Najważniejsze wnioski: Średni czas między awariami (MTBF) i średni czas naprawy (MTTR) to dwa najbardziej bezpośrednie wskaźniki niezawodności sprzętu i efektywności konserwacji. MTBF informuje o niezawodności sprzętu; MTTR informuje o skuteczności działań konserwacyjnych. Fabrico oblicza oba wskaźniki automatycznie na podstawie danych OEE i CMMS, śledzi je według aktywów i klas aktywów oraz wykorzystuje AI Agent do identyfikowania możliwości usprawnień przed wystąpieniem kolejnej awarii.
Wskaźniki MTBF i MTTR są podstawowymi wskaźnikami inżynierii niezawodnościowej od czasu, gdy armia amerykańska ujednoliciła je w latach 50. XX wieku do oceny niezawodności systemów elektronicznych. Ich trwałość w ciągu ponad 70 lat ewolucji zarządzania produkcją odzwierciedla ich matematyczną elegancję: dwa proste obliczenia, które razem opisują pełny cykl awarii i odzyskiwania dowolnego zasobu podlegającego konserwacji.
Średni czas między awariami (MTBF) = Całkowity czas pracy ÷ Liczba awarii
W przypadku prasy, która pracowała 480 godzin w danym okresie i doświadczyła 4 nieplanowanych awarii: MTBF = 480 ÷ 4 = 120 godzin średnio między awariami.
Średni czas naprawy (MTTR) = Całkowity czas naprawy ÷ Liczba awarii
W przypadku tej samej prasy, gdyby 4 awarie wymagały czasu naprawy wynoszącego odpowiednio 45, 90, 30 i 75 minut: MTTR = (45+90+30+75) ÷ 4 = 60 minut średniego czasu naprawy.
Obliczenia dostępności OEE wykorzystują oba modele: dostępność = MTBF ÷ (MTBF + MTTR). W naszej prasie: dostępność = 120 ÷ (120 + 1) = 99,2%... ale w tym przykładzie uwzględniono tylko przestoje spowodowane awariami sprzętu. W praktyce pełne obliczenia dostępności OEE uwzględniają wszystkie rodzaje nieplanowanych przestojów, a wskaźniki MTBF/MTTR oblicza się dla każdego zasobu w określonych okresach, a nie dla pojedynczej serii awarii.
Pojedyncze obliczenie MTBF pokazuje, jak niezawodny był dany składnik aktywów. Trend MTBF wskazuje, czy niezawodność poprawia się, jest stabilna, czy spada – a trend umożliwia proaktywne zarządzanie.
Prasa z MTBF wynoszącym 240 godzin, która przez 6 miesięcy utrzymywała się na stabilnym poziomie 240 godzin, działa przewidywalnie. Ta sama prasa z MTBF, która 6 miesięcy temu wynosiła 300 godzin, 3 miesiące temu 270 godzin, a teraz 240 godzin, ma tendencję spadkową – niezawodność sprzętu spada, mimo że obecny MTBF nadal wydaje się „akceptowalny”.
Agent AI firmy Fabrico monitoruje trendy MTBF dla każdego zasobu z wystarczającą historią awarii. Malejący trend MTBF uruchamia proaktywny alert — obecny program konserwacji zapobiegawczej (PM) nie utrzymuje niezawodności na dotychczasowym poziomie i konieczne jest przeprowadzenie dochodzenia, zanim trend doprowadzi do poważnej awarii.
Analiza trendów MTBF dostarcza również najbardziej obiektywnych dowodów na poparcie decyzji inwestycyjnych w zakresie konserwacji. Jeśli korekta interwału konserwacji mechanicznej (PM) w urządzeniu intensywnie wykorzystującym łożyska poprawiła MTBF ze 160 do 240 godzin – czyli o 50% – to konkretne działanie konserwacyjne ma wartość ilościową: 50% mniej awarii × poprzedni średni MTTR × wartość produkcji na godzinę = wartość finansowa korekty interwału.
To właśnie te oparte na dowodach obliczenia pozwalają przekształcić propozycje inwestycji w konserwację z „potrzebujemy większych zasobów konserwacyjnych” na „nasza optymalizacja interwałów konserwacyjnych dla tych 5 aktywów pozwoliła uniknąć strat produkcyjnych rzędu 85 000 USD w ciągu ostatnich 6 miesięcy — oto dane dotyczące MTBF”.
MTTR to nie pojedyncza liczba — to suma czterech odrębnych okresów, z których każdy ma inne przyczyny źródłowe i inne możliwości poprawy.
Czas detekcji: Czas od wystąpienia awarii do jej wykrycia. Bez monitoringu OEE firmy Fabrico, detekcja zależy od obserwacji operatora – 5–30 minut w przypadku awarii bez wyraźnych sygnałów wizualnych lub dźwiękowych. Monitoring OEE firmy Fabrico wykrywa zmiany stanu maszyny w ciągu 60 sekund, niezależnie od obecności obserwatora.
Czas reakcji: Czas od wykrycia awarii do przybycia technika do maszyny. Bez automatycznego tworzenia zleceń roboczych wymaga to rozmowy telefonicznej, ręcznego utworzenia zlecenia roboczego i przydzielenia dyspozytora – w większości przypadków zajmuje to 15–30 minut. Fabrico automatycznie tworzy zlecenie robocze w systemie CMMS w ciągu 60 sekund od wykrycia OEE i natychmiast wysyła powiadomienie mobilne do przypisanego technika.
Czas diagnostyki: Czas, jaki technik poświęca na zdiagnozowanie przyczyny po przybyciu na miejsce. Jest to składnik o największej zmienności — od 5 minut w przypadku znanych usterek do ponad 60 minut w przypadku złożonych lub nieznanych kodów błędów. Fabrycznie wczytany kontekst zasobów (historia konserwacji, trend OEE, ostatnie przeglądy konserwacyjne) i Asystent Fabrico (instrukcja obsługi maszyny oparta na sztucznej inteligencji, która odpowiada na pytania dotyczące kodów błędów w mniej niż 10 sekund) uwzględniają obie zmienne.
Czas naprawy aktywnej: Rzeczywisty czas wykonania naprawy po zidentyfikowaniu przyczyny problemu. Jest on w dużej mierze uzależniony od złożoności naprawy i dostępności części. Kontrola dostępności części w zleceniu roboczym firmy Fabrico – pokazująca, czy wymagane części są dostępne w magazynie i gdzie – eliminuje 20–45-minutowe opóźnienie w poszukiwaniu części, które wydłuża czas naprawy, gdy nie można jej od razu zlokalizować.
Wskaźniki MTTR według środowiska produkcyjnego:
Rachunek finansowy: każde 30-minutowe obniżenie średniego czasu naprawy (MTTR) w zakładzie doświadczającym 20 awarii miesięcznie, przy wartości produkcji 4000 USD/godzinę = 10 godzin × 4000 USD = 40 000 USD/miesiąc odzyskanej zdolności produkcyjnej na każde 30-minutowe ulepszenie czasu naprawy (MTTR).
Fabrico oblicza MTBF i MTTR dla każdego zasobu, monitorując OEE i korzystając z zleceń roboczych CMMS, które są stale aktualizowane w miarę gromadzenia się nowych danych o awariach i naprawach. Metodologia obliczeń:
Wykrywanie awarii na podstawie OEE: Fabrico wykorzystuje zdarzenia utraty dostępności OEE jako znacznik czasu awarii — moment zatrzymania maszyny, a nie moment utworzenia zlecenia roboczego. Pozwala to na dokładne obliczenie MTBF na podstawie rzeczywistego czasu awarii, a nie czasu utworzenia zlecenia roboczego w administracji, który może opóźnić faktyczną awarię o 20–45 minut w przypadku operacji bez automatycznego tworzenia zleceń roboczych.
Zamknięcie naprawy z CMMS: MTTR oblicza się na podstawie znacznika czasu wykrycia awarii OEE i znacznika czasu zamknięcia zlecenia roboczego CMMS — interwał odzwierciedlający rzeczywisty wpływ przestoju na produkcję, a nie tylko czas poświęcony na naprawę.
Analiza agenta AI na podstawie danych trendów: agent AI firmy Fabrico stosuje dane MTBF i MTTR do dwóch analiz operacyjnych: identyfikacji złych aktorów (zasoby ze spadającym MTBF lub wysokim MTTR w porównaniu z podobnymi zasobami w tej samej klasie) oraz optymalizacji interwału PM (korelacja trendów MTBF z czasem realizacji PM w celu identyfikacji możliwości dostosowania interwału).
Raporty dotyczące niezawodności w systemie Fabrico przedstawiają każdemu kierownikowi ds. konserwacji dwie liczby określające skuteczność programu — wskaźnik MTBF rosnący (poprawa) lub malejący (pogorszenie) oraz wskaźnik MTTR zbliżający się lub oddalający od celu, dzięki któremu każde zdarzenie awarii jest możliwie najkrótsze i najmniej kosztowne.
Zakłady produkcyjne, które systematycznie poprawiają oba wskaźniki – wydłużając MTBF dzięki lepszej konserwacji zapobiegawczej i skracając MTTR dzięki szybszej reakcji i lepszej diagnostyce – konsekwentnie obniżają całkowite koszty przestojów o 40–60% w ciągu 18 miesięcy. Fabrico to platforma, która sprawia, że obie te zmiany są mierzalne, łatwe do zarządzania i widoczne finansowo.
Login
Blog
