Как сократить расходы на обслуживание оборудования на 40%

Что такое предиктивное обслуживание промышленного оборудования и как эта методология помогает экономить

Industry 4.0, или четвертая индустриальная революция в корне изменила подходы в работе промышленного бизнеса.

Один из ключевых KPI — снижение затрат на обслуживание оборудования до 40% за счет увеличения его эффективности, снижения простоев и увеличения производительности технических специалистов. Но если для крупнейших мировых предприятий управление оборудованием и его показателями являются крайне важными, у нас эти процессы традиционно недооценивают.

Предиктивное обслуживание и методология RCM

Несвоевременное обслуживание промышленного оборудования — это не только прямые потери от поломки в виде затрат на новые запчасти. Это еще и сокращение объемов производства, расходы на реорганизацию и перепланирование процессов. Кроме того, срывы планов поставок, репутационные потери среди клиентов и партнеров, что ведет к еще большим затратам в будущем.

Для обеспечения максимального уровня надежности недостаточно применять традиционный подход к обслуживанию — вести график работ, контролировать закупки запчастей, удерживать опытных специалистов. Методология Industry 4.0 предусматривает совершенно новый подход — удаленный контроль (remote monitoring and control) и предиктивное — прогнозное — обслуживание оборудования (predictive maintenance).
До 2022 года рынок и запрос на решения для предиктивного обслуживания увеличатся в семь раз, или же до $10 млрд в денежном выражении, это станет одним из главных трендов технологической модернизации.

Сама технология предиктивного обслуживания основывается на методологии обслуживания на основании надежности (RCM).

Допустим, у нас на предприятии есть насос, закачивающий жидкость. В начале эксплуатации он выполняет работу идеально, но со временем у него забивается фильтр, показатели падают. В один прекрасный момент показатели падают до критической точки, когда насос уже не закачивает достаточное количество воды. В таком случае мы говорим о выходе оборудования из строя. Чтобы предотвратить такой сценарий, классическая методология обслуживания предусматривает замену этого насоса спустя определенное время — обычно средний показатель работы узла.

Но поломки не всегда происходят спустя одинаковое время. Иногда узел может продолжать работу в штатном режиме намного дольше, а иногда выходит из строя раньше срока. Методология RCM заключается не в расчете среднего срока службы, а в поиске той точки времени, в которой показатели работы начинают падать. Когда мы видим ухудшение показателей работы, то понимаем, что нужно готовиться к отказу оборудования, и можно проводить ремонт.

RCM лежит в основе предиктивного обслуживания, суть которого — в периодической или непрерывной оценке состояния оборудования. При таком подходе конечная цель — это техническое обслуживание в тот момент, когда это наиболее рентабельно. Выполняя ремонты по календарю, промышленные предприятия тратят миллионы на закупку запчастей и проведение работ там, где их можно было бы избежать. Сегодня все компании и предприятия идут к тому, чтобы совершенствовать способ обслуживания оборудования на основании прогноза.

От RCM — к Smart Predictive Maintenance

Развитие этой методологии и ее воплощение на предприятии идет последовательно.

Первый шаг — это отображение данных, мониторинг состояния оборудования, ручной контроль параметров.

Второй шаг — четкое понимание того, как изменение параметров влияет на работу оборудования, и выработка граничных значений, по достижению которых необходимо исправлять оборудование. Кроме пользы в виде предотвращения поломок, мониторинг и установка показателей помогают определить такие условия, при которых оборудование выполняет работу наиболее эффективно. Как только эти границы будут нарушены, можно взаимодействовать с оборудованием для восстановления максимально эффективного режима.

Выполняя ремонты по календарю, предприятия тратят миллионы на закупку запчастей и проведение работ там, где этого можно было бы избежать ?

Следующий шаг — создание автоматической системы оповещений. На предыдущих этапах мониторинг показателей мог осуществляться вручную или же с помощью штрих-кодов, которые считываются мобильными устройствами и показывают состояние оборудования в реальном времени. Этот шаг предусматривает объединение всех данных в единую сеть и установку программы, которая бы автоматически генерировала предупреждения управляющему персоналу.

Последний шаг — это полностью автоматизированный контроль оборудования: система сама ведет весь процесс от мониторинга показателей до оформления заявок на ремонт и заказа необходимых комплектующих.

То, что выстраивается в итоге, называется smart predictive maintenance — умное, предупредительное обслуживание оборудования. Постоянный мониторинг и автоматизация обслуживанию не только предотвращают отказы чуть ли не со 100%-ной вероятностью, но и экономят предприятиям миллионы долларов в год.

Что еще изменит предиктивное обслуживание?

Кроме очевидного превосходства в предотвращении поломок и рациональном использовании ресурсов, такой подход дает еще несколько приятных бонусов.

Во-первых, генерация и обработка огромного массива данных о работе оборудования позволяет моделировать реалистичные сценарии его работы. Мы можем просмотреть показатели оборудования за вчера, за прошедшую неделю или за целый год, и на основании этих данных лучше понять, какие условия улучшают общие показатели компании, а какие — вредят. Предиктивное обслуживание дает возможность строить настоящие прогнозы и на основании четкого расчета управлять всем производственным процессом.

Во-вторых, при такой схеме обслуживания из процесса максимально выпадает человек. И хотя сокращение рабочих мест из-за роботизации — не лучший тренд, пользу для производства переоценить тяжело. Программное управление позволяет совершать мгновенный обмен данными и утверждать решения моментально, что экономит время и защищает производство от простоев. Ошибки, которые мог бы допустить человек по невнимательности или случайности, не могут быть совершены программой, которая имеет четкие установки. Это делает работу производственного предприятия в разы эффективнее и слаженнее.

Чтобы использовать эти методики, не обязательно иметь самое современное оборудование и оснащать его датчиками, методологические подходы работают на любом оборудовании

Системы, осуществляющие такое обслуживание, будут развиваться с помощью технологий искусственного интеллекта на основе машинного обучения.

Представим, что у нас есть сложная установка, которая выдает сотни показателей: температуру, давление, обороты, токи и так далее. Когда это оборудование выходит из строя, машинное обучение используется для прогнозирования неочевидных отказов. Мы можем не знать, какие параметры повлияли, что изменилось, человеку это сложно определить. Компьютер и машина могут анализировать огромные потоки данных и обучаться на показателях прошлого, чтобы в будущем предотвратить поломки даже самых сложных систем.

Это лишь малая часть того, чем являются современные системы контроля производства. В целом, они состоят из каталогов оборудования, архивов документов, учета движения оборудования и узлов, карт ремонтов, управления заявками и работами, нарядов-допусков, разборов инцидентов, учета и анализа простоев, управления складом, закупки и списания, управления персоналом и т.д. Все эти системы существуют и применяются уже сегодня, постоянно совершенствуя не только внутренние системы, но и оболочку. Разработчики из года в год делают интерфейс проще и понятнее для работы, а платформой для использования таких решений может быть обычный смартфон или планшет.

Такой подход к обслуживанию показывает значительные экономические результаты, быстро окупается, демонстрирует хорошие показатели снижения затрат на обслуживание оборудования и повышение технической готовности. Но самое главное — чтобы использовать эти методики, не обязательно иметь самое современное оборудование и постоянно оснащать его датчиками. Методологические подходы работают на любом оборудовании, что особенно важно для производственных предприятий Украины.

Автор: Кирилл Костанецкий, руководитель проекта SmartEAM

По материалам : Новое время — https://nv.ua/techno/technoblogs/chto-takoe-prediktivnoe-obsluzhivanie-2476568.html