Szukaj
Close this search box.

Dlaczego predykcyjne utrzymanie ruchu nie działa? 4 możliwe przyczyny

predykcyjne utrzymanie ruchu
Predykcyjne utrzymanie ruchu to najnowszy i najbardziej wyrafinowany model organizacji działań UR, oparty na postulatach Przemysłu 4.0. Metoda ta pozwala wyeliminować wszelkie zbędne prace i skupić się wyłącznie na tych, które w danym momencie rzeczywiście są potrzebne. To duża różnica i przewaga nad starszymi modelami UR, reaktywnymi czy opartymi na harmonogramie przeglądów. Rezultatem wdrożenia predykcyjnego UR powinno być maksymalnie efektywne wykorzystanie zasobów służby technicznej, a także pełna dostępność maszyn produkcyjnych (zero downtime).

Predykcyjne utrzymanie ruchu to złożone środowisko rozwiązań organizacyjnych, współpracujących ze sobą czujników, urządzeń pomiarowych i systemów informatycznych. Wśród tych ostatnich prym wiodą systemy realizacji produkcji (MES – Manufacturing Execution System). A dokładniej ich komponenty utrzymania ruchu CMMS (Computerised Maintenance Management Systems). Kluczową rolę pełnią też systemy nadzorujące stan maszyn i przebieg procesów SCADA (Supervisory Control And Data Acquisition).

Pomimo korzyści, jakie niesie predykcyjne utrzymanie ruchu, cześć przedsiębiorstw zniechęca się kosztami inwestycji, a także praktycznymi problemami jego wdrożenia. Warto przyjrzeć się najczęściej spotykanym trudnościom bliżej, aby przygotować się na nie zawczasu.

Zbyt szeroki zakres wdrożenia

W celu wykrycia anomalii w pracy maszyn, które zwiastować mogą zbliżającą się usterkę bądź awarię, wykorzystuje się m.in. aparaturę mierzącą zużycie prądu, temperaturę, poziom wibracji i płynów. Opomiarowanie w ten sposób wszystkich urządzeń na hali produkcyjnej jest naturalnie przedsięwzięciem dość kosztownym, a do tego niekoniecznie uzasadnionym. Dlatego też, aby zracjonalizować koszty inwestycji, warto czasem ograniczyć zakres wdrożenia predykcyjnego UR tylko dla tych urządzeń, które stanowią wąskie gardła procesu produkcyjnego. Decyzję o tym, jakie zasoby objąć opomiarowaniem, ułatwić może analiza niezawodności RCM (Reliability Centered Maintenance). Takie ograniczone wdrożenie pozwala zapewnić bezawaryjną pracę kluczowych dla realizacji zleceń maszyn, czyniąc jednocześnie metodę predykcyjnego UR dostępną dla szerszej grupy przedsiębiorstw.

Oczekiwanie natychmiastowych rezultatów

Wdrożenie predykcyjnego utrzymania ruchu jest procesem czasochłonnym przynajmniej z dwóch powodów. Aby zidentyfikować anomalie mogące prowadzić do awarii, należy zbierać dane przez odpowiednio długi okres czasu. Tylko dysponując bogatym materiałem do analizy, można odnaleźć występujące zależności i tendencje.
Po drugie, ponieważ każda hala produkcyjna jest tworem w pewnym stopniu unikalnym, każde wdrożenie predykcyjnego UR również cechuje się niepowtarzalnością. Nie można w nim wprost przenieść modelu sprawdzonego już wcześniej w innej lokalizacji. Konieczność dobrania indywidualnych rozwiązań, obserwowanie ich efektów i ciągłe doskonalenie, musi przełożyć się na czas potrzebny na wdrożenie.

Brak konsekwencji w działaniu

Inwestycja w sprzęt i oprogramowanie wspierające predykcyjne utrzymanie ruchu jest niezbędnym, ale niewystarczającym krokiem do osiągnięcia celów wdrożenia. Sprawdza się reguła, że nawet najlepsze rozwiązania techniczne nie spełnią swoich zadań, jeśli nie będą właściwie użyte.
Należy pamiętać, że predykcyjne utrzymanie ruchu to zespół ściśle powiązanych ze sobą procesów, gdzie nie może zabraknąć choćby jednego ogniwa. Przykładowo, załóżmy że posiadamy już system zbierający i archiwizujący dane dotyczące kondycji maszyn. Jeżeli jednak zaniedbamy którykolwiek z późniejszych etapów: analiza danych, wyciągniecie poprawnych wniosków, podjęcie stosownych działań, cały trud pójdzie na marne.
Dlatego też, pomimo że część procesów i decyzji można obecnie zautomatyzować dzięki systemom zarządzania utrzymaniem ruchu (CMMS), o sukcesie wdrożenia predykcyjnego UR decyduje przede wszystkim postawa pracowników i konsekwentne przestrzeganie procedur.

Brak integracji danych

W optymalnie wdrożonym predykcyjnym UR, wymiana informacji pomiędzy jego komponentami powinna następować automatycznie. W praktyce oznacza to integrację systemu pobierającego dane z maszyn (SCADA – Supervisory Control And Data Acquisition) z systemem służącym do analizy i delegowania zadań dla działu utrzymania ruchu (CMMS – Computerised Maintenance Management Systems). Integracja pomaga uniknąć marnowania tak istotnego dla utrzymania ruchu czasu, zapewnia spójność i wysoką jakość danych.

Przeszkody, jakie ewentualnie mogą się pojawić podczas wdrożenia predykcyjnego utrzymania ruchu, nie powinny zniechęcić do skorzystania z tej metody. Wynagrodzi ona poniesione trudy bezprecedensową efektywnością działu UR, zarówno pod względem wykorzystania zasobów ludzkich jak i technicznych.

 

Autor artykułu
Poleć innym
LinkedIn
Facebook
Twitter

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

The reCAPTCHA verification period has expired. Please reload the page.