Прогнозната поддръжка (PdM) е стратегия, която помага на бизнеса да поддържа оборудването в добро състояние, като оценява повреди чрез събиране на данни и анализи. Тази стратегия изисква непрекъснато наблюдение на състоянието на машините и подобрения, основани на данни, за да се постигнат най-добри резултати. Но прилагането ѝ е свързано с предизвикателства.
Създаването на програма за прогнозна поддръжка в производствено предприятие може да помогне за намаляване на разходите за поддръжка и времето на престой. Въпреки това, по пътя към целта, производителите трябва да обмислят как точно да приложат това решение на практика.
В тази статия ще обсъдим често срещаните предизвикателства пред прогнозната поддръжка, с които производствените компании могат да се сблъскат преди и след прилагането на тази стратегия.
Внедряването на прогнозна поддръжка включва сензори, които следят състоянието на машините, и IoT устройства, които събират данни в реално време. Информацията се обработва от алгоритми за машинно обучение (ML) и модели с изкуствен интелект (AI), за да се идентифицират модели и аномалии, които могат да доведат до неизправности и забавяне на производството. Наличието на стратегия за прогнозна поддръжка позволява на екипа по поддръжка да анализира корелациите между текущи и предишни състояния и да прогнозира потенциални повреди.
Въпреки това, преди да стигнат дотам, производствените предприятия трябва да се справят с тези често срещани предизвикателства:
Идеята за разчитане на предсказуеми модели може да е нова за някои производствени предприятия. Прилагането на такива модели изисква промяна в начина, по който се управляват процесите. А хората често са възприемчиви към промяната, стига да са част от процеса.
Например, служителите в даден завод могат да дадат обратна връзка за това какво би им улеснило използването на новия софтуер, да идентифицират възможности за подобряване на управлението на данните или да се чувстват отговорни за внедряването на програмата. По този начин те ще приемат промените по-лесно.
Въвеждането на технология за прогнозна поддръжка изисква промяна в културата, която обикновено започва с шепа ентусиасти, които са естествено възприемчиви към новото.
Чрез внедряването на система за прогнозна поддръжка вие играете дългосрочна игра. Печалбите идват с времето.
Съществува погрешно схващане, че най-лесният начин за намаляване на разходите за поддръжка във всяко предприятие е просто да се оптимизира броят на служителите и да се намали броят на екипите. Последиците от подобно краткосрочно управление на поддръжката могат да бъдат опустошителни за общите разходи, а проблемите започват да се появяват след година или две поради лошо поддържани активи.
Промените в разходите за поддръжка са свързани както с качеството на дейностите, така и с производството. Подобряването на надеждността на оборудването ще намали разходите, но намалените разходи няма да подобрят надеждността. Разходите за поддръжка не могат да бъдат намалени бързо, защото е необходимо време за подобряване на надеждността на оборудването.
Наемането на нови техници не е пряко пропорционално на решаването на проблеми с поддръжката.
Например, ако имате голям брой аварийни ремонти, прилагате реактивна поддръжка – ремонтирате оборудването след възникване на неизправност. Този подход обаче не намалява броя на аварийните ремонти и времето на престой, което може да възникне поради тях.
От друга страна, основното предимство на прогнозната поддръжка е да се предвидят подобни инциденти, преди да се случат, и да се предупреди отделът по поддръжка за тях.
Без система за управление на поддръжката, служителите не биха могли да наблюдават големи количества данни и да анализират тенденции, за да идентифицират проблеми с оборудването. Но внедряването на програма за прогнозна поддръжка би ги информирало кога да планират поддръжка въз основа на анализ на данни.
Средно на техник му отнема 12 минути , за да потърси информация за минали сервизни дейности във физически записи, и 4 минути, за да докладва за дейност по поддръжка на хартия. И това са само няколко от процесите на обслужване, които се записват на хартия.
Използването на система за прогнозен анализ автоматизира всички тези задачи и спестява време, което техниците могат да отделят за действителната поддръжка и ремонт.
Повечето организации смятат, че преминаването към безхартиено решение ще струва повече по отношение на закупуването на нов софтуер, хардуер и обучение. След първоначалната инвестиция обаче , компаниите обикновено реализират пълната си възвръщаемост в рамките на първите 18 месеца.
Много мениджъри по поддръжката правят грешката да активират програмата за прогнозна поддръжка наведнъж, след като всичко е правилно свързано, без да вземат предвид свързаните с това процеси и процедури.
Това често води до наводнение от аларми и работни нареждания, които претоварват екипите по поддръжка. Справянето с множество нови аларми може да доведе до пренебрегване на критични повреди. Това потенциално може да доведе до неблагоприятни последици за успеха на програмата поради недоволството на екипа по поддръжка и нежеланието им да я използват.
Това предизвикателство може да бъде преодоляно чрез задаване на приоритети в софтуера за прогнозна поддръжка. По този начин системата автоматично ще зареди най-критичните предварително, така че техниците да могат да ги адресират в правилния ред на важност.
Производствените организации трябва да имат предвид, че приемането на решение за прогнозна поддръжка не е универсално лекарство за надеждността на производството. Това е просто инструмент, много полезен, но сам по себе си не може да подобри надеждността на инсталацията.
Ако производителността на завода се подобри след промяна в софтуера, заслугата се дължи на синергичния ефект от внедряването на по-добри работни процеси, промени в поведението на служителите и по-висококачествени софтуерни данни.
Понякога внедряването на софтуер за поддръжка става тромаво, което води до ниско използване на системата. Някои служители може да не са склонни да го приемат и той е полезен само когато всички са съгласни и възприемчиви. Този проблем може да бъде решен с по-подробно обучение, особено за по-възрастния персонал, и с търпение към работниците по поддръжката, докато не се научат как да го използват правилно.
Ключово предимство на прогнозната поддръжка е способността ѝ да възпроизвежда и мащабира интуитивния подход на опитни специалисти по поддръжка. Квалифициран техник може да идентифицира необичайни звуци от машините или необичайни показания на манометъра. Загубата на институционални знания поради пенсионирането на ценни служители само подчертава ролята на изкуствения интелект в справянето с това предизвикателство.
Целта на изкуствения интелект обаче не е да замести експертния опит на инженерите по поддръжката, а да намали ръчното натоварване, необходимо за успешна поддръжка. На фона на недостига на работна ръка и нарастващите производствени изисквания е от решаващо значение да се подобрят ресурсите на екипите по поддръжка. Това им позволява да се фокусират по-малко върху ръчното водене на записи и основен анализ и повече върху справянето с реалните проблеми в дадено предприятие.
Ако вашата фабрика е на път да използва система за прогнозна поддръжка, може да откриете, че тези предизвикателства са полезни за вземане на информирано решение.
В днешната дигитална ера ще срещнете множество надеждни решения за поддръжка с отлично потребителско изживяване (UX) и функционалности.
Fabrico е един от тях – фокусиран върху решения, лесен за използване инструмент за прогнозна поддръжка, който автоматизира процесите и спестява време. Регистрирайте се безплатно, за да го тествате или заявете демонстрация !
Вход
Блог
