- Et forudsigende vedligeholdelsesprogram er en ændring i driften, ikke et softwarekøb. Værktøjet er den mindste beslutning i det.
- Start med de aktiver, hvis svigt koster mest, ikke de aktiver med de bedste data. Datahullet kan løses; et program rettet mod billigt udstyr tjener aldrig sit budget ind.
- Det meste af arbejdet, og de fleste af omkostningerne, ligger i at gøre eksisterende sensor- og vedligeholdelseshistorik anvendelig sammen. Prissæt det separat fra modelleringen.
- Vælg succesmålet inden go-live. Et program uden en aftalt definition af succes bliver bedømt på det tal, der ser værst ud, når det skal evalueres.
Et sted mellem det at læse om, hvordan forudsigende vedligeholdelse fungerer, og det at spørge, hvem der skal bygge det, ligger det spørgsmål, der faktisk afgør budgettet: er det værd at gøre her, på hvilket udstyr, og hvad ville det give i afkast.
Hvis du stadig er ved at finde ud af, hvad teknologien gør, så start med guiden til forudsigende vedligeholdelse for industrielle operationer. Hvis du har besluttet dig og sammenligner leverandører, dækker oversigten over virksomheder inden for forudsigende vedligeholdelse ni af dem.
Hvad et program for forudsigende vedligeholdelse faktisk er
Det ord, der betyder noget, er program. At købe en overvågningsplatform er en indkøbsbegivenhed; at drive et forudsigende vedligeholdelsesprogram ændrer, hvordan vedligeholdelsesbeslutninger træffes, hvem der træffer dem, og hvilket grundlag de hviler på.
Den forskel viser sig i, hvordan programmer slår fejl. Anlæg har sjældent problemer med at installere sensorer. Det, de ikke får gjort, er at ændre den arbejdsordre, der følger efter, så aflæsningerne hober sig op i et system, som ingen er ansvarlig for, og den årlige gennemgang finder et abonnement uden nogen tilskrivelig besparelse bag sig.
Et program har fire ting, som et køb ikke har: et defineret aktivomfang, en ejer, der er ansvarlig for at handle på det, det producerer, et aftalt mål og en rute, hvorved en forudsigelse bliver til planlagt arbejde. Hvis blot én af de fire mangler fra starten, bliver den ikke tilføjet senere.
Hvilke aktiver berettiger forudsigende vedligeholdelse
Dette er den beslutning, der afgør alt nedstrøms, og den instinktive tilgang, de fleste operationer følger, er den forkerte.
Instinktet er at starte med det udstyr, der allerede har god instrumentering, fordi det ser nemmest ud. Det giver et teknisk vellykket pilotprojekt på aktiver, hvis svigt ingen bekymrer sig om, og ingen forretningsmæssig begrundelse for at udvide det.
Start i stedet fra konsekvensen. For hvert kandidataktiv skal du stille tre spørgsmål:
- Hvad koster et uplanlagt stop egentlig? Ikke reparationen — den produktion, det udskyder, det ledige mandskab, kontraktbøden, genstarten. På procesanlæg er dette tal som regel en størrelsesorden over reparationen.
- Hvor meget varsel ville ændre udfaldet? Nogle fejl er værd at forudsige, fordi to ugers varsel forvandler en nødsituation til planlagt arbejde. Andre fejler uden brugbar varslingstid, eller er billige at udskifte ved fejl, og hører hjemme på kør-til-fejl, uanset hvor sofistikeret dit værktøj er.
- Fejler det på måder, der efterlader et signal? Roterende udstyr — pumper, kompressorer, motorer, ventilatorer — nedbrydes langs målbare baner. Det er derfor, næsten alle programmer i tung industri starter der.
Fem aktiver er det rette antal til en første fase. Nok til at bevise mekanismen, få nok til at en mislykket fase er en lærestreg snarere end et tab.
De data, en forudsigende vedligeholdelsesstrategi afhænger af
Den ubehagelige del af enhver forudsigende vedligeholdelsesstrategi er, at modelleringen sjældent er begrænsningen. Begrænsningen er, om tre ting kan læses sammen for det samme aktiv:
- Tilstandsaflæsninger over tilstrækkelig historik til at vise, hvordan en sund tilstand så ud, fra et historian-system eller fra eftermonterede sensorer.
- Driftskontekst — belastning, gennemstrømning, tilstand — fordi en aflæsning kun er unormal i forhold til, hvad maskinen blev bedt om at gøre.
- Vedligeholdelseshistorik — hvad blev gjort, hvornår, og hvad blev fundet — for det er der, modellen lærer, hvordan en fejl ser ud.
De fleste virksomheder besidder alle tre og kan ikke sammenkæde dem, som regel fordi den samme pumpe identificeres forskelligt i hvert system. At løse dette er ikke prangende, usynligt for bestyrelsen og udgør rutinemæssigt størstedelen af arbejdet.
Vi vil hellere sige det ligeud end at opdage det i måned to. På et olie- og gasprogram var datainfrastrukturen hele den første indsats, uden at der blev forsøgt nogen forudsigelse, før den var på plads. På et separat produktionspumpeprogram kom strukturering og integration af sensordata før nogen model blev bygget — og det program nåede 90% forudsigelsesnøjagtighed, reducerede vedligeholdelsesomkostningerne med 40% og nedbragte uplanlagt nedetid med 65%. Disse tal tilhører den drift og dens aktivklasse.
Den praktiske test, før du bestiller noget: kan du hente to års aflæsninger for dine fem kandidataktiver sammen med hver arbejdsordre, der er oprettet mod dem? Hvis ja, er du ved at afgrænse et modelleringsprojekt. Hvis nej, er det første projekt dataene, og det bør prissættes som sit eget stykke arbejde.
Opbygning af business casen for forudsigende vedligeholdelse
En business case for forudsigende vedligeholdelse, der kan modstå kritisk granskning, tæller undgåede hændelser, ikke leverandørgennemsnit.
Hvad der skal tælles
- Udskudt produktion undgået. Normalt det største tal, og det som driften kan estimere troværdigt ud fra historikken.
- Uplanlagte indgreb konverteret til planlagte. Billigere arbejdskraft, ingen dyre reservedele, ingen nedlukning omkring dem.
- Forebyggende arbejde ikke udført. Servicering efter tilstand frem for efter kalender fjerner unødvendige indgreb.
- Forlænget aktivlevetid, hvor du kan dokumentere det.
Hvad man ikke skal tælle
Offentliggjorte ROI-procenter for forudsigende vedligeholdelse fra hvem som helst andens markedsføring. De blev målt på andres udstyr, og en god del af dem viser sig at være kategorigennemsnit snarere end nogen kundes resultat. En økonomidirektør, der opdager ét lånt tal, vil afskrive hele sagen.
Byg det i stedet ud fra din egen fejlhistorik. Tag de sidste to års uplanlagte stop på de aktuelle aktiver, prissæt dem, og spørg, hvor stor en andel der havde et opdageligt forløb forud. Den andel er dit realistiske loft, og den er forsvarlig, fordi den stammer fra dine egne optegnelser.
Hvor programmer for forudsigende vedligeholdelse går i stå
- Ingen ejer. Den mest almindelige årsag. Sensorer har en budgetansvarlig; forudsigelser kræver en, der er ansvarlig for at handle.
- Advarsler, som ingen stoler på. Når først et system ignoreres, er det socialt færdigt længe før nogen opsiger det.
- Data opdaget for sent. Fundet i måned to i stedet for uge tre ser det ud som en fiasko snarere end det omfang, det altid var.
- En pilot uden udgang. Uden et aftalt mål kører en første fase, indtil nogen mister tålmodigheden.
- Succes, som ingen kan bevise. Hvis udgangspunktet ikke blev registreret før idriftsættelse, kan besparelsen ikke påvises bagefter.
Sådan implementerer du forudsigende vedligeholdelse: De første 90 dage
En faseopdelt struktur, der billigt kan stoppes på et hvilket som helst tidspunkt, hvilket betyder mere end hastighed:
- Uge 1-2 — omfang. Bekræft de fem aktiver og deres fejlhistorik. Aftal succesmålet nu, skriftligt.
- Uge 3-6 — data. Sammenkæd målinger, driftskontekst og vedligeholdelsesregistreringer for disse aktiver. Det er her, et program enten bliver muligt eller afslører, hvad der først skal rettes.
- Uge 7-10 — modellér og valider. Byg modellen på kendte fejl, og lad de ingeniører, der skal bruge resultatet, tjekke dens forudsigelser, før nogen stoler på dem. Deres skepsis på dette stadie er den billigste kvalitetskontrol, der findes.
- Uge 11-12 — kobl det ind i arbejdet. En forudsigelse, der ikke bliver til en arbejdsordre, er et skærmbillede. Før det ind i det system, som dine planlæggere allerede bruger.
- Beslut derefter. Forlæng, juster aktivlisten, eller stop. Alle tre er acceptable resultater af en første fase; kun “fortsæt på ubestemt tid uden et succesmål” er det ikke.
Hvordan Crunch-IS kører et program for forudsigende vedligeholdelse
Vi arbejder den sekvens i den rækkefølge, den er skrevet i, hvilket for det meste betyder, at den ikke særligt glamourøse del kommer først. Hvor tilstandsaflæsninger, driftskontekst og vedligeholdelseshistorik ikke kan sammenkobles for de kandidataktiver, bliver den sammenkobling afgrænset og prissat som sit eget engagement, før nogen model overhovedet diskuteres. På ét olie- og gasprogram udgjorde det hele den første fase, uden at der blev forsøgt nogen forudsigelse, før den var på plads.
To programmer, to aktivklasser, og tallene tilhører de operationer, de blev målt på:
- Produktionspumpe-programmet, der blev beskrevet tidligere — 90 % forudsigelsesnøjagtighed, vedligeholdelsesomkostninger reduceret med 40 % og uplanlagt nedetid reduceret med 65 %, på sjældent højværdiudstyr for en europæisk producent.
- En AI-drevet platform til forudsigelse af svigt i vandledninger til et britisk forsyningsselskab — 42 % færre uventede svigt, med en yderligere forventet reduktion på 28 % i omkostningerne til akut vedligeholdelse, som er forudsagt snarere end målt.
Ingen af tallene kan overføres. De er, hvad de aktivklasser gav i afkast under de betingelser, og det eneste tal, der kan forudsige dit, er det, der allerede findes i din egen fejlhistorik.
