Ключови изводи
Кратък отговор: Предиктивната поддръжка използва данни за състоянието, за да прогнозира кога активът ще се повреди, така че да действате навреме. Предписателната поддръжка прави крачка напред: тя не само предсказва повредата, но и препоръчва конкретно действие — ремонтирай сега, коригирай параметър, пренасрочи. Предписателната изисква предиктивната да функционира вече, както и по-богати данни и модели за вземане на решения, затова е възможност на по-късен етап на зрелост. Вижте и базирана на състоянието срещу базирана на време поддръжка.
Предиктивната поддръжка прогнозира времето на повреда въз основа на данни за състоянието — нарастващи вибрации, покачваща се температура, влошаване на маслото — така че да намесите точно преди повредата, а не според фиксиран календар. Тя отговаря на въпроса „кога“, превръщайки мониторинга на състоянието в предупредителен сигнал със срок.
Предписателната поддръжка отговаря на „кога“ и „какво да се направи по въпроса“. Освен прогнозата за повредата, тя претегля опциите и последствията и препоръчва конкретно действие — подмяна сега, намаляване на натоварването на машината, пренасрочване на поръчката. Тя се нуждае от модели за вземане на решения и много по-богати данни отколкото проста прогноза.
Предиктивната поддръжка сигнализира, че лагерът вероятно ще се повреди след около десет дни. Добър резултат — но планиращият все още трябва да реши какво да направи: да го замени уикенда, да забави линията, за да удължи живота му, или да пренасрочи критичната поръчка за следващата седмица. Предписателната поддръжка взема това решение, препоръчвайки „пренасрочете поръчка 482 на линия 2 и сменете лагера в петък“, защото знае записите на поръчките, наличността на резервни части и разхода на всяка опция. Предиктивната даде предупреждението; предписателната даде плана.
Прогнозирането на повреда е един модел; препоръчването на най-доброто действие изисква разбиране на разходите, алтернативите и ограниченията в цялата операция. Това изисква зрялост на данните и организационно доверие, които повечето заводи все още градят — затова предписателната поддръжка стои над предиктивната по кривата на зрелост.
Първо направете базираната на състоянието и предиктивната поддръжка работещи и доверени. Предписателната върху несигурна предиктивна основа просто автоматизира лоши съвети — уверени препоръки, базирани на ненадеждни прогнози. Ходи, преди да тичаш: спечелете доверие в прогнозите, преди да позволите на модел да предписва действието.
1. Преследване на предписателна поддръжка преди предиктивната да функционира. Автоматизирате препоръки върху ненадеждни прогнози.
2. Липса на надеждни данни за състоянието. И двете възможности се срутват без надежден сигнал.
3. Препоръки, които никой не може да изпълни. Предписание, което игнорира реалните ограничения, бива пренебрегнато.
4. Възприемането му като всичко или нищо. Повечето стойност идва от солидната предиктивна поддръжка много преди пълната предписателна.
И двете защитават наличността, като предотвратяват непланирани повреди. Данните за OEE и престои също са суровината, която обучава и валидира предиктивните и предписателните модели — колкото по-добри са данните ви за загуби, толкова по-добра е прогнозата и препоръката, изградена върху нея.
Fabrico улавя данните за състоянието и престоите, върху които се изгражда предиктивната поддръжка, като ви дава надеждната основа, която всяка предписателна възможност изисква. Запазете демонстрация, за да видите данните зад прогнозите.
Тя добавя препоръки за действие към прогнозите — различна, по-взискателна възможност.
Да — предписателната се гради върху работеща, надеждна предиктивна основа.
По-богати данни и модели за вземане на решения, които разбират разходите, опциите и ограниченията.
Базирана на състоянието, после предиктивна, после предписателна — в този ред.
Това би автоматизирало препоръки върху прогнози, на които все още не се доверявате.
Вход
Блог
