Wykrywanie przyczyn powstania różnego typu awarii mechanicznych nie tylko ułatwia prowadzenie napraw, ale przyczynia się także do usprawnienia całego procesu UR.
Zrozumienie przyczyn powstawania błędów może często zniechęcać badającego sprawę – osoba ta ma za zadanie zbadać, co spowodowało awarię systemową lub sprzętową w zakładzie przemysłowym. Jest to całkowicie zrozumiałe ze względu na chaotyczne okoliczności, jakie występują podczas badania określonego zdarzenia.
Zbyt częste awarie powodują powstanie reakcji, która polega na doprowadzeniu wszystkich elementów do stanu dopuszczanego do użycia tak szybko, jak to możliwe, bez rzeczywistego uwzględnienia rozwiązywania problemu za pomocą dobrze przemyślanego procesu badawczego. Symptomy pozostają niezapisane lub są całkowicie ignorowane, a wszelkie dowody zostają usunięte lub zniszczone.
Kiedy to nastąpi, powstanie kolejnej awarii jest nieuniknione i trudne do przewidzenia. Dobrą informacją jest to, że jeśli awarie powstają z dużą częstotliwością, szybciej i lepiej reagujemy na problemy, skracając w ten sposób czas przestoju lub łagodząc skutki awarii.
Każdy analityk musi sobie zdać sprawę, że życie komponentów ograniczają działające na nie siły. Dlatego inżynierowie nie tylko przetwarzają wymagania w opis projektowanego produktu, ale również biorą pod uwagę zgodność z oczekiwanymi obciążeniami komponentów na podstawie wymagań funkcjonalnych. Do nich zaliczamy cykl życia produktu (mierzone jako jego wydajność w czasie), niezawodność i konserwację.
Równie ważne dla analityka jest uświadomienie sobie, że awarie rzadko występują tylko z jednego powodu lub pojedynczych błędów danych wejściowych. Staje się to oczywiste podczas poszukiwania wszystkich możliwych zdarzeń, do jakich prowadzą dowody. Wszystkie te opcje należy sprawdzić podczas analizy. Dlatego większość awarii zwykle wynika z dużej liczby błędów, które są przedstawione za pomocą drzewa logicznego w postaci wielu odnóg ilustrujących wszystkie powiązania przyczynowo-skutkowe dla danej awarii.
Odczyt rozwiązań
Każdy analizowany przypadek występuje w ramach konkretnego przedziału czasowego, który przedstawia okres pomiędzy pojawieniem się nieprawidłowości wynikających z powstania awarii aż do momentu jej bezpiecznego odizolowania. Dane dotyczące awarii w tym przedziale czasu dostarczają wskazówki lub dowody, które są niezbędne do wykrycia przyczyny powstania każdego rodzaju awarii lub zdarzenia – niezależnie od tego, czy są one sporadyczne, czy ciągłe.
Każda część danych dostarcza odpowiedzi na pytanie, w jaki sposób mogą wystąpić awarie dla określonej pozycji lub określonego stanu. Kiedy osoba przeprowadzająca badanie może połączyć występujące nieprawidłowości z konkretnym punktem na osi czasu, oznacza to, że skutecznie podążała podczas badania ścieżką prowadzącą do awarii. W skrócie, badający odnalazł główną przyczynę lub przyczyny wystąpienia awarii.
Równie ważne jak samo zrozumienie, że rozwiązania istnieją w określonej osi czasu, jest fakt, że każda awaria może być analizowana także poprzez zrozumienie, w jaki sposób powstaje ona w ciągu tego czasu.
Kolejne trzy podstawowe składniki analizy błędów mogą być wykorzystane pojedynczo lub grupowo podczas badania, które prowadzi do wykrycia przyczyny powstania awarii. Zaliczamy do nich:
- schematyczność i sekwencyjność,
- determinizm,
- wyszukiwanie informacji.
Schematyczność i sekwencyjność
We wszechświecie wszystko jest zależne od określonych schematów i kolejności występowania zjawisk: słońce wschodzi i zachodzi, fala przypływa i odpływa itd. Każda awaria ma również swój schemat i sekwencyjność, a dzięki zrozumieniu tej prostej zasady logiczne staje się stwierdzenie, że istnieją one również w ramach osi czasu awarii podlegającej badaniu. Kluczem jest umiejętność odczytywania wskazówek w celu odkrycia schematu i kolejności, które prowadzą do awarii.
Determinizm
Tak jak istnieje schemat i kolejność występowania zjawisk dla każdej awarii w ramach osi czasu, tak samo istnieją możliwe do określenia oddziaływania dla nich. Dane wejściowe wytwarzają zbiór znanych danych wyjściowych, a dane wyjściowe pochodzą od konkretnych danych wejściowych i to właśnie nazywamy określonym oddziaływaniem. Kluczem dla determinizmu jest upewnienie się, czy dane wejściowe i wyjściowe mają ten sam schemat i kolejność.
Na przykład należy rozważyć, czy „złe nastawienie powoduje powstanie wysokich wibracji, czy wysoka wibracja powoduje przemieszczenie?”. Oba działania są prawdopodobne, ale które z nich faktycznie wystąpiło? A to oznacza, że analityk musi określić, która zależność „przyczyna – skutek” jest prawidłowa. W tym przypadku albo sprzęt był początkowo niewłaściwie ustawiony albo ustawiony prawidłowo i z czasem uległ przemieszczeniu.
Kiedy ten etap jest już określony, poznajemy zależność „przyczyna – skutek”, która odpowiada za powstanie awarii. W przypadku przemieszczenia początkowe niewłaściwe nastawienie powoduje wysokie wibracje lub gdy ustawienie było prawidłowe i z czasem uległo przemieszczeniu, wysoka wibracja jest powodem awarii.
Wyszukiwanie informacji
Rzadko jedna ścieżka lub jedna przyczyna powoduje powstanie awarii. Wyszukiwanie informacji włączone w proces badawczy pomaga analitykom upewnić się, że wszystkie możliwe przyczyny zostały zbadane i rozliczone w ramach analiz. Kluczem jest rozpoczęcie tego procesu w jak najszerszej postaci i łącznie ze wszystkimi dostępnymi elementami.
Poprzez zadawanie po raz kolejny pytania „jak mogę” i systematyczną pracę nad zależnością „przyczyna – skutek” dotyczącą awarii wszystkie możliwe scenariusze źródła są przebadane i rozliczone w analizie. Podążanie za koncepcją sekwencyjności i schematyzmu, determinizmu i wyszukiwania informacji ułatwia analitykom graficzne przedstawienie procesu badawczego w postaci drzewa logicznego i udokumentowanie analizy (schemat nr 1).
Nauka a wskazówki
Wskazówki nieodkryte podczas badania zawsze mogą być rozliczone za pomocą naukowego wyjaśnienia nieprawidłowości. Na przykład nie można otrzymać ognia bez ciepła lub źródła zapłonu, źródła paliwa i dostępu do tlenu.
Nawet coś tak prostego jak kolor dostarcza naukowych dowodów do analizy. Zmiana koloru materiału wskazuje inną odporność wobec temperatury lub środków żrących.
Kolor dymu zmienia się w zależności od źródła paliwa. Kolor produktów smarnych zmienia się w zależności od utraty dodatków, zanieczyszczenia, temperatury lub działania ciśnienia, które przekracza barierę filmu olejowego.
Kolejnym kluczowym składnikiem analizy jest mechanika pękania. Mechanika pękania lub „fraktologia” jest badaniem propagacji pęknięć w materiale. Bazuje na wykorzystaniu analitycznej mechaniki ciał stałych do przeprowadzenia kalkulacji siły wywołującej pęknięcia, a także eksperymentalnej mechaniki ciał stałych w celu scharakteryzowania odporności materiału na pęknięcia. Dlatego mechanika pęknięć jest bardzo ważnym narzędziem, które służy do określania oczekiwanych właściwości mechanicznych materiałów i komponentów.
Dzięki zastosowaniu fizyki naprężeń i odkształceń (w szczególności teorii elastyczności i plastyczności) do mikroskopijnych defektów materiałów krystalograficznych (morfologia uszkodzonej powierzchni) łatwo można przewidzieć i zrozumieć makroskopowe sygnatury mechanicznych uszkodzeń widoczne na powierzchni komponentów.
Ta technika jest stosowana w celu zrozumienia teoretycznych przyczyn powstania awarii i służy do weryfikacji sił, które muszą powstać w oparciu o wzór uszkodzonej powierzchni. W istocie uszkodzona powierzchnia dostarcza informacji, jakiego rodzaju siła spowodowała powstanie defektu. Jeżeli więc rodzaj siły wywołującej tego typu uszkodzenia może być określony, to awaria i jej skutki mogą być wyeliminowane lub złagodzone, redukując tym samym prawdopodobieństwo ponownego wystąpienia jej w przyszłości.
Często w przypadku, gdy analityk nie osiągnie sukcesu, następuje zmiana definicji samego sukcesu, przez co staje się on łatwiejszy do osiągnięcia. Aczkolwiek taka zmiana umożliwi osobom badającym awarię szybkie dostosowanie się do sytuacji, co oczywiście ogranicza efektywność analizy źródła awarii. Dlatego zalecane jest, aby tak bardzo ograniczający paradygmat zamienić na dążenie do maksymalnej efektywności za pomocą akceptowania jedynie prawdziwych sukcesów i proaktywnego przeprowadzania analizy na podstawie faktów i dokumentów.
Jakość wskazówek dotyczących awarii, a także właściwa ich interpretacja są czynnikami determinującymi poziom sukcesu dla badanego zdarzenia.
Artykuł pod redakcją Michała Piłata
UR
Autor: Ronald L. Hughes
