Wykorzystanie technologii IIoT znacząco zwiększa liczbę i różnorodność parametrów, które można efektywnie monitorować. W połączeniu z zaawansowaną analityką pozwala to na wdrożenie bardziej skutecznych – dojrzałych – strategii konserwacji: od reaktywnej przez zapobiegawczą, zależną od stanu technicznego maszyn, prognozowaną, po konserwację preskryptywną.
U zyskanie większego poziomu dojrzałości systemu utrzymania ruchu przynosi znacznie szersze korzyści biznesowe, niż tylko związane z obniżeniem kosztów w dziale UR. Korzyści te obejmują: bardziej terminowe wysyłanie produktów, wyższe dochody, większą satysfakcję klienta i zmniejszenie ilości zapasów produkcji w toku (work-in-progress – WIP), a więc czynniki, które menedżerowie biorą pod uwagę przy zatwierdzaniu projektów oraz określaniu zasobów dla tych projektów.
Postęp w utrzymaniu ruchu
Aby ocenić wpływ technologii IIoT (Przemysłowego Internetu Rzeczy) na działania związane z obsługą techniczną maszyn i urządzeń, warto zwrócić uwagę na koncepcje wyższego poziomu, odnoszące się do dojrzałości zasad i organizacji utrzymania ruchu oraz związane z tym definicje. Grupa doradcza ARC dokonała przeglądu obecnych modeli dojrzałości, który ujawnił znaczącą różnorodność ich wersji, a także wewnętrznych niezgodności. W przemyśle brakuje obecnie jednolitego, ugruntowanego standardu, na którym można by się wzorować. Utrudnia to porównanie różnych rozwiązań, powoduje zamieszanie i opóźnia zastosowanie rozwiązań w praktyce.
Firmy z branży przemysłowej dobrze rozumieją pojęcie konserwacji reaktywnej i zapobiegawczej, jednak jeśli chodzi o strategię zależną od stanu technicznego maszyn, prognozowaną i preskryptywną, istnieją różne interpretacje tych pojęć. To pokazuje, że użytkownikom potrzebne są bardziej klarowne definicje tych strategii, by mogli lepiej oceniać dostępne możliwości.
Poziomy dojrzałości UR
Od czasu pierwszej publikacji modelu dojrzałości zarządzania zasobami w raporcie ARC Advisory Group w 2015 r. firma dokładnie przyjrzała się wpływowi technologii IIoT na ten model. Obecnie klasyfikuje dojrzałość systemu utrzymania ruchu, dzieląc ją na pięć typów (poziomów) konserwacji: reaktywną, zapobiegawczą, zależną od stanu technicznego maszyn, prognozowaną i preskryptywną (tabela 1).
Konserwacja reaktywna (Reactive Maintenance – RM) – zwana też strategią eksploatacji do wystąpienia awarii (run-to-failure), jest najbardziej rozpowszechniona, ponieważ w odniesieniu do większości zasobów istnieje bardzo małe prawdopodobieństwo awarii. To podejście pomaga kontrolować koszty utrzymania ruchu, jednak jest odpowiednie tylko dla zasobów, które nie są kluczowe (można sobie pozwolić na ich okresowe, niespodziewane przestoje).
Konserwacja zapobiegawcza (Preventive Maintenance – PM) – dokonywana jest albo na podstawie czasu (analogicznie do wymiany baterii w domowym detektorze dymu raz na rok), albo przebiegu (tak jak wymiana oleju w samochodzie co 8000 km). Konserwacja zapobiegawcza ma zastosowania w odniesieniu do zasobów o wzorcu awarii odnoszącym się do czasu eksploatacji, w których prawdopodobieństwo awarii wzrasta z wiekiem, czasem pracy lub liczbą cykli roboczych.
Konserwacja zależna od stanu technicznego maszyn (Condition-Based Maintenance – CBM). Obejmuje monitorowanie specyficznego parametru zasobu. Obecnie istnieje tendencja do koncentrowania się na amplitudzie tej wartości, a najczęściej monitorowane są wibracje. Ta strategia zwykle ma zastosowanie w sprzęcie produkcyjnym (wirującym) i automatyce (czujniki, mierniki i systemy sterujące). W przypadku fabrycznego wyposażenia stacjonarnego, takiego jak kotły parowe, orurowanie i wymienniki ciepła, często stosowane są okresowe inspekcje i oceny stanu urządzeń.
Konserwacja prognozowana (Predictive Maintenance – PdM). Wykorzystuje zaprojektowane algorytmy i uczenie maszynowe wraz z wieloma parametrami wejściowymi, do zapewniania większej dokładności (mniej błędów pierwszego rodzaju – false positives – lub pominiętych problemów), a także bardziej zaawansowane ostrzeganie przed awariami. Łączy ona tzw. small data (małe ilości danych, które można łatwo przeanalizować, w odróżnieniu od Big Data), pochodzące z urządzenia lub systemu, z algorytmami modelującymi ten typ sprzętu (czasami zwanymi sprzętem wirtualnym lub „cyfrowym bliźniakiem”) w celu monitorowania kondycji urządzeń czy systemów i alarmowania o nieprawidłowościach. Ten typ konserwacji dostarcza bardziej zaawansowanych powiadomień, wymaganych do wykonywania harmonogramów konserwacji i jej realizowania podczas planowanych wyłączeń sprzętu.
Konserwacja preskryptywna (Prescriptive Maintenance) – tworzona na podstawie konserwacji prognozowanej, z alarmami zawierającymi informacje dotyczące diagnostyki i rozwiązywania problemów (napraw). Podawane są także informacje dotyczące czasu trwania awarii i ich skutków, co pomaga w określeniu priorytetów i wydawaniu poleceń szybkiej naprawy tych awarii.
Potencjalne korzyści
Zwiększanie poziomu dojrzałości systemu utrzymania ruchu obejmuje zwykle większe inwestycje techniczne. W odniesieniu do specyficznych typów sprzętu jedną z korzyści z zaprojektowanego algorytmu lub modelu konserwacji zapobiegawczej czy prognozowanej jest zdolność do jej odtwarzania jako wzorca dla wielu podobnych urządzeń, takich jak drzwi w pociągu pasażerskim czy transformatory w energetyce. To podejście daje korzyści skali i podstawę do finansowego uzasadnienia nieuniknionych większych kosztów technicznych i rozwoju (tabela 2).
Przejście od konserwacji zapobiegawczej do prognozowanej lub preskryptywnej oznacza 50% oszczędności na pracach konserwacyjnych i materiałach MRO (maintenance, repair and operations – materiały służące do utrzymania ciągłości produkcji – przyp. tłum.). Przy konserwacji prognozowanej i preskryptywnej można osiągnąć niemal zerowy czas nieplanowanego przestoju (near zero unplanned downtime) w odniesieniu do sprzętu, który jest kluczowy. Ten poziom niezawodności sprzętu ma wpływ na inne znaczne korzyści dla firmy, obejmujące bardziej terminowe dostawy, większe dochody, satysfakcję klienta, wyższą jakość i wydajność produkcji, poprawę bezpieczeństwa i zmniejszenie wielkości zapasów produkcji w toku.
Niestety, personel utrzymania ruchu i operacyjny w fabrykach ma tendencję do koncentrowania się na redukcji kosztów pracy i materiałów MRO, aby finansowo uzasadnić projekt. Szerszy punkt widzenia, z większym wpływem na wyniki biznesowe firmy, zwykle przyciąga uwagę kierownictwa oraz zwraca uwagę na zasoby wymagane do osiągnięcia sukcesu.
Jak wykorzystać IIoT do uzyskania wyższego poziomu dojrzałości?
Technologie IIoT pozwalają na przejście od ręcznych inspekcji sprzętu w celu zebrania danych, do systemów zautomatyzowanych. Oznacza to pozyskanie, ale i konieczność przetworzenia znacznie więcej i lepszej jakości danych, pozwalając na dokonanie ulepszeń w stosowanej strategii utrzymania ruchu. Co zrobić, by jak najlepiej wykorzystać możliwości nowej technologii do poprawy działania organizacji?
ARC Advisory Group zaleca producentom i innym przedsiębiorstwom przemysłowym przeprowadzenie następujących działań:
1. Użycie aktualizowanego arkusza dojrzałości konserwacji do zakomunikowania swojej strategii innym.
2. Uwzględnienie usług IIoT oferowanych przez dostawców w kryteriach wyboru dostawców przy poszukiwaniach nowego sprzętu.
3. Rozpoczęcie prac nad projektem wdrożenia technologii IIoT od sprzętu o kluczowym znaczeniu (tzw. krytyczny), który stwarzał już problemy, a przez to miał znaczny wpływ na wyniki firmy lub powodował wypadki i zagrożenia dla ludzi lub środowiska.
4. Rozwinięcie początkowego sukcesu w szerszy program w celu uzyskania niemal zerowego czasu nieplanowanych przestojów dla zasobów kluczowych oraz osiągnięcia większych zysków biznesowych.
5. Ustanowienie spójnego zbioru technologii IIoT, wykorzystywanych w aplikacjach konserwacji prognozowanej i preskryptywnej w celu poprawy stabilności projektu.
6. Jeśli w organizacji brakuje specjalistów technicznych i informatyków, należy zwrócić się o pomoc we wdrożeniu do odpowiedniego lokalnego, regionalnego, krajowego czy globalnego dostawcy takich usług.
Autor: Ralph Rio jest wiceprezesem ds. oprogramowania dla przedsiębiorstw w firmie ARC Advisory Group.
