Konserwacja predykcyjna a konserwacja zapobiegawcza: kiedy stosować każdą z nich

Kluczowe wnioski: Większość producentów odnosi największe korzyści z przejścia najpierw z konserwacji reaktywnej na zapobiegawczą. Konserwacja predykcyjna (PdM) zapewnia dodatkową wartość, ale tylko na bazie funkcjonującego fundamentu konserwacji zapobiegawczej. Fabrico oferuje oba rozwiązania: oparte na zużyciu wyzwalacze konserwacji zapobiegawczej (PM), które działają jak konserwacja oparta na stanie technicznym, bez kosztownej infrastruktury czujników, oraz agenta AI, który uwidacznia wzorce przewidujące awarie, zanim one wystąpią.

Konserwacja predykcyjna a konserwacja zapobiegawcza : zrozumienie różnicy to krok pierwszy. Wybór odpowiedniej strategii dla każdego zasobu to krok drugi.

Spektrum strategii konserwacji od najniższego do najwyższego stopnia zaawansowania:

• Reaktywny (praca do awarii): Naprawa w momencie awarii. Najniższy koszt początkowy, najwyższy koszt konsekwencji awarii. Odpowiedni tylko dla urządzeń niekrytycznych, łatwych do wymiany, w których awaria nie ma wpływu na dalsze funkcjonowanie.
• Prewencyjne (konserwacja oparta na czasie/zużyciu): Planowane prace konserwacyjne w ustalonych odstępach czasu. Zapobiegają większości awarii krytycznych zasobów. To fundament, nic ponad to nie działa bez niego.
• Konserwacja oparta na stanie (CBM): Konserwacja inicjowana na podstawie zmierzonego stanu sprzętu. Bardziej efektywna niż konserwacja konserwacyjna według kalendarza, konserwacja odbywa się w razie potrzeby, a nie według harmonogramu.
• Predykcyjna (PdM): Analiza danych z czujników oparta na uczeniu maszynowym w celu przewidzenia konkretnego momentu awarii komponentu. Najbardziej zaawansowana i najdroższa. Wymaga 12, 18 miesięcy danych do zbudowania niezawodnych modeli.

Konserwacja predykcyjna zapewnia dodatni zwrot z inwestycji tylko wtedy, gdy spełnione są jednocześnie trzy warunki:

1. Wysokie ryzyko awarii: Zasób jest na tyle krytyczny, że nieplanowana awaria kosztuje znacznie więcej niż planowana konserwacja. W przypadku urządzeń, których koszt przestoju na awarię wynosi poniżej 2000 USD, inwestycja w konserwację zapobiegawczą (PdM) rzadko się zwraca.

2. Wykrywalna sygnatura degradacji: Tryb awarii musi generować mierzalny sygnał przed awarią, wzrost wibracji, wzrost temperatury, rozwój zanieczyszczenia oleju. Katastrofalne awarie bez ostrzeżenia nie mogą skorzystać z konserwacji PdM, niezależnie od inwestycji w czujniki.

3. Wystarczająca ilość danych: Konserwacja predykcyjna (PdM) oparta na uczeniu maszynowym (ML) wymaga 12, 18 miesięcy danych z czujników i wielu zdarzeń awaryjnych, aby zbudować niezawodne modele predykcyjne. W przypadku nowego sprzętu lub aktywów o niskiej częstotliwości awarii generowanie użytecznych modeli zajmuje lata.

Przed inwestycją w konserwację predykcyjną (PdM) należy upewnić się, że zgodność z konserwacją predykcyjną (PM) docelowych zasobów przekracza 80%. Konserwacja predykcyjna (PdM) maszyny z nieregularnym wykonywaniem konserwacji (PM) daje mało wiarygodne wyniki, dane są zanieczyszczone przez zmienną jakość konserwacji, a nie tylko stan sprzętu.

Dla większości producentów najbardziej praktycznym sposobem na konserwację bazującą na stanie technicznym nie jest stosowanie czujników drgań, programów do analizy oleju ani oddzielnego oprogramowania PdM.

Monitorowanie OEE firmy Fabrico zapewnia podstawę danych do podejmowania decyzji w oparciu o stan bez konieczności stosowania dodatkowego sprzętu:

• Trendy wskaźnika wydajności OEE: Prasa pracująca o 5% wolniej niż optymalny czas cyklu w ciągu 4 tygodni to sygnał stanu maszyny. Fabrico automatycznie generuje zlecenie inspekcji CMMS, gdy wydajność spadnie poniżej progu, konserwacja oparta na stanie maszyny, oparta wyłącznie na danych OEE.
• Wyzwalacze PM oparte na zużyciu: Fabrico łączy liczniki cykli OEE bezpośrednio z harmonogramem PM w systemie CMMS. Wykrojnik, który osiągnie 10 000 cykli prasy, otrzymuje zautomatyzowane zlecenie konserwacyjne, niezależnie od tego, czy nastąpi to w ciągu 3 dni, czy 3 tygodni.
• Fabrico AI Agent: analizuje historyczne wzorce danych OEE i konserwacji w celu identyfikacji aktywów „wadliwych”, czyli 20% odpowiadających za 80% nieplanowanych przestojów, i sugeruje udoskonalenia harmonogramu konserwacji zapobiegawczej przed wystąpieniem awarii.

Podejście to pozwala uzyskać 70, 80% korzyści pełnego programu konserwacji predykcyjnej przy kosztach na poziomie 10, 20%.