Kiedy konserwacja predykcyjna jest niewłaściwym wyborem dla Twojego zakładu przemysłowego

Konserwacja predykcyjna nie jest automatycznie najlepszą strategią

Konserwacja predykcyjna stała się jedną z najczęściej promowanych strategii we współczesnej produkcji. Dostawcy często łączą ją ze sztuczną inteligencją, inteligentnymi czujnikami, analityką przemysłową i transformacją cyfrową.

Podstawowa obietnica jest atrakcyjna. Zakład monitoruje stan urządzeń, przewiduje rozwijające się usterki i przeprowadza konserwację, zanim dojdzie do awarii. Produkcja trwa przy mniejszej liczbie przerw. Części zamienne są zamawiane wcześniej. Zespoły utrzymania ruchu unikają niepotrzebnych inspekcji.

Konserwacja predykcyjna nie jest jednak pakietem oprogramowania, który natychmiast usprawnia każdy zakład. To model operacyjny zależny od wiarygodnych danych, odpowiednich urządzeń, zintegrowanych systemów, zdyscyplinowanych praktyk utrzymania ruchu oraz wsparcia organizacyjnego.

Niewłaściwie przygotowane wdrożenie może generować dodatkowe koszty bez ograniczenia liczby awarii. Zakłady mogą instalować czujniki, które dostarczają nieużytecznych odczytów. Inżynierowie mogą otrzymywać setki alarmów bez wniosków umożliwiających działanie. Zespoły utrzymania ruchu mogą nie ufać systemowi, ponieważ prognozy nie odpowiadają warunkom w terenie.

Najważniejsze pytanie nie brzmi zatem, czy konserwacja predykcyjna jest wartościowa. Rzeczywiste pytanie brzmi, czy zakład jest gotowy skutecznie z niej korzystać.

Gotowość zależy od kilku powiązanych czynników. Kierownictwo musi wspierać program. Stan urządzeń musi mieć mierzalne wskaźniki awarii. Czujniki muszą zbierać wiarygodne dane o stanie technicznym. Sieci komunikacyjne muszą przesyłać te dane. Oprogramowanie musi je interpretować we właściwym kontekście operacyjnym.

Personel utrzymania ruchu musi również rozumieć urządzenia i system analityczny. Dane historyczne muszą być wystarczająco dokładne. Oczekiwane korzyści finansowe muszą uzasadniać koszty wdrożenia i eksploatacji.

Gdy brakuje tych warunków, konserwacja predykcyjna może nie być właściwym rozwiązaniem na dany moment. Lepsze rezultaty mogą zapewnić konserwacja prewencyjna, konserwacja oparta na stanie technicznym lub udoskonalone procedury inspekcji.

Nie oznacza to, że zakład musi na stałe zrezygnować z konserwacji predykcyjnej. Oznacza to, że przed zainwestowaniem w szerokie wdrożenie zakład powinien uzupełnić braki w zakresie gotowości.

Rysunek 1. Konserwacja predykcyjna wymaga wsparcia kierownictwa, ponieważ jej wdrożenie wpływa na budżety, dostęp do produkcji, zasoby inżynieryjne i długoterminowe praktyki operacyjne.

Wsparcie kierownictwa musi wykraczać poza zatwierdzenie projektu

Działy inżynieryjne i utrzymania ruchu często rozumieją potencjalne korzyści konserwacji predykcyjnej. Widzą powtarzające się awarie łożysk, nieoczekiwane przestoje silników oraz straty produkcyjne spowodowane naprawami awaryjnymi.

Kadra kierownicza wyższego szczebla może nadal się wahać. Oczekiwany zwrot z inwestycji może wydawać się trudny do zmierzenia. Projekt może wymagać nowych czujników, subskrypcji oprogramowania, infrastruktury sieciowej, szkoleń i wsparcia specjalistów.

Uzyskanie zgody na projekt pilotażowy nie wystarczy. Utrzymanie predykcyjne zmienia sposób współpracy kilku działów. Zespoły produkcyjne muszą udostępnić urządzenia na potrzeby instalacji czujników. Zespoły informatyczne mogą potrzebować zatwierdzić połączenia sieciowe. Działy zakupów muszą wesprzeć nowe umowy serwisowe.

Zespoły operacyjne muszą dokumentować warunki procesu wpływające na zachowanie urządzeń. Inżynierowie ds. niezawodności muszą określać tryby uszkodzeń i kryteria alarmowe. Planiści utrzymania ruchu muszą przekładać wyniki analiz na zlecenia prac.

Bez wsparcia kierownictwa grupy te mogą traktować projekt jako eksperyment inżynieryjny. Dostęp do produkcji staje się trudny. Szkolenia są odkładane. Modernizacje aparatury tracą priorytet budżetowy. Wyniki analiz pozostają poza procesem planowania prac utrzymania ruchu.

Wsparcie kierownictwa musi obejmować jasno określoną odpowiedzialność. Jedna osoba lub grupa sterująca powinna odpowiadać za wyniki biznesowe. Program powinien mieć określone cele, zatwierdzony budżet i dostęp do wymaganych zasobów zakładu.

Kierownictwo powinno również rozumieć, że początkowe wyniki mogą być niedoskonałe. Model predykcyjny wymaga danych eksploatacyjnych i walidacji w terenie. Progi alarmowe zwykle wymagają dostosowania. Po pierwszym cyklu inspekcji może być konieczna korekta rozmieszczenia czujników.

Realistyczne wdrożenie obejmuje okres nauki. Kierownictwo nie powinno oczekiwać, że każdy zainstalowany czujnik od razu przyniesie oszczędności.

Zamiast tego należy analizować mierzalne wskaźniki. Mogą one obejmować ograniczenie prac awaryjnych, wcześniejsze wykrywanie usterek, mniejszą liczbę powtarzających się awarii, ograniczenie szkód wtórnych oraz lepsze planowanie prac utrzymania ruchu.

Zakład nie jest gotowy, gdy kierownictwo jedynie werbalnie popiera projekt. Poparcie musi być widoczne w budżetach, decyzjach kadrowych, harmonogramach produkcji i zakresie odpowiedzialności poszczególnych działów.

Utrzymanie predykcyjne nie może się udać bez odpowiednich czujników

Utrzymanie predykcyjne zależy od mierzalnych zmian zachodzących przed awarią urządzenia. Zmiany te mogą obejmować drgania, temperaturę, ciśnienie, emisję akustyczną, stan środka smarnego, natężenie prądu elektrycznego, prędkość lub przemieszczenie.

Tradycyjna aparatura pomiarowa może nie rejestrować tych zmiennych. Maszyna może mieć jedynie lokalny manometr i podstawowy przekaźnik przeciążeniowy silnika. Urządzenia te mogą chronić proces, ale mogą nie ujawniać postępującej degradacji mechanicznej.

Standardowy rezystancyjny czujnik temperatury może wskazywać temperaturę łożyska. Może jednak wykryć problem ze smarowaniem dopiero po wystąpieniu znacznego tarcia. Odpowiednio dobrany czujnik drgań może zidentyfikować usterkę wcześniej.

Czujnik musi również odpowiadać trybowi uszkodzenia. Zainstalowanie czujników temperatury na każdym urządzeniu nie tworzy systemu predykcyjnego. Temperatura może być przydatna w przypadku szaf elektrycznych, łożysk, silników i układów smarowania. Może być mniej przydatna do wykrywania określonych uszkodzeń przekładni lub luzów.

Zakres czujnika, charakterystyka częstotliwościowa, sposób montażu, klasa środowiskowa i jakość sygnału mają znaczenie. Nieprawidłowo zamontowany akcelerometr może generować mylące dane o drganiach. Przekładnik prądowy o nieprawidłowo dobranym zakresie może ukryć niewielkie zmiany elektryczne.

Instalacja czujników musi uwzględniać fizyczną budowę maszyny. Pozycje pomiarowe powinny zapewniać niezawodną drogę od źródła uszkodzenia. Luźne powierzchnie, elastyczne osłony i pomalowane punkty montażowe mogą zniekształcać odczyty.

Trudne warunki środowiskowe wiążą się z dodatkowymi wymaganiami. Czujniki mogą wymagać odporności chemicznej, ochrony przeciwwybuchowej, okablowania wysokotemperaturowego lub ochrony przed wnikaniem. Urządzenie wybrane do czystego obszaru montażowego może nie przetrwać w pobliżu myjki masy celulozowej lub sprężarki offshore.

Zakład musi również uwzględnić kalibrację i konserwację. Uszkodzony czujnik może wywołać fałszywe poczucie pewności. Czujnik, którego wskazania ulegają dryfowi, może przez wiele miesięcy generować nieprawidłowe trendy.

Monitorowanie stanu wymaga zatem strategii oprzyrządowania, a nie tylko listy zakupów.

Rysunek 2. Analiza predykcyjna wymaga wiarygodnych pomiarów stanu z czujników dobranych do urządzenia i przewidywanych trybów jego uszkodzeń.

Większa ilość danych z czujników nie gwarantuje lepszych prognoz

Częstym błędem wdrożeniowym jest zbieranie każdej dostępnej zmiennej procesowej. Zespół projektowy zakłada, że większa ilość danych automatycznie zapewni dokładniejszy model.

Duże ilości danych mogą przynieść odwrotny skutek. Inżynierowie poświęcają czas na filtrowanie nieistotnych sygnałów. Rosną wymagania dotyczące przechowywania i komunikacji. Modele analityczne wykrywają korelacje, które nie mają znaczenia fizycznego.

Skuteczne utrzymanie predykcyjne zaczyna się od analizy trybów uszkodzeń. Zespół powinien określić, w jaki sposób urządzenie zwykle ulega awarii. Następnie należy ustalić, jakie zmiany fizyczne pojawiają się przed każdym uszkodzeniem.

Rozważmy pompę odśrodkową. Możliwe tryby uszkodzeń obejmują degradację łożyska, kawitację, niewspółosiowość, uszkodzenie wirnika, nieszczelność uszczelnienia i ograniczenie dopływu po stronie ssawnej.

Każdy stan generuje inne oznaki. Degradacja łożyska może wpływać na zawartość częstotliwościową drgań. Kawitacja może powodować szerokopasmowe drgania i niestabilne ciśnienie. Nieszczelność uszczelnienia może być widoczna dzięki wykrywaniu wycieku lub stratom procesowym.

Pojedynczy pomiar może nie pozwolić na rozróżnienie tych stanów. Jednak celowo dobrane połączenie pomiarów drgań, prądu silnika, ciśnienia ssania, ciśnienia tłoczenia i przepływu procesowego może dostarczyć użytecznego kontekstu diagnostycznego.

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

Zakłady powinny również rozróżniać alarmy procesowe od wskaźników stanu technicznego urządzeń. Alarm wysokiej temperatury na tłoczeniu może chronić jakość produkcji. Może jednak nie wskazywać pozostałego okresu eksploatacji maszyny.

Stan pracy musi być rejestrowany wraz z danymi o stanie technicznym. Drgań zmierzonych podczas rozruchu nie można bezpośrednio porównywać z drganiami zmierzonymi przy stałym obciążeniu. Zmiany prądu silnika mogą odzwierciedlać zapotrzebowanie produkcji, a nie degradację elektryczną.

Bez kontekstu pracy system analityczny może klasyfikować normalne zmiany produkcyjne jako awarie urządzeń.

Zakład powinien opóźnić wdrożenie predykcyjne, jeśli nie potrafi zidentyfikować istotnych trybów awarii, użytecznych punktów pomiarowych i stanów pracy. Instalowanie aparatury pomiarowej przed ukończeniem tych prac zwykle zwiększa koszty i powoduje zamieszanie.

Oprogramowanie musi być połączone z maszynami

Oprogramowanie predykcyjne staje się użyteczne dopiero wtedy, gdy otrzymuje wiarygodne informacje z zakładu. Zwykle wymaga to integracji ze sterownikami, rozproszonymi systemami sterowania, systemami archiwizacji danych, platformami monitorowania stanu lub bramami przemysłowymi.

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

Problemy z integracją mogą również opóźniać dane. Wartość zbierana raz na godzinę może być odpowiednia do obserwowania powolnych zmian termicznych. Może jednak nie wychwycić krótkotrwałych zdarzeń związanych z drganiami ani niestabilnych warunków ciśnienia.

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

Na przykład sterownik może przechowywać ciśnienie w kilopaskalach, podczas gdy platforma analityczna oczekuje barów. Dane nadal mają postać liczbową i mogą wyglądać na prawidłowe. Jednak każdy obliczony próg staje się nieprawidłowy.

Integracja przemysłowa musi zatem weryfikować identyfikację sygnałów, jednostki inżynierskie, znaczniki czasu, częstotliwości próbkowania, jakość danych i stan urządzeń.

Starsze instalacje PLC i DCS mogą komplikować ten proces. Sterowniki starszego typu mogą mieć ograniczone możliwości komunikacyjne. Sieci zastrzeżone mogą nie obsługiwać bezpośredniego dostępu. Wydajność procesora może być niewystarczająca do obsługi dodatkowego ruchu danych.

W takich sytuacjach zakłady mogą potrzebować konwerterów protokołów, modułów akwizycji danych lub starannie zaprojektowanych bram. Mogą również potrzebować zamiennych komponentów do starzejącej się infrastruktury sterowania.

Organizacje utrzymujące platformy sterowania różnych generacji mogą zapoznać się z odpowiednimi komponentami systemów PLC i PAC, oceniając ograniczenia integracji, zainstalowany sprzęt oraz wsparcie w całym cyklu życia.

Prawidłowa architektura powinna chronić wydajność sterowania maszyną. Gromadzenie danych o stanie nie może przeciążać krytycznego sterownika ani przerywać deterministycznej komunikacji.

Rysunek 3. Oprogramowanie analityczne potrzebuje niezawodnych połączeń ze sterownikami, wejściami maszyn, stanami procesu i systemami utrzymania ruchu.

Integracja musi prowadzić do możliwego do realizacji procesu utrzymania ruchu

Sama łączność techniczna nie tworzy wartości operacyjnej. Wyniki analiz muszą docierać do osób, które mogą przeprowadzić inspekcję, zaplanować prace i naprawić urządzenia.

Niektóre zakłady tworzą pulpity nawigacyjne wyświetlające doskonałe wykresy trendów. Pulpity te pozostają jednak oddzielone od procesu utrzymania ruchu. Nie jest generowane żadne zlecenie pracy. Żaden technik nie otrzymuje odpowiedzialności. Do modelu nie wracają żadne informacje zwrotne o wykonaniu prac.

Przydatny alert powinien odpowiadać na kilka praktycznych pytań. Który składnik majątku jest dotknięty problemem? Jaki stan wykryto? Jak poważny jest ten stan? Jakie dowody potwierdzają alert? Jaka inspekcja powinna odbyć się w następnej kolejności?

System nie zawsze musi przedstawiać ostateczną diagnozę. Powinien jednak dostarczać personelowi utrzymania ruchu wystarczająco dużo informacji, aby mógł podjąć racjonalną decyzję.

Na przykład alert informujący, że drgania przekroczyły ogólny próg, może mieć ograniczoną wartość. Lepszy alert może wskazywać narastające drgania na łożysku po stronie napędu w warunkach stabilnego obciążenia.

Może również pokazywać tempo zmian, istotne składowe częstotliwości, wcześniejsze prace konserwacyjne oraz zalecany termin inspekcji.

Integracja z przepływem pracy powinna łączyć wyniki analiz z platformą CMMS lub EAM. Początkowo zakład może stosować ręczną weryfikację przed utworzeniem automatycznych zleceń pracy.

Takie kontrolowane podejście zapobiega przeciążeniu zaległości w utrzymaniu ruchu dużą liczbą alertów niskiej jakości.

Zespół utrzymania ruchu powinien rejestrować wyniki inspekcji. Powinien potwierdzać, czy usterka rzeczywiście wystąpiła, czy alert pojawił się odpowiednio wcześnie oraz jakie działanie podjęto.

Te informacje zwrotne są niezbędne. Pozwalają inżynierom udoskonalać progi, weryfikować modele i usuwać zawodne reguły.

Zakład nie jest gotowy, jeśli nikt nie odpowiada za proces reagowania. Utrzymanie predykcyjne nie może pozostać odizolowanym zadaniem dostawcy oprogramowania ani analityka danych.

Proces musi łączyć wykrywanie, przegląd inżynierski, planowanie utrzymania ruchu, inspekcję w terenie, naprawę oraz weryfikację po wykonaniu prac konserwacyjnych.

Nadal wymagane są specjalistyczne umiejętności

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

Systemy predykcyjne wykorzystują zaawansowane czujniki, sieci przemysłowe, oprogramowanie analityczne i modele urządzeń. Każda warstwa może powodować usterki przypominające problemy maszyny.

Uszkodzony kabel może wyglądać jak nagła zmiana procesu. Zakłócenia elektryczne mogą wyglądać jak drgania łożyska. Nieprawidłowa konfiguracja urządzenia może powodować wyznaczenie nierealistycznych limitów alarmowych.

Personel musi rozumieć zarówno monitorowane urządzenia, jak i system monitorowania. Rozwinięcie tego połączenia jest trudne.

Odpowiednie kompetencje mogą obejmować analizę drgań, termografię, analizę środków smarnych, analizę prądu silnika, oprzyrządowanie, rozwiązywanie problemów z siecią, komunikację z PLC, zarządzanie bazami danych oraz planowanie utrzymania ruchu.

Żaden technik nie musi opanować każdej dziedziny. Organizacja musi jednak mieć dostęp do wymaganej wiedzy specjalistycznej.

Zakład powinien również odróżniać analizę danych od diagnozy. Oprogramowanie może wykryć nietypowy sygnał. Ustalenie fizycznej przyczyny może wymagać wiedzy na temat łożysk, sprzęgieł, przekładni, silników, pomp, zaworów i warunków procesu.

Doświadczenie terenowe pozostaje ważne, ponieważ urządzenia przemysłowe rzadko pracują w warunkach laboratoryjnych. Fundamenty się luzują. Naprężenia rurociągów zmieniają ustawienie. Zapotrzebowanie produkcyjne się zmienia. Tymczasowe naprawy stają się trwałe.

Te uwarunkowania wpływają na zachowanie maszyn i wyniki analiz.

Rysunek 4. Skuteczne utrzymanie predykcyjne łączy narzędzia analityczne z oprzyrządowaniem, siecią, niezawodnością i doświadczeniem inżynierów pracujących w terenie.

Zależność od zewnętrznych ekspertów może stać się kosztowna

Zewnętrzni specjaliści mogą przyspieszyć początkowe wdrożenie. Mogą skonfigurować czujniki, opracować modele i przeszkolić personel wewnętrzny.

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

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

Zakłady powinny określić, które kompetencje pozostają wewnątrz organizacji, a które usługi pozostają zewnętrzne. Wysoce specjalistyczna analiza drgań może nadal być zlecana na zewnątrz. Przegląd alarmów pierwszego poziomu i inspekcje w terenie powinny zazwyczaj być realizowane w zakładzie.

Szkolenia powinny opierać się na rzeczywistym sprzęcie. Ogólne demonstracje oprogramowania nie wystarczą. Technicy muszą rozumieć lokalizację czujników, działanie alarmów, typowe tryby awarii oraz procedury weryfikacji.

Szkolenia są potrzebne również planistom utrzymania ruchu. Przewidywana usterka nie powinna automatycznie stawać się awaryjnym zleceniem pracy. Planista musi uwzględnić krytyczność zasobu, dostępność części zamiennych, okna produkcyjne, bezpieczeństwo oraz szacowane tempo rozwoju usterki.

Personel operacyjny powinien rozumieć cel systemu. Często zauważa zmiany procesu, zanim zrobią to zespoły analityczne. Jego obserwacje mogą wyjaśnić nietypowe dane lub potwierdzić rozwijającą się usterkę.

Transfer wiedzy powinien zostać uwzględniony w zakresie projektu. Dokumentacja powinna obejmować architekturę, podłączone znaczniki, reguły alarmów, specyfikacje czujników, wymagania dotyczące utrzymania oraz ścieżki eskalacji.

Zakład może nie być gotowy, jeśli brakuje w nim osób, które po uruchomieniu systemu przejmą za niego odpowiedzialność. Demonstracja może zakończyć się sukcesem, podczas gdy długoterminowy program stopniowo przestaje być wykorzystywany.

Problemy budżetowe wykraczają poza cenę zakupu

Konserwacja predykcyjna może wymagać znacznej inwestycji początkowej. Czujniki, okablowanie, bramy komunikacyjne, oprogramowanie, serwery, usługi chmurowe, integracja i szkolenia składają się na koszt projektu.

Widoczna na ofercie kwota może stanowić tylko część całkowitej inwestycji. Instalacja może wymagać czasu podczas przestoju, rusztowań, pozwoleń na pracę w strefach zagrożonych, rysunków inżynieryjnych i modyfikacji systemu sterowania.

Starsze maszyny mogą wymagać zmian w sposobie montażu lub modernizacji instalacji elektrycznej. Sieci komunikacyjne mogą wymagać dodatkowych przełączników, połączeń światłowodowych lub zabezpieczeń cybernetycznych.

Oprogramowanie może być oferowane w modelu subskrypcyjnym. Modele analityczne mogą wymagać stałego wsparcia. Czujniki trzeba kalibrować, wymieniać lub poddawać inspekcji.

Zakłady powinny obliczać koszt cyklu życia, a nie tylko cenę zakupu. Niedrogi pilotaż może stać się kosztownym programem po wdrożeniu na setkach zasobów.

Analiza finansowa musi również opierać się na realistycznych oszczędnościach. Unikniętego przestoju nie należy obliczać na podstawie maksymalnej wartości produkcji dla każdej możliwej awarii.

Niektóre awarie występują już podczas planowanych przestojów. Inne dotyczą wyłącznie urządzeń rezerwowych. Niektóre alerty prowadzą do inspekcji, podczas których nie zostaje wykryta istotna usterka.

Rzetelne uzasadnienie biznesowe uwzględnia te ograniczenia.

Rysunek 5. Konserwacja predykcyjna może przynosić znaczne korzyści, ale koszty początkowe i cykliczne muszą odpowiadać ryzyku związanemu z zasobami zakładu.

Nie każdy zasób zasługuje na ciągłe monitorowanie

Konserwacja predykcyjna powinna koncentrować się na zasobach, w przypadku których wczesne wykrywanie usterek przynosi wymierną wartość.

Mały, niedrogi wentylator może mieć niski koszt wymiany. Może też być wyposażony w zainstalowaną jednostkę rezerwową. Jego awaria może nie wpływać na bezpieczeństwo, jakość ani produkcję.

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

Natomiast wentylator ciągu wymuszonego obsługujący kocioł o znaczeniu krytycznym może uzasadniać ciągłe monitorowanie. Jego awaria mogłaby zatrzymać produkcję i spowodować znaczne koszty ponownego uruchomienia.

Krytyczność aktywów powinna zatem wyznaczać kierunek inwestycji. Uwzględnia ona wpływ na produkcję, konsekwencje dla bezpieczeństwa, ryzyko środowiskowe, czas naprawy, dostępność części zamiennych oraz szkody wtórne.

Zakład powinien również przeanalizować częstotliwość awarii. Krytyczny składnik majątku, który rzadko ulega awarii, może mimo to uzasadniać zastosowanie ochrony. Oczekiwana metoda wykrywania musi jednak być wiarygodna pod względem technicznym.

W przypadku niektórych aktywów lepszym rozwiązaniem są okresowe obchody kontrolne. Technik może co miesiąc zbierać odczyty drgań z wielu maszyn. Takie podejście może zapewnić wystarczająco wczesne ostrzeżenie przy niższych kosztach.

W przypadku innych aktywów można stosować podstawowe wyzwalacze oparte na stanie. Wartość graniczna różnicy ciśnień może wskazywać na obciążenie filtra. Trend prądu silnika może ujawnić rosnące obciążenie mechaniczne.

Konserwacja predykcyjna jest jedną z opcji w ramach szerszej strategii niezawodności. Nie powinna zastępować wszystkich zadań prewencyjnych ani zadań opartych na monitorowaniu stanu.

Dobra strategia zarządzania aktywami może obejmować eksploatację do awarii w przypadku urządzeń o niewielkich konsekwencjach awarii, prewencyjną wymianę elementów starzejących się, monitorowanie stanu w przypadku rozwijających się usterek oraz analitykę predykcyjną dla aktywów o wysokiej wartości.

Właściwa równowaga jest ważniejsza niż liczba podłączonych czujników.

Niektórych trybów uszkodzeń nie można niezawodnie przewidzieć

Konserwacja predykcyjna działa najlepiej, gdy degradacja rozwija się stopniowo i dostarcza mierzalnych dowodów.

Zużycie łożysk, niewyważenie, niewspółosiowość, pogarszanie się stanu środka smarnego i degradacja cieplna często powodują wykrywalne trendy. Stany te mogą zapewnić wystarczająco dużo czasu na kontrolę i zaplanowaną naprawę.

Inne awarie występują nagle. Element elektroniczny może ulec awarii bez stabilnego wzorca ostrzegawczego. Kabel może zostać uszkodzony podczas niezwiązanych z nim prac budowlanych. Ciało obce może nieoczekiwanie przedostać się do układu procesowego.

Analityka predykcyjna nie jest w stanie niezawodnie prognozować każdego zdarzenia losowego.

Zakłady powinny przeanalizować charakterystykę awarii przed wyborem metody monitorowania. Szczególnie ważny jest potencjalny przedział od wykrycia do awarii.

Ten przedział oznacza czas od wykrycia rozwijającej się usterki do wystąpienia awarii funkcjonalnej. Częstotliwość monitorowania musi być krótsza niż ten przedział.

Comiesięczna kontrola nie pozwoli zarządzać awarią, która rozwija się w ciągu dwóch dni. Może być wymagane monitorowanie ciągłe. Jednak monitorowanie ciągłe również zawodzi, gdy stan nie powoduje żadnego mierzalnego ostrzeżenia.

Zespół powinien sprawdzić, czy istnieje parametr możliwy do wykrycia. Powinien również ustalić, czy parametr ten zmienia się wystarczająco wcześnie, aby umożliwić podjęcie działań utrzymaniowych.

Alert pojawiający się dziesięć minut przed awarią może wspierać automatyczne wyłączenie ochronne. Może jednak nie wystarczyć do zaplanowania prac utrzymaniowych.

Systemy ochronne i systemy predykcyjne mają różne zastosowania. System ochrony maszyn może wyłączyć urządzenie w przypadku niebezpiecznych drgań. System predykcyjny powinien wykryć pogarszanie się stanu, zanim zostanie osiągnięty punkt wyłączenia.

Zakłady oceniające programy dotyczące urządzeń wirujących mogą zapoznać się z dostępnymi komponentami do monitorowania maszyn podczas porównywania czujników, sprzętu monitorującego i kompatybilności zainstalowanych systemów.

Zakład nie powinien obiecywać predykcyjnego monitorowania awarii, dla których brakuje wiarygodnego wczesnego wskaźnika. Jasne ograniczenia techniczne budują większe zaufanie niż nierealistyczne deklaracje.

Istniejący program konserwacji zapobiegawczej może już być skuteczny

Konserwacja predykcyjna nie jest automatycznie lepsza od dobrze zaprojektowanego programu konserwacji zapobiegawczej.

Niektóre komponenty mają przewidywalny okres eksploatacji. Ich wymiana jest niedroga i łatwa do zaplanowania. Zakład może już wymieniać je podczas planowanych przestojów, przy minimalnym wpływie na produkcję.

Dodanie czujników i analityki może przynieść niewielką dodatkową wartość.

Konserwacja zapobiegawcza może również spełniać wymagania prawne, bezpieczeństwa lub ubezpieczeniowe. Model predykcyjny może nie znosić wymogu okresowej inspekcji lub testów potwierdzających.

Systemy bezpieczeństwa instrumentowanego stanowią wyraźny przykład. Dane diagnostyczne mogą wspierać decyzje dotyczące utrzymania ruchu, ale nadal mogą obowiązywać wymagane okresy testów.

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

Zakład powinien porównywać strategie pod względem kosztów, ryzyka i skuteczności technicznej. Nie powinien zmieniać strategii wyłącznie dlatego, że konserwacja predykcyjna wydaje się bardziej zaawansowana.

Skuteczny program konserwacji zapobiegawczej przynosi dodatkową korzyść. Tworzy uporządkowaną dokumentację utrzymania ruchu. Dane te mogą później wspierać analizę predykcyjną.

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

Usprawnienia te mogą ograniczyć liczbę awarii bez dużych inwestycji w technologię. Tworzą również solidniejszą podstawę dla przyszłej analityki.

Zakład powinien utrzymać obowiązującą strategię do czasu, aż proponowana alternatywa wykaże mierzalną przewagę.

Organizacje potrzebują wiarygodnych danych historycznych

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

Zakłady, które opierają się głównie na konserwacji reaktywnej, często mają słabą dokumentację. Zlecenie serwisowe może zawierać jedynie informację, że pompa została naprawiona. Może nie wskazywać uszkodzonego łożyska, objawów podczas pracy, przyczyny źródłowej ani wymienionych komponentów.

Takie rekordy nie nadają się do wiarygodnego trenowania ani walidacji modelu.

Problemy z jakością danych mogą obejmować brakujące sygnatury czasowe, niespójne nazwy zasobów, zduplikowane rekordy urządzeń oraz nieprecyzyjne opisy awarii.

Dane z czujników również mogą być niekompletne. Urządzenia mogły pracować przez lata bez rejestrowania trendów drgań lub temperatury.

Gdy dane historyczne są niedostępne, system musi zebrać nowe informacje bazowe. To wymaga czasu. Rzadkie tryby awarii mogą nie wystąpić w początkowym okresie wdrożenia.

Organizacje nie powinny utożsamiać braku alarmów z udanym prognozowaniem. System może po prostu nie mieć wystarczającej ilości informacji, aby rozpoznać nietypowe zachowanie.

Rysunek 6. Dokładne dane historyczne pomagają systemom analitycznym odróżniać normalną pracę od rozwijających się usterek wyposażenia.

Dojrzałość utrzymania ruchu powinna poprzedzać zaawansowaną analitykę

Zakład, który ma trudności z podstawową kontrolą utrzymania ruchu, może nie odnieść korzyści z zaawansowanego prognozowania.

Typowe sygnały ostrzegawcze obejmują dużą liczbę zaległych prac awaryjnych, brakujące dane o zasobach, nieplanowane niedobory części zamiennych, niekompletne zlecenia pracy oraz powtarzające się awarie bez analizy przyczyn źródłowych.

Dodanie alertów predykcyjnych do takiego środowiska dostarcza więcej informacji, ale niekoniecznie prowadzi do lepszego działania.

Zakład powinien najpierw ustanowić hierarchię zasobów, identyfikację wyposażenia, odpowiedzialność za utrzymanie ruchu i dyscyplinę w zakresie zleceń pracy.

Dla urządzeń krytycznych powinny istnieć prawidłowe zestawienia materiałowe. Części zamienne powinny być powiązane z wyposażeniem. Kody awarii powinny używać spójnej terminologii.

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

Organizacja potrzebuje również dyscypliny w planowaniu. Potwierdzoną rozwijającą się usterkę trzeba przełożyć na zapotrzebowanie na pracowników, dostępność części, pozwolenia i okno produkcyjne.

Bez tego procesu wczesne wykrywanie nie zapobiega awarii. Zapewnia jedynie wcześniejszą wiedzę o problemie, który nadal pozostaje nierozwiązany.

Dojrzała organizacja nie potrzebuje idealnych danych. Potrzebuje powtarzalnych praktyk i jasno określonej odpowiedzialności.

Konserwacja predykcyjna powinna wzmacniać te praktyki, a nie je omijać.

Zmienne warunki produkcji mogą dezorientować model

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

Zmiany te wpływają na zachowanie maszyn. Pompa może wibrować inaczej przy małym przepływie. Wentylator może wykazywać wyższy prąd silnika po zmianie położenia przepustnic. Przenośnik może generować inne wzorce akustyczne przy cięższym materiale.

Model wytrenowany w jednym stanie pracy może generować fałszywe alarmy w innym.

Częste modyfikacje wyposażenia stanowią kolejne wyzwanie. Zakład może wymienić silnik, zmienić przełożenie przekładni, zmodyfikować instalację rurową lub zmienić logikę sterowania.

Poprzednia wartość bazowa może już nie odzwierciedlać normalnej pracy.

Systemy predykcyjne wymagają zatem zarządzania konfiguracją. Zmiany w wyposażeniu powinny uruchamiać przegląd wartości bazowych, limitów alarmowych i założeń modelu.

W razie potrzeby dane należy grupować według warunków pracy. Maszyny o zmiennej prędkości mogą wymagać analizy drgań zależnej od prędkości. Procesy wsadowe mogą wymagać modeli dostosowanych do faz produkcji.

Zakład o niestabilnych operacjach powinien najpierw poprawić zrozumienie procesu. W przeciwnym razie system analityczny może poświęcać większość wysiłku na wykrywanie zmienności produkcji.

Nie uniemożliwia to utrzymania predykcyjnego. Zmienia jednak projekt techniczny. Może być wymagany szerszy kontekst operacyjny oraz segmentacja modeli.

Starsze systemy sterowania mogą ograniczać uzasadnienie biznesowe

Zakłady typu brownfield często zawierają urządzenia z kilku generacji systemów sterowania. W jednym obszarze produkcyjnym może być używany nowoczesny sterownik PLC oparty na sieci Ethernet. Inny może zależeć od zastrzeżonej sieci zainstalowanej kilkadziesiąt lat wcześniej.

Starsze systemy mogą pozostać niezawodne. Jednak pozyskiwanie dodatkowych danych o stanie urządzeń może być trudne.

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

Projekt utrzymania predykcyjnego może ujawnić te zagrożenia związane z cyklem życia. Wymagany koszt integracji może przewyższyć koszt czujników monitorujących.

Zakłady powinny unikać wprowadzania niekontrolowanych zmian w krytycznych starszych systemach. Dodanie ruchu sieciowego lub modyfikacja starego kodu aplikacji może stworzyć ryzyko dla produkcji.

Bezpieczniejsza konstrukcja może wykorzystywać niezależny sprzęt monitorujący. Może on zbierać sygnały bez zmieniania oryginalnej logiki sterowania.

Inną możliwością jest etapowy plan modernizacji. Zakład może najpierw ustabilizować obsługę przestarzałego sprzętu, dokumentację oraz dostępność części zamiennych.

Funkcje predykcyjne można wówczas dodać podczas planowanych modernizacji systemu sterowania.

Decyzja powinna uwzględniać cykl życia urządzeń. Instalacja złożonego systemu monitorowania na maszynach zaplanowanych do wymiany może być nieekonomiczna.

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

Cyberbezpieczeństwa i zarządzania danymi nie można dodać później

Utrzymanie predykcyjne często wymaga przesyłania danych operacyjnych poza granice pierwotnego systemu sterowania.

Dane mogą trafiać do serwera lokalnego, platformy korporacyjnej, zdalnego dostawcy usług lub środowiska chmurowego.

Każde połączenie wiąże się z wymaganiami dotyczącymi zarządzania oraz cyberbezpieczeństwa. Zakłady muszą określić, które systemy mogą się ze sobą komunikować, którzy użytkownicy mogą uzyskiwać dostęp do danych oraz w jaki sposób kontrolowane jest wsparcie zewnętrzne.

Nieprawidłowo zaplanowane połączenie może narazić zasoby przemysłowe na niepotrzebne ryzyko. Narzędzi do zdalnego dostępu klasy konsumenckiej nie należy używać do obsługi urządzeń o znaczeniu krytycznym.

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

Platforma analityczna nie powinna wymagać nieograniczonego dostępu sterującego, gdy wystarczający jest dostęp do danych tylko do odczytu.

Należy również jasno określić własność danych. Umowy powinny wyjaśniać, kto jest właścicielem surowych danych z czujników, modeli pochodnych i wniosków dotyczących utrzymania.

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

Przeglądy cyberbezpieczeństwa mogą wpływać na harmonogram projektu. Należy rozpocząć je na etapie projektowania architektury, a nie po instalacji.

Zakład nie jest gotowy, gdy projekt pomija cyberbezpieczeństwo, ponieważ system monitorowania określono jako niekrytyczny.

Dane o stanie nadal mogą ujawniać wielkość produkcji, stan zasobów, limity eksploatacyjne i dostępność zakładu. Informacje te mogą być wrażliwe z handlowego lub operacyjnego punktu widzenia.

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

Rozważmy zakład chemiczny, który zainstalował bezprzewodowe czujniki drgań na czterdziestu pompach. Celem projektu było ograniczenie awarii uszczelnień i awaryjnych wymian łożysk.

Początkowy pulpit generował częste alerty o wysokim poziomie drgań. Personel utrzymania ruchu skontrolował kilka pomp, ale nie znalazł widocznych usterek.

Zaufanie do systemu szybko spadło.

Szczegółowy przegląd wykazał kilka przyczyn. Niektóre czujniki zamontowano na cienkich osłonach silników. Nie rejestrowano prędkości pracy pomp. Kilka jednostek pracowało znacznie poniżej projektowego przepływu.

Limity alarmowe były identyczne dla wszystkich pomp, mimo różnic w ich rozmiarach, fundamentach i warunkach eksploatacji.

Zespół projektowy zmienił podejście. Czujniki zamontowano ponownie w odpowiednich miejscach na obudowach łożysk. Do zestawu danych dodano prędkość i przepływ procesu.

Pompy pogrupowano według konstrukcji i warunków eksploatacji. Progi alarmowe dostosowano na podstawie pomiarów bazowych i przeglądu inżynierskiego.

Zespół oddzielił również niestabilność hydrauliczną od wskazań mechanicznych dotyczących łożysk.

Po tych zmianach liczba alarmów spadła. Pozostałe alerty stały się bardziej użyteczne. Jedna pompa wykazała narastające drgania o częstotliwości charakterystycznej dla łożyska podczas stabilnej pracy.

Inspekcja konserwacyjna potwierdziła pogorszenie smarowania. Łożysko wymieniono podczas planowanej zmiany produkcyjnej.

Wniosek nie był taki, że bezprzewodowe monitorowanie zawiodło. W pierwotnym projekcie zabrakło odpowiedniej instalacji czujników, kontekstu urządzeń i walidacji alarmów.

Krótki przegląd gotowości mógłby zidentyfikować te problemy przed pełnym wdrożeniem.

Studium przypadku: Linia pakująca, która nie potrzebowała zaawansowanego prognozowania

Zakład pakowania żywności rozważał ciągłe monitorowanie małych silników przenośników. Silniki były niedrogie i dostępne z lokalnego magazynu.

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

Początkowa propozycja obejmowała monitorowanie natężenia prądu, czujniki temperatury, bramki i subskrypcję chmurowej analityki.

Przegląd krytyczności wykazał, że większość silników nie uzasadniała stałego monitorowania. Konsekwencje ich awarii były ograniczone, a czas wymiany na część zapasową był krótki.

Zakład wybrał prostszą strategię. Operatorzy przeprowadzali kontrole wzrokowe podczas sanityzacji. Elektrycy używali ręcznych kamer termowizyjnych podczas comiesięcznych obchodów.

Niewielka liczba krytycznych silników napędowych otrzymała ciągłe monitorowanie natężenia prądu i temperatury. Silniki te napędzały urządzenia będące wąskimi gardłami, których wymiana trwała dłużej.

Zmieniony program kosztował mniej i lepiej odpowiadał ryzyku związanym z zasobami.

Konserwacja predykcyjna nie została odrzucona. Stosowano ją tylko tam, gdzie wczesne ostrzeganie przynosiło wartość operacyjną.

Studium przypadku: dane historyczne bez wiarygodnych etykiet awarii

Duży zakład produkcyjny miał dane z systemu typu historian zebrane z kilku lat. Kierownictwo uważało, że ta historia wystarczy do uczenia maszynowego.

Baza danych zawierała natężenie prądu silników, temperatury, ciśnienie procesowe i wielkości produkcji. Jednak rejestry utrzymania ruchu nie zawierały spójnych informacji o awariach.

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

Zespół analityczny potrafił identyfikować nietypowe trendy. Nie potrafił jednak określić, które wzorce odpowiadały konkretnym usterkom.

Najpierw zakład usprawnił kodowanie prac utrzymania ruchu. Technicy rejestrowali uszkodzony komponent, zaobserwowany stan, przyczynę i działanie korygujące.

Zespół przeanalizował również wcześniejsze raporty z przestojów i zużycie części zamiennych. Dzięki temu odtworzono kilka potwierdzonych zdarzeń awaryjnych.

Następnie wytrenowano nowe modele analityczne z wykorzystaniem zweryfikowanych przykładów. Projekt rozpoczęto od wykrywania anomalii i przeglądu inżynierskiego, a nie od automatycznej diagnostyki.

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

Ten przypadek pokazuje, że ilość danych i ich jakość to dwie różne kwestie. Miliony zarejestrowanych wartości nie zastąpią wiarygodnego kontekstu utrzymania ruchu.

Praktyczna ocena gotowości do konserwacji predykcyjnej

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

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

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

Następnie przeanalizuj tryby awarii. Ustal, czy każda awaria generuje mierzalne ostrzeżenie. Oszacuj dostępny czas ostrzegania.

Przeanalizuj istniejącą aparaturę pomiarową. Potwierdź przydatność czujników, miejsca instalacji, wymagania środowiskowe, status kalibracji i dostęp do danych.

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

Oceń dane historyczne. Sprawdź nazwy zasobów, opisy prac konserwacyjnych, kody uszkodzeń, stany pracy i braki danych.

Oceń możliwości organizacji. Ustal, kto będzie monitorować alerty, weryfikować ustalenia, tworzyć zlecenia robocze, kontrolować urządzenia i aktualizować modele.

Oblicz koszt cyklu życia. Uwzględnij sprzęt, prace inżynieryjne, instalację, czas przestoju, oprogramowanie, szkolenia, wsparcie i konserwację czujników.

Na koniec zdefiniuj mierzalne wyniki. Unikaj ogólnych celów, takich jak „poprawa niezawodności”. Stosuj konkretne miary, takie jak ograniczenie awaryjnych prac przy łożyskach lub wykrywanie wybranych usterek przed wyłączeniem.

Zamiast wdrożenia w całym zakładzie przeprowadź ukierunkowany pilotaż

Pilotaż powinien sprawdzać kompletny przepływ prac związanych z utrzymaniem ruchu. Nie powinien jedynie potwierdzać, że czujnik może przesyłać dane do pulpitu nawigacyjnego.

Wybierz niewielką liczbę zasobów o znanej historii uszkodzeń i istotnym wpływie na działalność operacyjną.

Zasoby powinny mieć wykrywalne tryby uszkodzeń. Personel utrzymania ruchu powinien rozumieć ich sposób działania.

Pilotaż powinien obejmować instalację czujników, zbieranie danych, integrację systemu, przegląd alarmów, inspekcję w terenie, planowanie prac i weryfikację wyników.

Zdefiniuj sukces przed instalacją. Możliwe kryteria obejmują wykrywanie potwierdzonego pogorszenia stanu, ograniczenie zbędnych inspekcji, skrócenie czasu planowania lub zapobieganie wtórnym uszkodzeniom.

Pilotaż powinien trwać wystarczająco długo, aby objąć reprezentatywne warunki pracy. Krótka demonstracja podczas stabilnej produkcji może nie sprawdzić rzeczywistego systemu.

Dokumentuj fałszywe alarmy i przeoczone stany. Oba przypadki dostarczają cennych informacji projektowych.

Nie ukrywaj nieudanych wyników. Pilotaż, który wskaże nieodpowiednie czujniki lub słabe dane, może zapobiec kosztownemu wdrożeniu na pełną skalę.

Rozbudowa powinna opierać się na dowodach. Najpierw można dodawać zasoby o podobnej konstrukcji i pracujące w podobnych warunkach.

Każdy etap rozbudowy powinien potwierdzać dostępność personelu, przepustowość sieci, wydajność oprogramowania i zdolność do reagowania na potrzeby konserwacji.

Buduj fundament etapami

Zakład, który dziś nie jest gotowy, nadal może opracować praktyczny plan działania.

Pierwszy etap może usprawnić dokumentację konserwacyjną i hierarchię zasobów. Zakład może ustandaryzować nazwy urządzeń, kody uszkodzeń i zamykanie zleceń roboczych.

Drugi etap może wprowadzić ukierunkowane monitorowanie stanu. Technicy mogą okresowo zbierać dane dotyczące drgań, temperatury lub środka smarnego z elementów krytycznych.

Trzeci etap może zintegrować istniejące informacje procesowe i konserwacyjne. Rejestratory danych, sterowniki i rekordy CMMS można połączyć za pośrednictwem kontrolowanej architektury.

Czwarty etap może dodać zaawansowaną analitykę dla wybranych trybów uszkodzeń. Modele należy walidować na podstawie inspekcji w terenie i ustaleń z prac konserwacyjnych.

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

Takie etapowe podejście ogranicza ryzyko techniczne i finansowe. Daje również personelowi czas na rozwijanie umiejętności.

Co najważniejsze, pozwala to utrzymać powiązanie projektu z rzeczywistymi problemami dotyczącymi niezawodności.

Kiedy należy odłożyć konserwację predykcyjną

Zakład powinien rozważyć odłożenie wdrożenia, gdy kierownictwo wyższego szczebla nie zobowiązało się do zapewnienia zasobów ani nie wyznaczyło właściciela projektu.

Odłożenie wdrożenia może być również właściwe, gdy nie zidentyfikowano krytycznych trybów awarii. Instalowanie czujników bez strategii awaryjnej prowadzi do słabych rezultatów.

To samo dotyczy sytuacji, gdy oprzyrządowanie nie może gromadzić wiarygodnych danych o stanie. Oprogramowanie nie naprawi błędnych pomiarów fizycznych.

Wdrożenie należy ponownie rozważyć, gdy integracja systemów komunikacji i sterowania stwarza niedopuszczalne ryzyko dla produkcji lub cyberbezpieczeństwa.

Organizacje prowadzące słabą dokumentację utrzymania mogą najpierw potrzebować poprawy jakości danych. Zakłady bez personelu zdolnego analizować alerty i podejmować na ich podstawie działania również są narażone na wysokie ryzyko niepowodzenia.

Ograniczone budżety należy kierować na zasoby o największych konsekwencjach awarii. Szeroko zakrojona instalacja może przynieść mniejszą wartość niż skoncentrowany program niezawodności.

Konserwacja predykcyjna może być również zbędna, gdy utrzymanie prewencyjne lub utrzymanie oparte na stanie już skutecznie kontroluje ryzyko.

Odłożenie projektu nie jest porażką. Często jest to odpowiedzialna decyzja inżynierska.

Najlepsza strategia utrzymania to ta, którą zakład potrafi realizować

Konserwacja predykcyjna może ograniczyć nieoczekiwane przestoje i usprawnić planowanie prac utrzymaniowych. Może także ujawnić degradację sprzętu, której nie wykrywają rutynowe inspekcje.

Korzyści te zależą od znacznie większej liczby czynników niż same algorytmy. Wymagają odpowiednich zasobów, prawidłowo dobranych czujników, niezawodnej integracji, wysokiej jakości rejestrów, wykwalifikowanego personelu i zdyscyplinowanych procesów pracy.

Zakłady powinny unikać traktowania konserwacji predykcyjnej jako uniwersalnego zamiennika istniejących strategii.

Eksploatacja aż do awarii, utrzymanie prewencyjne, utrzymanie oparte na stanie, monitorowanie ochronne i analityka predykcyjna mają uzasadnione zastosowania.

Najskuteczniejsze programy utrzymania niezawodności stosują te metody wybiórczo. Dopasowują strategię utrzymania do krytyczności zasobów, charakterystyki awarii, ryzyka operacyjnego i wartości ekonomicznej.

Dlatego przed podjęciem dużej inwestycji należy przeprowadzić ocenę gotowości. Pozwala ona zidentyfikować brakujące możliwości i określić praktyczną kolejność wdrażania.

Gdy fundamenty są solidne, konserwacja predykcyjna może stać się niezawodnym narzędziem operacyjnym. Gdy są słabe, ta sama technologia może generować alarmy, koszty i rozczarowanie.

Celem nie jest wdrożenie najbardziej zaawansowanego systemu. Celem jest odpowiednio wczesne wykrywanie istotnych problemów ze sprzętem, aby móc skutecznie zareagować.