Шестте модела на отказ са шестте криви на условна вероятност за отказ, идентифицирани от Стенли Ноулан и Хауърд Хийп в тяхното изследване за надеждност от 1978 г. за United Airlines, които показват, че вероятността даден актив да се повреди не следва една универсална „форма на износване“.
Тяхната работа, финансирана от Министерството на отбраната на САЩ и по-късно основополагаща за Reliability Centered Maintenance (RCM), опроверга успокояващо разпространеното допускане: че повечето оборудване старее предвидимо и може да бъде защитено чрез планирани основни ремонти. Данните казаха друго.
За планиращите поддръжка това е най-важната причина да пренасочат разходите от слепи календарни ремонти към работа, основана на състоянието.
Ноулан и Хийп начертаха, за големи популации от авиационни компоненти, как условната вероятност за отказ се променя като функция на експлоатационната възраст. Условната вероятност е шансът даден елемент да се повреди в следващия интервал, при условие че е оцелял до момента.
Те откриха, че тези криви се групират в шест различни форми и, критично, че само три от тях показват повишаващ се риск от отказ с възрастта. Останалите три са равни или намаляват с времето, което означава, че по-старите части не са по-склонни да се повредят от по-младите.
Това откритие е тясно свързано с, но и по-широко от класическата крива тип „вана“, която е само един от шестте модела. Кривата тип „вана“ е интуитивна и все още се преподава навсякъде, но описва малцинство от изучаваните компоненти. Разбирането на всички шест изисква работно познаване на статистиката на отказите; разпределението на Вайбул е обичайният инструмент за нагласяне на тези криви към реални данни.
Ако съберете трите модела, свързани с възрастта (A, B и C), достигате около 11 процента. Останалите 89 процента (D, E и F) са доминирани от случайни или ранни откази, при които планираният основен ремонт няма полезен ефект и дори може да въведе нови дефекти от „ранна смъртност“.
Представете си флот от 200 идентични лагерни единици на скоростна кутия, които следват Модел F. В първите 500 експлоатационни часа дефекти от типа ранна смъртност (лоша инсталация, контаминация) причиняват 12 отказа. След това „пробиване“ популацията се установява на нисък случаен темп от около 1 отказ на 1000 лагеро-часа.
Планиращ определя „безопасна“ подмяна на всеки 4000 часа. Тъй като лагерите не се износват, всяка от тези подмени заменя здрав лагер с нов, а всяка нова инсталация отново навлиза в 500-часовата зона на ранни откази.
Ако дори 6 процента от новите инсталации носят дефект, вие умишлено създавате нова вълна от ранни откази на компонент, който преди това работеше нормално. Календарната ПМ не е намалила риска; тя го е рециклирала.
Подход на поддръжка, основана на състоянието , който следи вибрации и температура, би оставил здравите лагери на мира и би действал само при тези, които наистина деградират.
Практическият извод не е „спрете да извършвате превантивна поддръжка“. Става дума да съобразите тактиката с модела. Подмяната по време оправдава ресурса си само за компоненти, които действително показват износващо поведение с възрастта (модели A, B и C, и дори тогава само когато има ясен, доминиращ момент на износване).
За останалите отговорът според RCM са задачи, основани на състоянието, проверки за откриване на неизправности, преработка на дизайна или целенасочено решение за експлоатация до отказ , когато последиците са поносими.
Това е и мястото, където по-широкият дебат за реактивна срещу проактивна поддръжка става по-остър: проактивното не трябва задължително да означава календарно и често не бива.
Неприятната причина много фабрики да по подразбиране използват календарна ПМ е, че им липсва история на отказите, необходима за начертаване на тези криви. Класифицирането на компонент като случаен спрямо износващ изисква записани с времеви печати данни за откази, изработени часове и показания за състоянието. Без това планиращите се връщат към най-звучащото като безопасно разписание.
Надеждният анализ на модели зависи от дисциплинирана CMMS , която улавя всяка работна поръчка с нейния режим на отказ, и от сигнали за състоянието в реално време, а не от ръчни обходи.
По-чистите данни също пряко подобряват вашата обща ефективност на оборудването , защото непланираните спирания намаляват, когато поддръжката таргетира активите, които всъщност деградират.
Приложението на шестте модела на отказ е толкова добро, колкото и данните под него, и това е слоя, който Fabrico предоставя.
Fabrico е платформа за мониторинг на OEE и производство в реално време, комбинирана с полево-готова CMMS, която ви дава историята на отказите с времеви печати, изработените часове и подробности по работните поръчки, необходими да класифицирате реалното поведение на всеки актив, вместо да гадаете.
Нейният компютърно-зрителен мониторинг чете състоянието на машината дори на по-старо оборудване без PLC, така че сигнали за състоянието са налични точно за онези наследствени активи, които най-често следват случайни или ранни модели на отказ.
Работни поръчки, регистри на активи, превантивно планиране и проследяване на резервни части живеят на едно място, а Fabrico е създаден в ЕС с локализация на данните в ЕС.
Fabrico е основата от данни в реално време, която позволява на един екип по надеждност да реши, с доказателства, кои активи заслужават график и кои трябва да се наблюдават.
Не. Означава, че планираната твърда подмяна е ефективна само за приблизително 11-те процента компоненти, чийто риск от отказ наистина се повишава с възрастта. За тези активи това е точно правилната тактика. Идеята е, че прилагането на календарен график за останалите 89 процента прахосва труд и резервни части и може да въведе нови ранни дефекти, затова тактиката трябва да бъде съобразена с действителния модел на всеки компонент.
Кривата тип „вана“ е само един от шестте модела (Модел A). Ноулан и Хийп показаха, че тя се прилага само за малка част от изучаваните компоненти. Третирането на „ваната“ като универсална кара планиращите да очакват зона на износване, до която повечето оборудване никога не достига, точно това предположение техните изследвания коригираха.
Трябват ви по-активна история на отказите с дати и изработени часове, режимът на отказ за всяко събитие и идеално показания за състоянието като тенденции на вибрации или температура. С достатъчно записи можете да нагласите Вайбулова крива за всеки режим на отказ и да видите кой от шестте модела доминира. Повечето предприятия установяват, че препятствието е дисциплината при улавяне на данни, а не самата статистика.
Готови ли сте да спрете да планирате основни ремонти на активи, които никога не се износват? Вижте как Fabrico превръща данните от машините в реално време и структурирана история на работните поръчки в база от доказателства за по-интелигентни решения за поддръжка. Запазете демонстрация на Fabrico и вкарайте данните за отказите си в работа.
Вход
Блог
