wahać. Oczekiwany zwrot może być trudny do zmierzenia. Projekt może wymagać nowych czujników, subskrypcji oprogramowania, infrastruktury sieciowej, szkoleń i wsparcia specjalistycznego.

Uzyskanie zgody na projekt pilotażowy to za mało. Konserwacja predykcyjna zmienia sposób współpracy kilku działów. Zespoły produkcyjne muszą udostępnić sprzęt do instalacji czujników. Zespoły IT mogą musieć zatwierdzić połączenia sieciowe. Działy zakupów muszą wspierać nowe umowy serwisowe.

Zespoły operacyjne muszą dokumentować warunki procesowe wpływające na zachowanie sprzętu. Inżynierowie niezawodności muszą definiować tryby awarii i kryteria alarmowe. Planiści konserwacji muszą przekładać wyniki analiz na zlecenia pracy.

Bez wsparcia kierownictwa grupy te mogą traktować projekt jako eksperyment inżynieryjny. Dostęp do produkcji staje się utrudniony. Szkolenia są odkładane. Modernizacje przyrządów tracą priorytet w budżecie. Wyniki analiz pozostają poza procesem planowania konserwacji.

Wsparcie kierownictwa musi obejmować jasne określenie odpowiedzialności. Jedna osoba lub grupa sterująca powinna odpowiadać za wyniki biznesowe. Program powinien mieć określone cele, zatwierdzony budżet i dostęp do niezbędnych zasobów zakładu.

Kierownictwo powinno również rozumieć, że wczesne wyniki mogą być niedoskonałe. Model predykcyjny potrzebuje danych operacyjnych i walidacji w terenie. Progi alarmowe zwykle wymagają dostrojenia. Umiejscowienie czujników może wymagać korekty po pierwszym cyklu inspekcji.

Realistyczna implementacja obejmuje okres nauki. Kierownictwo nie powinno oczekiwać natychmiastowych oszczędności po zainstalowaniu każdego czujnika.

Powinni zamiast tego analizować mierzalne wskaźniki. Mogą to być zmniejszenie liczby prac awaryjnych, wcześniejsze wykrywanie usterek, mniej powtarzających się awarii, mniejsze szkody wtórne oraz lepsze planowanie konserwacji.

Zakład nie jest gotowy, gdy kierownictwo wspiera projekt tylko słownie. Wsparcie musi być widoczne w budżetach, decyzjach kadrowych, harmonogramach produkcji i odpowiedzialnościach działów.

Konserwacja predykcyjna nie może odnieść sukcesu bez odpowiednich czujników

Konserwacja predykcyjna opiera się na mierzalnych zmianach, które pojawiają się przed awarią sprzętu. Zmiany te mogą obejmować drgania, temperaturę, ciśnienie, emisje akustyczne, stan smaru, prąd elektryczny, prędkość lub ruch pozycyjny.

Tradycyjne przyrządy mogą nie rejestrować tych zmiennych. Maszyna może mieć tylko lokalny manometr i podstawowe przekaźniki przeciążeniowe silnika. Te urządzenia mogą chronić proces, ale nie ujawniają rozwijającej się degradacji mechanicznej.

Standardowy czujnik temperatury rezystancyjnej może pokazywać temperaturę łożyska. Jednak problem z smarowaniem może zostać wykryty dopiero po wystąpieniu znacznego tarcia. Odpowiednio dobrany czujnik drgań może zidentyfikować usterkę wcześniej.

Czujnik musi też odpowiadać trybowi awarii. Montaż czujników temperatury na każdym urządzeniu nie tworzy systemu predykcyjnego. Temperatura może być przydatna dla szaf elektrycznych, łożysk, silników i systemów smarowania. Może być mniej użyteczna do wykrywania niektórych defektów przekładni lub luzów.

Zakres czujnika, odpowiedź częstotliwościowa, metoda montażu, klasa środowiskowa i jakość sygnału mają znaczenie. Źle zamontowany akcelerometr może generować mylące dane o drganiach. Nieprawidłowo dobrany transformator prądowy może ukrywać drobne zmiany elektryczne.

Montaż czujnika musi odzwierciedlać fizyczną konstrukcję maszyny. Pozycje pomiarowe powinny zapewniać wiarygodną ścieżkę od źródła usterki. Luźne powierzchnie, elastyczne osłony i malowane punkty mocowania mogą zniekształcać odczyty.

Surowe warunki środowiskowe nakładają dodatkowe wymagania. Czujniki mogą wymagać odporności chemicznej, ochrony przeciwwybuchowej, kabli wysokotemperaturowych lub ochrony przed wnikaniem. Urządzenie wybrane do czystej hali montażowej może nie przetrwać w pobliżu myjki masy celulozowej lub sprężarki morskiej.

Zakład musi także uwzględnić kalibrację i konserwację. Uszkodzony czujnik może dawać fałszywe poczucie bezpieczeństwa. Czujnik dryfujący może generować błędne trendy przez miesiące.

Monitorowanie stanu wymaga więc strategii pomiarowej, a nie tylko listy zakupów.

Rysunek 2. Analiza predykcyjna wymaga niezawodnych pomiarów stanu z czujników dobranych do sprzętu i oczekiwanych trybów awarii.

Więcej danych z czujników nie gwarantuje lepszych prognoz.

Częstym błędem jest zbieranie wszystkich dostępnych zmiennych procesowych. Zespół projektowy zakłada, że więcej danych automatycznie da dokładniejszy model.

Duże ilości danych mogą przynieść odwrotny skutek. Inżynierowie spędzają czas na filtrowaniu nieistotnych sygnałów. Wzrostają wymagania dotyczące przechowywania i komunikacji. Modele analityczne wykrywają korelacje pozbawione fizycznego znaczenia.

Skuteczna konserwacja predykcyjna zaczyna się od analizy trybów awarii. Zespół powinien zidentyfikować, jak normalnie dochodzi do awarii urządzenia. Następnie powinien określić, jakie zmiany fizyczne pojawiają się przed każdą awarią.

Weźmy pod uwagę pompę odśrodkową. Możliwe tryby awarii to degradacja łożysk, kawitacja, niewspółosiowość, uszkodzenie wirnika, nieszczelność uszczelki i ograniczenie ssania.

Każdy stan generuje inne dowody. Degradacja łożysk może wpływać na zawartość częstotliwości drgań. Kawitacja może powodować szerokopasmowe drgania i niestabilne ciśnienie. Nieszczelność uszczelki może ujawnić się przez wykrywanie wycieków lub straty w procesie.

Pojedynczy pomiar może nie rozróżniać tych warunków. Jednak celowana kombinacja drgań, prądu silnika, ciśnienia ssania, ciśnienia tłoczenia i przepływu procesu może dostarczyć użytecznego kontekstu diagnostycznego.

Wartość pochodzi z wyboru sygnałów reprezentujących mechanizm awarii. Nie wynika z maksymalizacji liczby podłączonych urządzeń.

Zakłady powinny również rozróżniać alarmy procesowe od wskaźników stanu zdrowia urządzeń. Alarm wysokiej temperatury wylotu może chronić jakość produkcji. Może nie wskazywać pozostałego okresu użyteczności maszyny.

Stan pracy musi być rejestrowany wraz z danymi o stanie. Drgania mierzone podczas rozruchu nie mogą być bezpośrednio porównywane z drganiami mierzone przy stałym obciążeniu. Zmiany prądu silnika mogą odzwierciedlać zapotrzebowanie produkcyjne, a nie degradację elektryczną.

Bez kontekstu operacyjnego system analityczny może klasyfikować normalne zmiany produkcji jako usterki urządzeń.

Zakład powinien opóźnić wdrożenie predykcyjne, gdy nie może zidentyfikować istotnych trybów awarii, użytecznych punktów pomiarowych i stanów pracy. Instalacja instrumentacji przed ukończeniem tych prac zwykle zwiększa koszty i powoduje zamieszanie.

Oprogramowanie musi być połączone z maszynami

Oprogramowanie predykcyjne staje się użyteczne tylko wtedy, gdy otrzymuje wiarygodne informacje z zakładu. Zazwyczaj wymaga to integracji ze sterownikami, rozproszonymi systemami sterowania, historykami danych, platformami monitorowania stanu lub bramkami przemysłowymi.

Odłączona platforma analityczna nie może zobaczyć pełnego kontekstu urządzenia. Może otrzymywać wartości drgań, ale nie prędkość silnika. Może otrzymywać wartości temperatury, ale nie obciążenie procesu. Może wykryć zmianę, nie wiedząc, że operatorzy zmienili recepturę produkcji.

Problemy z integracją mogą również opóźniać dane. Wartość zbierana raz na godzinę może być odpowiednia dla powolnych zmian termicznych. Może jednak nie wykryć krótkich zdarzeń drgań lub niestabilnych warunków ciśnienia.

Niezawodność komunikacji jest równie ważna. Brakujące próbki, zduplikowane znaczniki czasu, nieprawidłowe skalowanie i niespójne nazwy tagów mogą uszkodzić dokładność modelu.

Na przykład sterownik może przechowywać ciśnienie w kilopaskalach, podczas gdy platforma analityczna oczekuje wartości w barach. Dane pozostają numeryczne i mogą wydawać się poprawne. Jednak każdy obliczony próg staje się błędny.

Integracja przemysłowa musi zatem weryfikować tożsamość sygnału, jednostki inżynierskie, znaczniki czasu, częstotliwości próbkowania, jakość danych oraz stan urządzenia.

Starsze instalacje PLC i DCS mogą komplikować ten proces. Sterowniki dziedziczone mogą mieć ograniczone możliwości komunikacyjne. Sieci własnościowe mogą nie wspierać bezpośredniego dostępu. Pojemność procesora może być niewystarczająca dla dodatkowego ruchu danych.

W takich sytuacjach zakłady mogą potrzebować konwerterów protokołów, modułów akwizycji danych lub starannie zaprojektowanych bramek. Mogą również potrzebować wymiennych komponentów dla starzejącej się infrastruktury sterowania.

Organizacje utrzymujące platformy sterowania mieszanej generacji mogą przeglądać odpowiednie komponenty systemów PLC i PAC podczas oceny ograniczeń integracji, zainstalowanego sprzętu i wsparcia cyklu życia.

Poprawna architektura powinna chronić wydajność sterowania maszyną. Zbieranie danych o stanie nie może przeciążać krytycznego kontrolera ani przerywać deterministycznej komunikacji.

Rysunek 3. Oprogramowanie analityczne potrzebuje wiarygodnych połączeń z kontrolerami, wejściami maszyn, stanami procesów i systemami konserwacji.

Integracja musi prowadzić do wykonalnego procesu konserwacji

Sama łączność techniczna nie tworzy wartości operacyjnej. Wyniki analityczne muszą dotrzeć do osób, które mogą przeprowadzić inspekcję, zaplanować i naprawić urządzenie.

Niektóre zakłady tworzą pulpity nawigacyjne wyświetlające doskonałe wykresy trendów. Jednak pulpity te pozostają oddzielone od procesu konserwacji. Nie generuje się zleceń pracy. Żaden technik nie otrzymuje odpowiedzialności. Nie ma informacji zwrotnej o zakończeniu do modelu.

Przydatny alert powinien odpowiadać na kilka praktycznych pytań. Który zasób jest dotknięty? Jaki stan wykryto? Jak poważny jest ten stan? Jakie dowody potwierdzają alert? Jaka inspekcja powinna nastąpić następnie?

System nie zawsze musi dostarczać ostateczną diagnozę. Powinien jednak dawać personelowi konserwacyjnemu wystarczające informacje do podjęcia racjonalnej decyzji.

Na przykład alert informujący, że drgania przekroczyły ogólny próg, może mieć ograniczoną wartość. Lepszy alert może wskazać rosnące drgania na łożysku końca napędu podczas stabilnych warunków obciążenia.

Może również pokazywać tempo zmian, istotne składowe częstotliwości, wcześniejsze działania konserwacyjne oraz zalecany czas inspekcji.

Integracja przepływu pracy powinna łączyć wyniki analityczne z platformą CMMS lub EAM. Zakład może początkowo stosować ręczną weryfikację przed tworzeniem zautomatyzowanych zleceń pracy.

Takie kontrolowane podejście zapobiega zalewaniu zaległości konserwacyjnych dużą liczbą niskiej jakości alertów.

Zespół konserwacyjny powinien rejestrować wyniki inspekcji. Powinien potwierdzić, czy wystąpiła usterka, czy alert był wczesny oraz jakie działania zostały podjęte.

Ta informacja zwrotna jest niezbędna. Pozwala inżynierom ulepszać progi, weryfikować modele i usuwać niewiarygodne reguły.

Zakład nie jest gotowy, gdy nikt nie odpowiada za proces reagowania. Konserwacja predykcyjna nie może pozostać izolowaną odpowiedzialnością dostawcy oprogramowania lub data scientist.

Proces musi łączyć wykrywanie, przegląd inżynierski, planowanie konserwacji, inspekcję w terenie, naprawę oraz weryfikację po konserwacji.

Wciąż wymagane są specjalistyczne umiejętności

Automatyzacja nie eliminuje potrzeby posiadania wiedzy inżynierskiej. Zmienia jedynie miejsce, w którym ta wiedza jest stosowana.

Systemy predykcyjne wykorzystują zaawansowane czujniki, sieci przemysłowe, oprogramowanie analityczne oraz modele urządzeń. Każda warstwa może generować błędy przypominające problemy maszynowe.

Uszkodzony kabel może wyglądać jak nagła zmiana procesu. Zakłócenia elektryczne mogą przypominać drgania łożysk. Nieprawidłowa konfiguracja sprzętu może generować nierealistyczne limity alarmowe.

Personel musi rozumieć zarówno monitorowany sprzęt, jak i system monitoringu. To połączenie jest trudne do wypracowania.

Istotne umiejętności mogą obejmować analizę drgań, termografię, analizę smarów, analizę prądu silnika, instrumentację, rozwiązywanie problemów sieciowych, komunikację PLC, zarządzanie bazami danych oraz planowanie utrzymania ruchu.

Żaden pojedynczy technik nie musi opanować każdej dziedziny. Jednak organizacja musi mieć dostęp do wymaganej wiedzy specjalistycznej.

Zakład powinien również rozróżniać analizę danych od diagnozy. Oprogramowanie może wykryć nietypowy sygnał. Określenie fizycznej przyczyny może wymagać wiedzy o łożyskach, sprzęgłach, przekładniach, silnikach, pompach, zaworach i warunkach procesowych.

Doświadczenie terenowe pozostaje ważne, ponieważ sprzęt przemysłowy rzadko działa w warunkach laboratoryjnych. Fundamenty się poluzowują. Odkształcenia rur zmieniają ustawienie. Zapotrzebowanie produkcyjne się zmienia. Tymczasowe naprawy stają się trwałe.

Te realia wpływają na zachowanie maszyn i wyniki analityczne.

Rysunek 4. Skuteczne utrzymanie predykcyjne łączy narzędzia analityczne z instrumentacją, sieciami, niezawodnością i doświadczeniem inżynierii terenowej.

Zależność od ekspertów zewnętrznych może stać się kosztowna.

Specjaliści zewnętrzni mogą przyspieszyć początkowe wdrożenie. Mogą skonfigurować czujniki, opracować modele i szkolić personel wewnętrzny.

Problemy pojawiają się, gdy zakład nigdy nie buduje wewnętrznych kompetencji. Każdy alarm wymaga wtedy interpretacji dostawcy. Każda zmiana sprzętu wymaga nowego projektu konsultingowego. Podstawowe rozwiązywanie problemów staje się zależne od dostępności zewnętrznej.

Ta zależność zwiększa koszty operacyjne. Może również opóźniać podejmowanie decyzji w krytycznych warunkach produkcyjnych.

Zakłady powinny określić, które umiejętności pozostają wewnętrzne, a które usługi są zlecane na zewnątrz. Wysoce specjalistyczna analiza drgań może pozostać zlecana zewnętrznie. Przegląd alarmów pierwszego poziomu i inspekcje terenowe zwykle powinny być realizowane wewnątrz zakładu.

Szkolenie powinno opierać się na rzeczywistym sprzęcie. Ogólne demonstracje oprogramowania nie wystarczą. Technicy muszą znać lokalizacje czujników, zachowanie alarmów, typowe tryby awarii oraz procedury weryfikacji.

Planiści utrzymania ruchu również potrzebują szkolenia. Przewidywana usterka nie powinna automatycznie prowadzić do pilnego zlecenia naprawy. Planista musi uwzględnić krytyczność zasobu, dostępność części zamiennych, okna produkcyjne, bezpieczeństwo oraz szacowaną szybkość postępu usterki.

Personel operacyjny powinien rozumieć cel systemu. Często zauważają zmiany w procesie wcześniej niż zespoły analityczne. Ich obserwacje mogą wyjaśnić nietypowe dane lub potwierdzić rozwijającą się usterkę.

Transfer wiedzy powinien być uwzględniony w zakresie projektu. Dokumentacja powinna obejmować architekturę, podłączone tagi, reguły alarmowe, specyfikacje czujników, wymagania konserwacyjne i ścieżki eskalacji.

Zakład może nie być gotowy, gdy brakuje personelu, który mógłby zarządzać systemem po uruchomieniu. Demonstracja może się powieść, podczas gdy długoterminowy program stopniowo przestaje być wykorzystywany.

Problemy budżetowe wykraczają poza cenę zakupu

Konserwacja predykcyjna może wymagać znacznej początkowej inwestycji. Czujniki, okablowanie, bramki, oprogramowanie, serwery, usługi w chmurze, integracja i szkolenia – wszystko to wpływa na koszt projektu.

Widoczna wycena może stanowić tylko część całkowitej inwestycji. Instalacja może wymagać czasu przestoju, rusztowań, pozwoleń na strefy zagrożenia, rysunków inżynierskich i modyfikacji systemu sterowania.

Starsze maszyny mogą wymagać zmian montażowych lub modernizacji elektrycznych. Sieci komunikacyjne mogą potrzebować dodatkowych przełączników, połączeń światłowodowych lub zabezpieczeń cybernetycznych.

Oprogramowanie może być oferowane w modelu subskrypcyjnym. Modele analityczne mogą wymagać stałego wsparcia. Czujniki muszą być kalibrowane, wymieniane lub kontrolowane.

Zakłady powinny obliczać koszty cyklu życia, a nie tylko cenę zakupu. Niskokosztowy pilotaż może stać się drogim programem, gdy zostanie wdrożony na setkach zasobów.

Analiza finansowa musi również opierać się na realistycznych oszczędnościach. Unikany przestój nie powinien być liczony na podstawie maksymalnej wartości produkcji dla każdej możliwej awarii.

Niektóre awarie występują już podczas planowanych przestojów. Inne dotyczą tylko sprzętu zapasowego. Niektóre alerty prowadzą do inspekcji, które nie wykrywają istotnej usterki.

Wiarygodna analiza biznesowa uwzględnia te ograniczenia.

Rysunek 5. Konserwacja predykcyjna może przynieść wysokie zwroty, ale koszty początkowe i bieżące muszą odpowiadać ryzykom zasobów zakładu.

Nie każdy zasób zasługuje na ciągły monitoring

Konserwacja predykcyjna powinna koncentrować się na zasobach, gdzie wczesne wykrycie usterki przynosi znaczącą wartość.

Mały, niedrogi wentylator może mieć niski koszt wymiany. Może mieć zainstalowaną jednostkę zapasową. Jego awaria może nie wpływać na bezpieczeństwo, jakość ani produkcję.

Instalacja stałych czujników, sprzętu komunikacyjnego i oprogramowania analitycznego na tym wentylatorze może kosztować więcej niż jego wymiana po awarii.

Natomiast wentylator wyciągowy obsługujący krytyczny kocioł może uzasadniać ciągły monitoring. Jego awaria mogłaby zatrzymać produkcję i wygenerować znaczne koszty ponownego uruchomienia.

Krytyczność zasobu powinna zatem kierować inwestycjami. Krytyczność uwzględnia wpływ na produkcję, konsekwencje dla bezpieczeństwa, ryzyko środowiskowe, czas naprawy, dostępność części zamiennych oraz szkody wtórne.

Zakład powinien również przeanalizować częstotliwość awarii. Krytyczny zasób, który rzadko ulega awarii, może nadal uzasadniać ochronę. Jednak oczekiwana metoda wykrywania musi być technicznie wiarygodna.

Niektóre aktywa lepiej obsługuje się poprzez okresowe inspekcje trasowe. Technik może zbierać odczyty drgań co miesiąc na wielu maszynach. Takie podejście może zapewnić wystarczające ostrzeżenie przy niższych kosztach.

Inne aktywa mogą korzystać z podstawowych wyzwalaczy opartych na stanie. Limit różnicy ciśnień może wskazywać na zanieczyszczenie filtra. Trend prądu silnika może ujawniać rosnące obciążenie mechaniczne.

Konserwacja predykcyjna to jedna z opcji w szerszej strategii niezawodności. Nie powinna zastępować wszystkich zadań zapobiegawczych lub opartych na stanie.

Dobra strategia zarządzania aktywami może obejmować eksploatację do awarii dla sprzętu o niskich konsekwencjach, wymianę zapobiegawczą dla komponentów związanych z wiekiem, monitorowanie stanu dla rozwijających się usterek oraz analizę predykcyjną dla aktywów o wysokiej wartości.

Właściwa równowaga jest ważniejsza niż liczba podłączonych czujników.

Niektórych trybów awarii nie da się wiarygodnie przewidzieć.

Konserwacja predykcyjna działa najlepiej, gdy degradacja rozwija się stopniowo i daje mierzalne dowody.

Zużycie łożysk, nierównowaga, niewłaściwe ustawienie, degradacja smarowania i pogorszenie termiczne często tworzą wykrywalne trendy. Te warunki mogą dostarczyć wystarczającego ostrzeżenia do inspekcji i planowanej naprawy.

Inne awarie zdarzają się nagle. Komponent elektroniczny może ulec uszkodzeniu bez stabilnego wzoru ostrzegawczego. Kabel może zostać uszkodzony podczas niezwiązanych prac budowlanych. Obcy obiekt może niespodziewanie dostać się do systemu procesowego.

Analiza predykcyjna nie jest w stanie wiarygodnie przewidzieć każdego losowego zdarzenia.

Zakłady powinny zbadać cechy awarii przed wyborem metody monitorowania. Szczególnie ważny jest potencjalny interwał awarii.

Ten interwał oznacza czas między wykryciem rozwijającej się usterki a osiągnięciem funkcjonalnej awarii. Częstotliwość monitorowania musi być krótsza niż ten interwał.

Miesięczna inspekcja nie może zarządzać awarią, która postępuje w ciągu dwóch dni. Może być wymagane ciągłe monitorowanie. Jednak ciągłe monitorowanie zawodzi, gdy stan nie daje mierzalnego ostrzeżenia.

Zespół powinien zapytać, czy istnieje wykrywalny parametr. Powinien także ustalić, czy parametr ten zmienia się wystarczająco wcześnie, aby wspierać działania konserwacyjne.

Alert pojawiający się dziesięć minut przed awarią może wspierać automatyczną ochronę wyłączenia. Może jednak nie wspierać planowania konserwacji.

Systemy ochronne i systemy predykcyjne mają różne cele. System ochrony maszyn może wyłączyć sprzęt podczas niebezpiecznych drgań. System predykcyjny powinien wykryć pogorszenie stanu zanim zostanie osiągnięty punkt wyłączenia.

Zakłady oceniające programy dotyczące sprzętu obrotowego mogą przeglądać dostępne komponenty do monitorowania maszyn podczas porównywania czujników, sprzętu monitorującego i kompatybilności zainstalowanego systemu.

Zakład nie powinien obiecywać predykcyjnego wykrywania awarii, które nie mają wiarygodnego wczesnego wskaźnika. Jasne techniczne ograniczenia budują większe zaufanie niż nierealistyczne obietnice.

Istniejąca konserwacja prewencyjna może już być skuteczna

Konserwacja predykcyjna nie jest automatycznie lepsza od dobrze zaprojektowanego programu prewencyjnego.

Niektóre komponenty mają przewidywalną żywotność. Ich wymiana jest tania i łatwa do zaplanowania. Zakład może już wymieniać je podczas planowanych przestojów z minimalnym wpływem na produkcję.

Dodanie czujników i analityki może nie przynieść dodatkowej wartości.

Konserwacja prewencyjna może również spełniać wymagania regulacyjne, bezpieczeństwa lub ubezpieczeniowe. Model predykcyjny może nie zwalniać z obowiązku okresowych inspekcji lub testów dowodowych.

Systemy bezpieczeństwa instrumentowego stanowią wyraźny przykład. Dane diagnostyczne mogą wspierać decyzje konserwacyjne, ale nadal mogą obowiązywać obowiązkowe interwały testów.

Konserwacja oparta na stanie może być również wystarczająca. Operatorzy mogą już podczas rutynowych prac kontrolować wycieki, ciśnienie, hałas, temperaturę lub jakość produktu.

Zakład powinien porównać strategie pod kątem kosztów, ryzyka i skuteczności technicznej. Nie powinien zmieniać ich tylko dlatego, że konserwacja predykcyjna wydaje się bardziej zaawansowana.

Skuteczny program prewencyjny przynosi dodatkową korzyść. Tworzy uporządkowane zapisy konserwacji, które później mogą wspierać analizę predykcyjną.

Właściwą decyzją może być najpierw poprawa istniejącego programu. Zadania można przejrzeć pod kątem skuteczności. Kody awarii można ustandaryzować. Wyniki inspekcji można rejestrować elektronicznie.

Te ulepszenia mogą zmniejszyć liczbę awarii bez dużych inwestycji technologicznych. Tworzą też silniejszą podstawę dla przyszłej analityki.

Zakład powinien utrzymać działającą strategię, dopóki proponowana wymiana nie pokaże mierzalnej przewagi.

Organizacje potrzebują wiarygodnych danych historycznych

Modele predykcyjne uczą się na podstawie historii operacyjnej. Potrzebują przykładów normalnego zachowania, zmieniających się obciążeń, zdarzeń konserwacyjnych i rozwijających się usterek.

Zakłady opierające się głównie na konserwacji reaktywnej często mają słabe zapisy. Zlecenie robocze może jedynie stwierdzać, że pompa została naprawiona. Może nie identyfikować uszkodzonego łożyska, objawów pracy, przyczyny źródłowej ani wymienionych komponentów.

Takie zapisy nie mogą wiarygodnie trenować ani weryfikować modelu.

Problemy z jakością danych mogą obejmować brakujące znaczniki czasu, niespójne nazwy zasobów, zduplikowane rekordy sprzętu oraz niejasne opisy awarii.

Dane z czujników mogą być również niekompletne. Sprzęt mógł działać przez lata bez rejestrowania trendów drgań lub temperatury.

Gdy dane historyczne są niedostępne, system musi zebrać nowe informacje bazowe. To zajmuje czas. Rzadkie tryby awarii mogą nie pojawić się podczas początkowego okresu wdrożenia.

Organizacje nie powinny mylić braku alarmów z udaną predykcją. System może po prostu nie mieć wystarczającej ilości informacji, aby rozpoznać nieprawidłowe zachowanie.

Rysunek 6. Dokładne zapisy historyczne pomagają systemom analitycznym odróżnić normalną pracę od rozwijających się usterek sprzętu.

Dojrzałość utrzymania ruchu powinna poprzedzać zaawansowaną analizę.

Zakład mający problemy z podstawową kontrolą utrzymania ruchu może nie odnieść korzyści z zaawansowanej predykcji.

Typowe oznaki ostrzegawcze to duże zaległości awaryjne, brakujące zapisy aktywów, nieplanowane braki części zamiennych, niekompletne zlecenia robocze i powtarzające się awarie bez analizy przyczyn źródłowych.

Alerty predykcyjne dodane do tego środowiska tworzą więcej informacji, ale niekoniecznie lepsze działania.

Zakład powinien najpierw ustalić hierarchię aktywów, identyfikację sprzętu, odpowiedzialność za utrzymanie i dyscyplinę zleceń roboczych.

Kluczowe aktywa powinny mieć poprawne listy materiałowe. Części zamienne powinny być powiązane ze sprzętem. Kody awarii powinny używać spójnej terminologii.

Zakończenie prac konserwacyjnych powinno obejmować ustalenia, wymienione części i zaobserwowane mechanizmy awarii. Te zapisy stają się cenną informacją zwrotną dla systemów analitycznych.

Organizacja potrzebuje także dyscypliny planowania. Potwierdzona rozwijająca się usterka musi zostać przekształcona w wymagania dotyczące pracy, dostępność części, pozwolenia i okno produkcyjne.

Bez tego procesu wczesne wykrycie nie zapobiega awarii. Dostarcza jedynie wcześniejszą wiedzę o problemie, który pozostaje nierozwiązany.

Dojrzała organizacja nie potrzebuje idealnych danych. Potrzebuje powtarzalnych praktyk i odpowiedzialności za ich realizację.

Utrzymanie predykcyjne powinno wzmacniać te praktyki, a nie je omijać.

Zmieniające się warunki produkcji mogą mylić model.

Sprzęt przemysłowy rzadko pracuje w jednym stałym stanie. Prędkość, obciążenie, ciśnienie, gatunek produktu, temperatura i właściwości materiału mogą się zmieniać w ciągu dnia.

Te zmiany wpływają na zachowanie maszyny. Pompa może drgać inaczej przy niskim przepływie. Wentylator może wykazywać wyższy prąd silnika, gdy zmienia się pozycja przepustnic. Przenośnik może generować inne wzorce akustyczne przy cięższym materiale.

Model wytrenowany dla jednego stanu pracy może generować fałszywe alarmy w innym.

Częste modyfikacje sprzętu stanowią kolejne wyzwanie. Zakład może wymienić silnik, zmienić przełożenie przekładni, zmodyfikować rurociągi lub zmienić logikę sterowania.

Poprzednia baza może już nie odzwierciedlać normalnej pracy.

Systemy predykcyjne wymagają więc zarządzania konfiguracją. Zmiany sprzętu powinny wywoływać przegląd bazowych wartości, limitów alarmowych i założeń modelu.

Dane powinny być grupowane według warunków pracy tam, gdzie jest to konieczne. Maszyny o zmiennej prędkości mogą wymagać analizy drgań związanej z prędkością. Procesy wsadowe mogą potrzebować modeli dostosowanych do faz produkcji.

Zakład o niestabilnej pracy powinien najpierw poprawić zrozumienie procesów. W przeciwnym razie system analityczny może większość swojego wysiłku poświęcać na wykrywanie zmienności produkcji.

To nie uniemożliwia konserwacji predykcyjnej. Zmienia to projekt techniczny. Może być potrzebny większy kontekst operacyjny i segmentacja modeli.

Dziedziczone systemy sterowania mogą ograniczać biznesowy sens.

Zakłady brownfield często zawierają sprzęt z kilku generacji sterowania. Jeden obszar produkcji może korzystać z nowoczesnego PLC opartego na Ethernet, a inny zależeć od sieci własnościowej zainstalowanej dekady temu.

Systemy dziedziczone mogą pozostać niezawodne. Jednak pozyskanie dodatkowych danych o stanie może być trudne.

Sterownik może mieć ograniczoną pamięć, pojemność komunikacyjną lub dostępne kanały wejściowe. Moduły zamienne mogą być przestarzałe. Oryginalne oprogramowanie inżynierskie może nie działać na obecnych komputerach.

Projekt konserwacji predykcyjnej może ujawnić te ryzyka związane z cyklem życia. Koszt integracji może przewyższyć koszt czujników monitorujących.

Zakłady powinny unikać niekontrolowanych zmian w krytycznych systemach dziedziczonych. Dodanie ruchu sieciowego lub modyfikacja starego kodu aplikacji może stworzyć ryzyko produkcyjne.

Bezpieczniejszy projekt może wykorzystać niezależny sprzęt monitorujący. Może on zbierać sygnały bez zmiany oryginalnej logiki sterowania.

Inną opcją jest etapowy plan modernizacji. Zakład może najpierw ustabilizować wsparcie przestarzałego sprzętu, dokumentację i dostępność części zamiennych.

Możliwości predykcyjne można wtedy dodać podczas planowanych modernizacji sterowania.

Decyzja powinna uwzględniać cykl życia sprzętu. Instalacja złożonego systemu monitoringu na maszynach planowanych do wymiany może nie być ekonomiczna.

Jednak monitorowanie może być nadal uzasadnione, gdy wymiana potrwa kilka lat, a ryzyko awarii pozostaje wysokie.

Cyberbezpieczeństwo i zarządzanie danymi nie mogą być dodane później.

Konserwacja predykcyjna często wymaga przesunięcia danych operacyjnych poza pierwotne granice systemu sterowania.

Dane mogą być przesyłane do serwera lokalnego, platformy przedsiębiorstwa, zdalnego dostawcy usług lub środowiska chmurowego.

Każde połączenie tworzy wymagania dotyczące zarządzania i cyberbezpieczeństwa. Zakłady muszą określić, które systemy mogą się komunikować, którzy użytkownicy mają dostęp do danych oraz jak kontrolowane jest wsparcie zewnętrzne.

Źle zaplanowane połączenie może narazić zasoby przemysłowe na niepotrzebne ryzyko. Narzędzia do zdalnego dostępu klasy konsumenckiej nie powinny być używane do krytycznego sprzętu.

Architektura sieci powinna obejmować segmentację, zarządzany dostęp, uwierzytelnianie, rejestrowanie, zarządzanie poprawkami i bezpieczny transfer danych.

Platforma analityczna nie powinna wymagać nieograniczonego dostępu kontrolnego, gdy wystarczające są dane tylko do odczytu.

Własność danych musi być również jasna. Umowy powinny wyjaśniać, kto jest właścicielem surowych danych z czujników, wyprowadzonych modeli i wniosków z konserwacji.

Zakład powinien rozumieć, co się dzieje po zakończeniu subskrypcji. Dane historyczne i skonfigurowane modele powinny pozostać dostępne na uzgodnionych warunkach.

Przeglądy cyberbezpieczeństwa mogą wpłynąć na harmonogram projektu. Powinny się rozpocząć podczas projektowania architektury, a nie po instalacji.

Zakład nie jest gotowy, gdy projekt pomija cyberbezpieczeństwo, ponieważ system monitoringu jest opisany jako niekrytyczny.

Dane o stanie mogą nadal ujawniać tempo produkcji, stan zasobów, limity operacyjne i dostępność zakładu. Informacje te mogą być wrażliwe handlowo lub operacyjnie.

Studium przypadku: Projekt monitorowania pomp, który generował zbyt wiele alarmów

Weźmy pod uwagę zakład chemiczny, który zainstalował bezprzewodowe czujniki wibracji na czterdziestu pompach. Celem projektu było zmniejszenie awarii uszczelnień i awaryjnej wymiany łożysk.

Początkowy pulpit generował częste alarmy wysokich wibracji. Personel konserwacyjny sprawdził kilka pomp, ale nie znalazł widocznych uszkodzeń.

Zaufanie do systemu szybko spadło.

Szczegółowy przegląd wykazał kilka przyczyn. Niektóre czujniki były zamontowane na cienkich pokrywach silników. Prędkości pracy pomp nie były rejestrowane. Kilka jednostek pracowało daleko od projektowanego przepływu.

Limity alarmów były identyczne dla wszystkich pomp, mimo różnych rozmiarów, fundamentów i warunków pracy.

Zespół projektowy zmienił podejście. Czujniki zostały ponownie zamontowane w odpowiednich miejscach łożysk. Do zestawu danych dodano prędkość i przepływ procesu.

Pompy zostały pogrupowane według konstrukcji i warunków pracy. Progi alarmowe dostosowano na podstawie pomiarów bazowych i przeglądu inżynieryjnego.

Zespół oddzielił również niestabilność hydrauliczną od wskazań mechanicznych łożysk.

Po tych zmianach liczba alarmów zmalała. Pozostałe alerty stały się bardziej użyteczne. Jeden z pomp wykazywał rosnącą wibrację o częstotliwości łożyska podczas stabilnej pracy.

Inspekcja konserwacyjna potwierdziła degradację smarowania. Łożysko zostało wymienione podczas planowanej zmiany produkcji.

Wnioskiem nie było to, że bezprzewodowy monitoring zawiódł. Oryginalny projekt nie miał odpowiedniego montażu czujników, kontekstu sprzętu ani walidacji alarmów.

Mały przegląd gotowości mógł zidentyfikować te problemy przed pełnym wdrożeniem.

Studium przypadku: Linia pakująca, która nie potrzebowała zaawansowanej predykcji

Zakład pakowania żywności rozważał ciągły monitoring małych silników przenośników. Silniki były tanie i dostępne z lokalnego magazynu.

Większość przenośników miała proste układy mechaniczne. Uszkodzone jednostki można było szybko wymienić podczas rutynowych okresów sanitarnego czyszczenia.

Początkowa propozycja obejmowała monitorowanie prądu, czujniki temperatury, bramki i subskrypcję analityki w chmurze.

Przegląd krytyczności wykazał, że większość silników nie wymagała stałego monitoringu. Konsekwencje ich awarii były ograniczone, a czas wymiany zapasowej krótki.

Zakład wybrał prostszą strategię. Operatorzy przeprowadzali wizualne kontrole podczas sanitarnego czyszczenia. Elektrycy korzystali z przenośnej inspekcji termicznej podczas miesięcznych tras.

Niewielka liczba krytycznych silników napędowych otrzymała ciągły monitoring prądu i temperatury. Silniki te obsługiwały sprzęt wąskich gardeł z dłuższym czasem wymiany.

Zrewidowany program kosztował mniej i skuteczniej odpowiadał ryzyku zasobów.

Predykcyjna konserwacja nie została odrzucona. Zastosowano ją tylko tam, gdzie wczesne ostrzeżenie tworzyło wartość operacyjną.

Studium przypadku: dane historyczne bez wiarygodnych etykiet awarii

Duży zakład produkcyjny posiadał kilka lat danych historycznych. Kierownictwo uważało, że ta historia jest wystarczająca do uczenia maszynowego.

Baza danych zawierała prąd silnika, temperatury, ciśnienie procesowe i wskaźniki produkcji. Jednak zapisy konserwacji nie zawierały spójnych szczegółów awarii.

Zlecenia pracy zawierały opisy takie jak „problem z silnikiem”, „naprawa pompy” i „kontrola sprzętu”.

Zespół analityczny mógł zidentyfikować nietypowe trendy. Nie był jednak w stanie określić, które wzorce odpowiadały konkretnym usterkom.

Zakład najpierw poprawił kodowanie konserwacji. Technicy rejestrowali uszkodzony element, zaobserwowany stan, przyczynę i działania naprawcze.

Zespół przeanalizował również wcześniejsze raporty z przestojów i wykorzystanie części zamiennych. Praca ta odtworzyła kilka potwierdzonych zdarzeń awarii.

Nowe modele analityczne zostały następnie wytrenowane na zweryfikowanych przykładach. Projekt rozpoczęto od wykrywania anomalii i przeglądu inżynierskiego, a nie automatycznej diagnozy.

To etapowe podejście spowodowało wolniejsze początkowe wdrożenie, ale bardziej wiarygodne wyniki.

Przypadek pokazuje, że objętość danych i ich jakość to dwie różne kwestie. Miliony zarejestrowanych wartości nie zastąpią wiarygodnego kontekstu konserwacji.

Praktyczna ocena gotowości do predykcyjnej konserwacji

Przed wdrożeniem zakład powinien przeprowadzić ustrukturyzowaną ocenę gotowości. Ocena powinna obejmować wartość biznesową, odpowiedniość zasobów, aparaturę pomiarową, integrację systemów, jakość danych, umiejętności, cyberbezpieczeństwo oraz procesy pracy.

Zacznij od problemu biznesowego. Zidentyfikuj awarie, które powodują największy wpływ na produkcję, bezpieczeństwo, jakość lub środowisko.

Oszacuj ich częstotliwość i konsekwencje. Przejrzyj czas naprawy, szkody wtórne oraz dostępność części zamiennych.

Następnie zbadaj tryby awarii. Określ, czy każda awaria generuje mierzalne ostrzeżenie. Oszacuj dostępny czas ostrzeżenia.

Przejrzyj istniejącą aparaturę pomiarową. Potwierdź odpowiedniość czujników, miejsca instalacji, wymagania środowiskowe, status kalibracji oraz dostęp do danych.

Zmapuj ścieżkę danych od maszyny do platformy analitycznej. Zweryfikuj protokoły, częstotliwość aktualizacji, znaczniki czasu, jednostki inżynierskie i przepustowość sieci.

Oceń dane historyczne. Sprawdź nazwy zasobów, opisy konserwacji, kody awarii, stany pracy oraz brakujące dane.

Przeanalizuj zdolności organizacyjne. Określ, kto będzie monitorować alerty, weryfikować wyniki, tworzyć zlecenia pracy, kontrolować sprzęt i aktualizować modele.

Oblicz koszt cyklu życia. Uwzględnij sprzęt, inżynierię, instalację, czas przestoju, oprogramowanie, szkolenia, wsparcie i utrzymanie czujników.

Na koniec zdefiniuj mierzalne wyniki. Unikaj ogólnych celów, takich jak „poprawa niezawodności”. Używaj konkretnych miar, np. zmniejszenie awaryjnych napraw łożysk lub wykrywanie wybranych usterek przed zatrzymaniem.

Użyj ukierunkowanego pilotażu zamiast wdrożenia w całym zakładzie

Pilotaż powinien testować pełny przepływ pracy utrzymania ruchu. Nie powinien jedynie udowadniać, że czujnik może przesyłać dane do pulpitu.

Wybierz niewielką liczbę zasobów z udokumentowaną historią awarii i znaczącym wpływem operacyjnym.

Zasoby powinny mieć wykrywalne tryby awarii. Personel utrzymania ruchu powinien rozumieć ich zachowanie operacyjne.

Pilotaż powinien obejmować instalację czujników, zbieranie danych, integrację systemu, przegląd alarmów, inspekcję terenową, planowanie pracy i weryfikację wyników.

Zdefiniuj sukces przed instalacją. Możliwe kryteria to wykrycie potwierdzonego pogorszenia, zmniejszenie niepotrzebnych inspekcji, poprawa czasu planowania lub zapobieganie uszkodzeniom wtórnym.

Utrzymuj pilotaż wystarczająco długo, aby uchwycić reprezentatywne warunki pracy. Krótkie demonstracje podczas stabilnej produkcji mogą nie przetestować rzeczywistego systemu.

Dokumentuj fałszywe alarmy i pominięte stany. Oba dostarczają cennych informacji projektowych.

Nie ukrywaj nieudanych wyników. Pilotaż, który wykryje nieodpowiednie czujniki lub słabe dane, może zapobiec kosztownemu pełnemu wdrożeniu.

Rozbudowa powinna opierać się na dowodach. Najpierw można dodać zasoby o podobnej konstrukcji i warunkach pracy.

Każdy etap rozbudowy powinien potwierdzić obsadę, przepustowość sieci, wydajność oprogramowania i zdolność reagowania utrzymania ruchu.

Buduj fundament etapami

Zakład, który nie jest gotowy dzisiaj, nadal może stworzyć praktyczną mapę drogową.

Pierwszy etap może poprawić zapisy utrzymania ruchu i hierarchię zasobów. Zakład może standaryzować nazwy urządzeń, kody awarii i realizację zleceń pracy.

Drugi etap może wprowadzić ukierunkowany monitoring stanu. Technicy mogą zbierać okresowe dane o drganiach, temperaturze lub smarze z krytycznych zasobów.

Trzeci etap może integrować istniejące informacje o procesach i utrzymaniu ruchu. Historian, sterowniki i zapisy CMMS mogą być połączone przez kontrolowaną architekturę.

Czwarty etap może dodać zaawansowaną analizę dla wybranych trybów awarii. Modele powinny być weryfikowane na podstawie inspekcji terenowych i ustaleń utrzymania ruchu.

Ostatni etap może zautomatyzować części przepływu pracy. Alarmy o wysokim poziomie pewności mogą tworzyć zgłoszenia inspekcji lub zalecane zlecenia pracy.

To etapowe podejście zmniejsza ryzyko techniczne i finansowe. Daje też personelowi czas na rozwijanie umiejętności.

Co najważniejsze, utrzymuje projekt powiązany z rzeczywistymi problemami niezawodności.

Kiedy należy opóźnić predykcyjne utrzymanie ruchu

Zakład powinien rozważyć opóźnienie wdrożenia, gdy wyższe kierownictwo nie zaangażowało zasobów ani odpowiedzialności.

Opóźnienie może być również wskazane, gdy nie zidentyfikowano krytycznych trybów awarii. Instalowanie czujników bez strategii awaryjnej daje słabe rezultaty.

To samo dotyczy sytuacji, gdy instrumentacja nie może zbierać wiarygodnych danych o stanie. Oprogramowanie nie naprawi złych pomiarów fizycznych.

Wdrożenie powinno być rozważone ponownie, gdy integracja systemów komunikacji i sterowania stwarza nieakceptowalne ryzyko produkcyjne lub cyberbezpieczeństwa.

Organizacje z kiepską historią utrzymania mogą najpierw potrzebować poprawić jakość danych. Zakłady bez personelu do przeglądu i reagowania na alerty również są narażone na wysokie ryzyko awarii.

Ograniczone budżety powinny być kierowane na zasoby o najwyższych konsekwencjach. Szerokie wdrożenie może przynieść mniej wartości niż skoncentrowany program niezawodności.

Utrzymanie predykcyjne może być również niepotrzebne, gdy utrzymanie zapobiegawcze lub oparte na stanie skutecznie kontroluje ryzyko.

Opóźnienie projektu nie jest porażką. Często jest to odpowiedzialna decyzja inżynieryjna.

Najlepsza strategia utrzymania to ta, którą zakład potrafi wykonać

Utrzymanie predykcyjne może zmniejszyć nieoczekiwane przestoje i poprawić planowanie konserwacji. Może także ujawnić degradację urządzeń, którą rutynowe inspekcje pomijają.

Te korzyści zależą od znacznie więcej niż algorytmów. Wymagają odpowiednich zasobów, właściwych czujników, niezawodnej integracji, jakości danych, wykwalifikowanego personelu i zdyscyplinowanych procesów pracy.

Zakłady powinny unikać traktowania utrzymania predykcyjnego jako uniwersalnego zastępstwa dla istniejących strategii.

Strategie typu run-to-failure, utrzymanie zapobiegawcze, utrzymanie oparte na stanie, monitoring ochronny i analityka predykcyjna mają swoje uzasadnione zastosowania.

Najskuteczniejsze programy niezawodności stosują te metody selektywnie. Dopasowują strategię utrzymania do krytyczności zasobów, zachowań awaryjnych, ryzyka operacyjnego i wartości ekonomicznej.

Ocena gotowości powinna więc poprzedzać większą inwestycję. Identyfikuje brakujące możliwości i definiuje praktyczną kolejność wdrożenia.

Gdy fundament jest solidny, utrzymanie predykcyjne może stać się niezawodnym narzędziem operacyjnym. Gdy fundament jest słaby, ta sama technologia może generować alarmy, koszty i rozczarowania.

Celem nie jest wdrożenie najbardziej zaawansowanego systemu. Celem jest wczesne wykrycie istotnych problemów z urządzeniami, aby podjąć skuteczne działania.