Optymalizacja operacji związanych z inteligentną produkcją dzięki konserwacji CBM

Konserwacja oparta na monitoringu stanu technicznego zasobów zakładu przemysłowego (CBM) może być wdrażana w trzech fazach. W pierwszej z nich konsultacja z firmą z branży doradztwa cyfrowego i analiza możliwości wdrożenia CBM mogą pomóc we wdrożeniu w zakładzie bardziej inteligentnego monitoringu i konserwacji. W drugiej ma miejsce zbieranie danych i uzyskiwanie informacji potrzebnych do wdrożenia niezawodnego rozwiązania CBM. Natomiast w trzeciej dokonuje się efektywnego zbierania danych z zasobów za pomocą czujników, co może zwiększyć możliwości podejmowania decyzji przez odpowiednie osoby.

Wdrożenie konserwacji opartej na stanie technicznym sprzętu (CBM) może przyczynić się do skrócenia czasu przestoju tego sprzętu, poprawy procedur zbierania danych oraz zwiększenia całkowitej efektywności wyposażenia (OEE).

Firmy produkcyjne muszą na co dzień zmagać się z licznymi wyzwaniami w obszarze zarządzania realizowanymi operacjami, takimi jak np. praca zakładów poniżej zdolności produkcyjnej, niskie marże oraz brak wizualizacji operacji realizowanych w zakładach. Wdrożenie strategii konserwacji prognozowanej (predictive maintenance – PdM) z takimi elementami, jak konserwacja oparta na stanie technicznym urządzeń (condition-based maintenance – CBM), jest bardziej proaktywnym sposobem zapobiegania awariom sprzętu oraz rozwiązywania wspomnianych wcześniej problemów z operacjami.

Stosowane przez producenta praktyki konserwacji są kwestią zasadniczą przy ich rozwiązywaniu. Przeciętny producent przeznacza 40% kosztów operacyjnych na konserwację sprzętu. Pomijając fakt, że jest to znaczna suma, konwencjonalne praktyki utrzymania ruchu, takie jak przeprowadzane przez pracowników obchody i kontrole wyrywkowe oraz coroczne wyłączenia z ruchu, są czasochłonne i podatne na błędy ludzkie. Dane generowane przy stosowaniu tych metod zwykle nie mogą dostarczyć szczegółowych informacji na temat jakości sprzętu, operacji realizowanych na hali fabrycznej, niedoskonałości produkcji czy symptomów awarii.

Nagła potrzeba rozwiązania tych problemów jest czynnikiem napędowym obserwowanych obecnie transformacji cyfrowych w całym przemyśle. Cyfryzacja umożliwia producentom reformowanie modeli biznesowych, zwiększenie efektywności operacyjnej oraz poprawę całkowitej efektywności wyposażenia (overall equipment effectiveness – OEE). Wdrożenie rozwiązania konserwacji inteligentnej/prognozowanej jest skuteczną metodą, którą producenci mogą zaadaptować w swoich procesach w celu wydłużenia czasu bezawaryjnej pracy sprzętu, a w konsekwencji poprawy wskaźnika OEE.

Pojawienie się inteligentnej konserwacji

Uzyskiwanie efektywnych informacji, na podstawie których można podejmować działania (actionable insights), dokonywane dzięki mozolnemu analizowaniu danych, przy użyciu tradycyjnych praktyk monitoringu stanu technicznego i konserwacji zasobów zakładu, jest czasochłonne dla pracowników. Ze względu na to, że sprzęt w fabrykach staje się coraz bardziej złożony, przestarzałe techniki monitoringu i utrzymania ruchu mogą obniżyć ogólną zdolność produkcyjną fabryki o 5 do 20%.

Ponadto raportowano już przypadki wyłączenia całej linii produkcyjnej w fabryce z powodu awarii kluczowego sprzętu. Nieprzewidziana awaria sprzętu może spowodować zwiększenie kosztów produkcji, co negatywnie wpływa na poziom wykorzystania zasobów. Problemów tych można uniknąć, wdrażając system „inteligentnej konserwacji”, zaprojektowany po to, aby pomóc firmom zamierzającym go zaadaptować w optymalizacji praktyk i działań produkcyjnych. Strategia organizacyjna następnej generacji urządzeń i oprogramowania do monitoringu stanu technicznego i konserwacji sprzętu umożliwi firmom zwiększenie kontroli nad realizacją harmonogramów produkcji oraz minimalizację niepewności operacyjnej poprzez analizowanie danych czasu rzeczywistego, zbieranych w celu przewidywania przyszłych awarii sprzętu. Firmy przemysłowe będące głównymi graczami na światowym rynku są świadome tych zmian w przemyśle i rozpoczęły już eksplorowanie konserwacji prognozowanej z elementami konserwacji CBM.

Na czym polega konserwacja oparta na stanie technicznym

Konserwacja CBM jest nowatorską metodą konserwacji sprzętu, opartą na wykorzystaniu danych czasu rzeczywistego do nadania priorytetów oraz optymalizacji zasobów działów utrzymania ruchu w zakładach. CBM wykorzystuje technologie następnej generacji, takie jak sztuczna inteligencja oraz Internet Rzeczy (IoT), które umożliwiają kierownictwu firmy produkcyjnej podejmowanie świadomych decyzji w odpowiednim czasie. Producenci, którzy stosują rozwiązania konserwacji prognozowanej, stoją przed szansą osiągnięcia korzyści na wiele sposobów oraz mogą dokonać postępu na drodze ku osiągnięciu doskonałości operacyjnej.

Konserwacja CBM może być efektywnie wdrożona w trzech etapach:

  1. Konsultacja z firmą z branży doradztwa cyfrowego (digital consulting).

Typowe działania w pierwszej fazie obejmują analizowanie obecnie stosowanych praktyk konserwacji oraz określenie, czy jakieś dane są przechwytywane przez producenta i w jaki sposób mogą być wykorzystane, przy czym oceniane są wymagania informatyczne dla wdrożenia CBM oraz sprzęt do monitorowania.

2. Zbieranie i analiza danych

Dostawca rozwiązania CBM na tym etapie planuje strategię pozyskiwania danych przy wykorzystaniu czujników: pomiarów drgań, temperatury, pobierania próbek oleju oraz innych parametrów i różnych metod pomiarowych. Dane te są poddawane analizie, a jej wynikiem jest dopasowane do użytkownika rozwiązanie CBM, które zostanie wdrożone.

3. Pełny plan wdrożenia

Na tym finalnym już etapie wszystkie moduły przygotowanego rozwiązania zostają ze sobą połączone, a następnie monitorują różne parametry kluczowego sprzętu w zakładzie. Otrzymywane dane mogą być przedstawiane w postaci raportów oraz wizualizacji na urządzeniach przenośnych. Pomaga to kierownictwu zakładów produkcyjnych w podejmowaniu w odpowiednim czasie decyzji o przeprowadzeniu konserwacji sprzętu.

Zalety konserwacji opartej na stanie technicznym

Podstawowym przeznaczeniem rozwiązania konserwacji CBM jest przewidywanie awarii sprzętu. Uzależnienie się od często stosowanego podejścia typu „eksploatacja do awarii, a następnie naprawa” („fail and fix”) dla zapewnienia wysokiej niezawodności maszyn nie jest najbardziej efektywną metodą mierzenia kondycji sprzętu, zwłaszcza w czasach, gdy w zakładach instalowany jest nowy i bardziej złożony oraz zdigitalizowany sprzęt. Techniki CBM cechują się wysoką zmiennością i dlatego kluczowe jest zapewnienie, aby częstotliwość realizacji prac związanych z konserwacją CBM była optymalna. Np. podczas dokonywania analizy drgań łożyska podstawowym czynnikiem wyznaczającym częstotliwość monitoringu jego stanu technicznego jest czas MTTF (mean time to failure, średni czas do wystąpienia awarii) lub przedział P-F (potential-to-function failure interval, przedział czasowy między momentem, w którym po raz pierwszy możliwe jest wykrycie, że nieuchronnie zbliża się awaria lub utrata możliwości funkcjonowania, a momentem rzeczywistego wystąpienia awarii czy możliwości funkcjonowania). Aby być całkowicie pewnym, że awaria łożyska zostanie wykryta przed wystąpieniem awarii funkcjonalnej, łożysko to musi być monitorowane z częstotliwością mniejszą niż przedział czasowy MTTF.

Konserwacja CBM zwiększa także efektywność zasobów. Dla każdej firmy, która ma być zyskowna, uzyskanie odpowiedniego zwrotu z inwestycji (return on investment – ROI) jest imperatywem. Podobnie dla producenta zasadniczą sprawą jest zmaksymalizowane wykorzystanie zasobów przy minimalnej liczbie awarii sprzętu. Konserwacja CBM pozwala producentom na ustanowienie trendów awarii, skuteczne przewidywanie awarii oraz obliczanie pozostałego czasu eksploatacji zasobu. Osoby zarządzające w zakładach zyskają dodatkowe inteligentne narzędzie, które pozwoli im na podejmowanie decyzji na podstawie danych (data-driven decisions) w sprawach planowania prac konserwacyjnych, planowania zakupu i utrzymywania stanów magazynowych części zamiennych itd. Ponadto dane z czujników zainstalowanych na zasobach – maszynach, urządzeniach produkcji, umożliwi wgląd w wiarygodne informacje na temat historii tych zasobów oraz historii związanych z nimi procesów (technologicznych/produkcji) w kategoriach zarówno cykli termicznych i ciśnieniowych, jak i wystąpień zdarzeń, takich jak na np. wysoki poziom drgań czy wyłączenie. Na podstawie zebranych danych można wyznaczyć średni czas eksploatacji komponentu oraz podjąć odpowiednie działania.

Firmy produkcyjne przeznaczają 40% swoich wydatków operacyjnych na eksploatację kluczowego sprzętu oraz dodatkowo od 5 do 8% na jego konserwację. Każda niespodziewana awaria sprzętu może doprowadzić do przestoju, który może negatywnie wpłynąć na produkcję fabryki oraz zahamować zdolność firmy do efektywnego spełniania potrzeb rynku. W takiej sytuacji konserwacja CBM może wspomóc producentów na wiele różnych sposobów.

Przykładowo, analiza drgań umożliwia przewidywanie awarii części maszyn, takich jak łożyska, wały, wirniki, oraz powiadamianie odpowiednich osób, że wymagane jest natychmiastowe działanie. Inną przełomową innowacją jest to, że rozwiązanie CBM jest w stanie przewidywać awarie, które występują na skutek bieżących, odbiegających od normy warunków pracy maszyny, takich jak przeciążenie, zwarcie, przebicie na obudowę, niewłaściwy moment obrotowy czy brak smarowania.

Ciągły postęp technologiczny w produkcji półprzewodników oraz masowe wdrożenie i wykorzystywanie innowacyjnych technologii cyfrowych znacznie obniżyły ceny czujników i niezbędnych dla nich peryferiów. Firmy informatyczne wdrażają obecnie ekonomiczne pakiety rozwiązań CBM obejmujące sprzęt i oprogramowanie. Rozwiązania te wykorzystują różne techniki wykrywania potencjalnych awarii, takie jak pomiary i analiza drgań, termografia w podczerwieni, analiza pobieranego prądu itd. Umożliwiają zbieranie danych czasu rzeczywistego dotyczących kluczowych parametrów monitorowanych zasobów, takich jak temperatura, akustyka, ciśnienie i drgania. Wykorzystywanie tych rozwiązań CBM zapobiega występowaniu nieplanowanych przestojów, konieczności dokonywania corocznych wyłączeń, minimalizuje błąd ludzki oraz eliminuje koszty pracy związanej z oceną stanu technicznego sprzętu.

Analiza kosztów wdrożenia konserwacji opartej na stanie technicznym

Koszty poniesione na wdrożenie konserwacji CBM zależą od typu maszyn, natury realizowanych przez nie operacji oraz uwzględnienia w analizie różnych czynników, takich jak np. zapobieganie awariom łożysk w maszynie produkującej w ciągu godziny wyroby warte 10 000 dolarów. Firma nie może pozwolić sobie na pięć godzin przestoju, który mógłby przełożyć się na hipotetyczną stratę na produkcji w wysokości 50 000 dolarów. Koszt ten może się zmieniać w zależności od wartości produkowanych towarów oraz wydajności danej maszyny podczas jej pracy.

Według różnych przemysłowych analiz porównawczych (benchmarks) wdrożenia konserwacji CBM mogą pomóc w zmniejszeniu kosztów utrzymania ruchu nawet o 12% w pierwszym roku oraz radykalnie zwiększyć dyspozycyjność maszyn – nawet o 92%. Ponadto CBM pomaga w zmniejszeniu liczby nieoczekiwanych awarii o około 25% oraz czasu remontów niemal o połowę. Utrzymywanie zbyt dużych stanów magazynowych części zamiennych także może być ograniczone o 20%, zaś roczne koszty utrzymania ruchu obniżone o 15% w pierwszym roku. Poza korzyściami bezpośrednio związanymi z pracą zasobów wdrożenie strategii i narzędzi konserwacji CBM przynosi wiele innych korzyści, w tym:

→ zapewnienie, że operacje w zakładzie są realizowane bez przeszkód;

→ zoptymalizowanie procesu produkcji przez radyklane ograniczenie przerw w pracy fabryki spowodowanych awariami czy tradycyjną konserwacją maszyn;

→ większą satysfakcję klienta;

→ wysoce efektywne zarządzanie wydajnością produkcji;

→ lepsze relacje w łańcuchu dostaw.

Rozważmy na przykład awarię kompresora w instalacji sprężonego powietrza w zakładzie przemysłowym. W takim scenariuszu koszty jego naprawy lub wymiany mogą wynieść nawet 200 000 dolarów. Poza wysokimi kosztami fabryka poniesie także straty związane z obniżeniem wydajności oraz wydłużeniem czasu produkcji. To może wpłynąć na czasy realizacji dostaw oraz dostępność serwisu, co w dalszej kolejności zakłóci harmonogram produkcji.

Natomiast wdrożone w tej fabryce rozwiązanie CBM pozwoliłoby na przewidzenie awarii kompresora i zaalarmowanie pracowników, którzy podjęliby odpowiednie działania, aby zapobiec jej wystąpieniu. Koszty naprawy wyniosłyby jedynie 35 000 dolarów, co przekłada się na oszczędność rzędu 165 000 dolarów przez tę firmę produkcyjną. Inwestycja w ciągły monitoring sprzętu dałaby temu producentowi 11-krotny zwrot z inwestycji (ROI).

W innym przypadku pewien producent napotkał problem z awarią silnika przenośnika taśmowego, co doprowadziło do nieplanowanego przestoju linii pakującej i spowodowało w konsekwencji mniejszą wydajność produkcji oraz stratę zysków dla firmy. Aby rozwiązać ten problem, producent zdecydował się na wdrożenie kompleksowego rozwiązania CBM. Dla celów tego rozwiązania opracowano modułową, przemysłową bramę sieciową typu edge gateway, która dokonuje ciągłej akwizycji danych w różnych warunkach obciążenia maszyny.

Moduł ten rozwiązał także problem akwizycji i przechowywania danych, który prowadził do zwiększonego ruchu sieciowego oraz większych kosztów infrastruktury sieciowej, spowodowanych przepływem znacznych ilości danych maszynowych. Dzięki zintegrowanym algorytmom uczenia maszynowego i sztucznej inteligencji taki moduł bramy przechwytywał, a następnie analizował kluczowe dane z maszyny, w tym dotyczące drgań, temperatury i prądu pobieranego przez silnik przenośnika, wysyłając jedynie okresowo przetworzone dane do serwerów w chmurze.

W dalszej kolejności analiza danych w chmurze obliczeniowej generowała wartościowe informacje praktyczne oraz wyzwalała alarmy i powiadomienia dotyczące uprzednio zdefiniowanych zdarzeń. Dzięki temu ostrzeżenia były wysyłane przed potencjalną awarią sprzętu. Rozwiązanie to także wykorzystywało serwery systemu ERP (enterprise resource planning, planowanie zasobów przedsiębiorstwa) w celu umożliwienia zautomatyzowanego wydawania poleceń roboczych oraz konsolidacji danych i przetwarzania ich na raporty i wizualizacje wyświetlane na urządzeniach przenośnych, dając w czasie rzeczywistym praktyczne informacje pozwalające na podjęcie opartych na danych działań związanych z konserwacją sprzętu przed wystąpieniem jakiejkolwiek awarii. Rozwiązanie CBM umożliwiło temu producentowi wydłużenie czasu bezawaryjnej pracy sprzętu o około 30% oraz zmniejszenie kosztów utrzymania ruchu o około 14%. Ponadto dzięki temu rozwiązaniu CBM zostały także zidentyfikowane takie aspekty, jak czas MTTF, wskaźnik kondycji zasobów (asset health index – AHI) oraz czas do następnej konserwacji (time to next maintenance).

Wiodący światowi producenci wdrażają już sukcesywnie przełomowe podejście w organizacji zarządzania produkcją, dokonując strategicznej transformacji rozwiązań konserwacji w kierunku inteligentnego serwisowania i zarządzania zasobami.

Ponieważ ciągły rozwój technologii popycha przemysł produkcyjny i nie tylko do przodu, to producenci, którzy podejmują działania w celu wdrożenia konserwacji opartej na zaawansowanej analizie danych, uzyskają ogólną poprawę funkcjonowania swoich zakładów, zredukują niepotrzebne koszty oraz będą efektywnie reagowali na nieplanowane zmiany popytu i sprzedaży.


Ashok Kumar jest szefem działu rozwiązań cyfrowych i przemysłowych w firmie L&T Technology Services.