Najważniejsze wnioski
Standardowa prezentacja PdM opiera się na niewielkiej liczbie awarii o dużym wpływie. Silnik zaciąga się, łożysko niszczy się, skrzynia biegów zawodzi katastrofalnie. Koszt uniknięcia choćby jednego z tych zdarzeń — przestój produkcji, szkody wtórne, części na pilne zamówienie — sięga setek tysięcy jednostek walutowych. PdM wykrywa wczesny sygnał, zespół utrzymania interweniuje, katastrofalne zdarzenie nigdy nie następuje. Pomnóż przez trzy lub cztery założone uniknięcia rocznie, a przypadek zwraca koszty czujników i oprogramowania w ciągu 18 miesięcy.
Argumentacja jest wewnętrznie spójna i niemal nigdy nie jest dokładna w zaprezentowanej formie. W niej kryją się trzy błędy strukturalne.
Większość przypadków biznesowych PdM implicitnie porównuje z bazą, w której aktywo działałoby aż do awarii. To rzadko jest rzeczywista baza. Prawdziwą bazą jest to, co wykryłby obecny program PM i program oparty na stanie urządzeń zakładu.
Dobrze dostrojony program PM wyłapuje wiele trybów awarii, którym PdM ma zapobiegać. Awarie łożysk wykrywane są przez kontrole cyklu smarowania. Pęknięcia pasków wychwytywane są przez inspekcje wzrokowe. Zacięcia silników często poprzedzane są sygnaturami poboru prądu, które spostrzegli na rutynowych rundach czujni technicy. Uczciwy rachunek ROI PdM odejmuje zyski, które już daje istniejący program, a nie katastrofalne zdarzenia, którym i tak by nie zapobiegł. Dane Departamentu Energii dokładnie oddają tę różnicę: predykcyjne utrzymanie zwykle oszczędza rzędu 8–12% w porównaniu z dobrze prowadzonym programem zapobiegawczym, ale 30–40% w porównaniu z czysto reaktywnym utrzymaniem, więc przypadek oceniany względem „braku utrzymania” wygląda znacznie mocniej niż przypadek oceniany względem programu PM, który zakład już prowadzi.
Zakłady, które dokonują takiego odjęcia, zwykle odkrywają, że okres zwrotu inwestycji PdM wydłuża się daleko poza zaprezentowane 12–18 miesięcy, często na kilka lat. Wciąż opłacalne dla niektórych klas aktywów, ale już nie tak jednoznaczna decyzja. Artykuł o harmonogramie konserwacji zapobiegawczej opisuje, jak dobrze dostrojony program PM wypada wobec trybów awarii, które PdM ma eliminować.
Modele PdM generują alerty. Niektóre alerty są prawdziwe; inne nie. Wskaźnik fałszywych alarmów ma znaczenie, ponieważ każdy fałszywy alarm pochłania czas utrzymania na zbadanie nieistniejącej awarii i podważa zaufanie operatorów do kolejnych alertów.
W przypadkach biznesowych dostawcy często zakładają wysoką dokładność modelu. Osiągana dokładność na rzeczywistych zainstalowanych systemach jest zazwyczaj znacznie niższa w pierwszym roku i poprawia się dopiero po intensywnym strojenia na aktywach konkretnego zakładu. Ta różnica ma znaczenie: nawet umiarkowany wskaźnik fałszywych alarmów może uszczuplić prognozowane oszczędności; jeden szeroko cytowany program McKinsey zanotował, że 10% wskaźnik fałszywych alarmów wymazał jego zyski. Gdy fałszywe alarmy stanowią znaczącą część alertów, koszt dochodzenia do nich może przewyższyć robociznę zaoszczędzoną na prawdziwych alarmach, zwłaszcza w pierwszym roku.
Uczciwszy przypadek modeluje koszt fałszywych alarmów wprost: wskaźnik fałszywych alarmów × średni koszt dochodzenia × roczna liczba alertów. Ta wartość może pochłonąć dużą część prognozowanego ROI, często na tyle, by zamienić przypadek będący pewnym sukcesem w przypadek marginalny. Artykuł o analizie przyczyn źródłowych opisuje koszty dochodzenia w pokrewnych kategoriach.
Dostawcy PdM mówią o dokładności modelu jako pojedynczej liczbie („nasz system jest dokładny w 92%”). Rzeczywista dokładność różni się znacząco w zależności od klasy aktywów. Model drgań dla urządzeń wirujących jest dobrze rozwinięty i ma wysoką dokładność. Model temperatury skrzyni biegów jest rozsądny. Model dla maszyn tłokowych jest mniej dojrzały. Dla niestandardowej lub niskoseryjnej klasy urządzeń może nie istnieć żaden działający model.
Przypadek biznesowy zwykle stosuje pojedynczą wartość dokładności do heterogenicznej populacji aktywów. Klasy aktywów, dla których model jest dobrze rozwinięty, osiągną wyniki; klasy, dla których model nie działa, wygenerują głównie szum. Wdrożenie na poziomie całego zakładu uśrednia podzbiór produktywny z podzbiorem hałaśliwym i daje wynik poniżej zaprezentowanej liczby.
Szczery przypadek określa zakres według klasy aktywów: na których aktywach dostępny model rzeczywiście działa z deklarowaną dokładnością. Ten podzbiór często stanowi tylko część wszystkich aktywów objętych ofertą. Koszt wdrożenia na chronione aktywo staje się wtedy znacznie wyższy niż sugerowany przez dostawcę koszt ogólnozakładowy. Artykuł o wskaźnikach KPI utrzymania w produkcji omawia metryki per-klasa, od których to zależy.
Ukierunkowane PdM, wdrożone na konkretnych klasach aktywów z dobrze rozwiniętymi modelami i wysokim kosztem awarii, może się czysto zwrócić. Kryteria:
Zakłady, które wdrażają PdM zgodnie z tymi kryteriami — ukierunkowane, na zainstrumentowanych krytycznych aktywach z dojrzałymi modelami — zwykle obserwują czysty zwrot na ukierunkowanym podzbiorze. Zakłady, które wdrażają rozwiązanie ogólnozakładowo, bo dostawca zaoferował rabat, zwykle nie widzą wyraźnego zwrotu.
Jeśli oceniasz propozycję PdM, cztery pytania:
Odpowiedzi konkretne i obronne wskazują na projekt wart realizacji. Odpowiedzi niejasne wskazują na projekt, który rozczaruje zespół operacyjny w drugim roku. Artykuł o systemie zarządzania zleceniami pracy opisuje, jak ukierunkowane alerty PdM integrują się z istniejącym przepływem zleceń pracy.
Fabrico nie oferuje ogólnozakładowego rozwiązania PdM. Rola platformy polega na byciu warstwą danych operacyjnych, na którą każdy projekt PdM, dostawcy lub wewnętrzny, się opiera. Tryby awarii, hierarchia aktywów, integracja z zleceniami pracy, pętla dochodzenia fałszywych alarmów — to wszystko potrzebuje stabilnych podstaw, zanim PdM zacznie przynosić wartość. Aby zobaczyć, jak ukierunkowany projekt PdM pasowałby do Twoich bieżących danych operacyjnych, zarezerwuj demo.
Zwykle nie. Dostawcy stosują przypadki benchmarkowe ze swoich najlepszych wdrożeń. Niespójność bierze się stąd, że sytuacje nabywców są bardziej przeciętne niż benchmark. Czytaj każde studium przypadku jako „najlepszy przypadek dla najbardziej sprzyjającego klienta dostawcy” i odpowiednio koryguj oczekiwania.
Etykieta „AI” obejmuje modele od naprawdę zaawansowanych po przebrandowane reguły progowe. Uczciwy test jest taki sam: proś o wskaźniki fałszywych alarmów dla klas aktywów, które faktycznie posiadasz, a nie dla ogólnego benchmarku.
Tak, ale w odpowiednim zakresie. Ukierunkowane PdM na urządzenia wirujące z dojrzałymi modelami drgań jest uzasadnioną inwestycją dla większości zakładów średniej wielkości. Ogólnozakładowe wdrożenia PdM zwykle nie są opłacalne.
Jeden kwartał, trzy aktywa, z jasno zdefiniowanymi kryteriami sukcesu przed rozpoczęciem pilotażu. Krótsze pilotaże nie zbierają wystarczającej liczby zdarzeń awaryjnych, by zmierzyć dokładność modelu; dłuższe opóźniają decyzję o wdrożeniu poza punkt, w którym presja cenowa ze strony dostawcy ma znaczenie.
Zobowiązanie się do ogólnozakładowego wdrożenia zanim zweryfikuje się wydajność modelu na populacji aktywów zakładu. Twierdzenia dotyczące dokładności dostawcy zwykle są prawdziwe dla niektórych klas aktywów i fałszywe dla innych, a jedyny sposób, by wiedzieć które są które, to test na Twoich aktywach, nie na ich.
Zaloguj
Blog
