Napovedno vzdrževanje
Napovedno vzdrževanje uporablja podatke o stanju in napovedne modele, da zazna obrabo ali okvare, preden se zgodijo, tako da se vzdrževanje izvede natanko takrat, ko je potrebno, in ne po fiksnem urniku ali po okvari.
Napovedno vzdrževanje se loči od dveh starejših strategij vzdrževanja. Reaktivno vzdrževanje pomeni, da popravila potekajo šele po tem, ko je stroj že odpovedal, kar povzroči nenačrtovan izpad. Preventivno vzdrževanje opremo servisira po fiksnem urniku, recimo vsakih 500 obratovalnih ur, ne glede na njeno dejansko stanje. Napovedno vzdrževanje namesto tega temelji na stalno zbranih podatkih o stanju in napovednih modelih, ki določijo pravi trenutek za poseg. Rezultat je vzdrževanje, ki ne poteka ne prezgodaj ne prepozno, temveč natanko tedaj, ko del dejansko začne kazati obrabo.
Tehnična osnova je nabor senzorjev, ki na stroju stalno spremljajo meritve, kot so vibracije, temperatura, zvočne emisije ali kakovost olja. Ti podatki prek povezav IoT tečejo v analitske sisteme, ki zaznajo odstopanja od normalnega delovanja. Mnoge nastavitve uporabljajo statistične modele ali strojno učenje, naučeno na preteklih vzorcih okvar, za projekcijo trendov naprej. Ko meritev preseže kritičen prag ali trend nakazuje bližajočo se okvaro, sistem sproži priporočilo za vzdrževanje, pogosto z ocenjenim preostalim obratovalnim časom pred verjetno okvaro.
Korist je predvsem manj nenačrtovanih zastojev, daljša življenjska doba opreme in boljše načrtovanje nadomestnih delov in osebja. Hkrati napovedno vzdrževanje zahteva začeten trud: senzorje je treba naknadno namestiti, podatke zbirati in modele sčasoma umeriti. Pri preprostih ali nekritičnih strojih se ta trud pogosto ne splača, medtem ko se pri dragi, za proizvodnjo ključni opremi ponavadi hitro povrne. Natančnost vsake napovedi je povsem odvisna od kakovosti in obsega osnovnih podatkov.
Praktični primer
Kovinskopredelovalna delavnica z 12 CNC-rezkalnimi stroji na glavna vretena treh najbolj kritičnih strojev naknadno namesti senzorje vibracij. Po šestih mesecih zbiranja podatkov analitski sistem na enem stroju zazna naraščajoč vzorec vibracij, ki kaže na zgodnjo okvaro ležaja, in oceni preostalih približno 18 dni obratovanja. Delavnica popravilo razporedi na vikend z nizko proizvodnjo in vnaprej naroči nadomestni ležaj. Brez tega zgodnjega opozorila bi vreteno verjetno odpovedalo sredi izmene, kar bi ob dnevni vrednosti proizvodnje 7.000 evrov stalo ocenjena 2 dneva nenačrtovanega izpada in okoli 14.000 evrov izgubljene proizvodnje.
Kako pomaga Leanshift
Napovedno vzdrževanje ustreza miselnosti Kaizena, ker odločitve temeljijo na dejanskem stanju in ne na predpostavkah, kar je natanko to, kar nenehno izboljševanje zahteva: težave narediti vidne, preden se spremenijo v izgube. Nenačrtovan izpad je ena najdražjih oblik izgube v procesu, zgodnje odkrivanje pa sprosti čas za resnično izboljševalno delo namesto gašenja požarov. To se ujema z idejo izboljševanja, da nastane več izboljševalcev: stabilna oprema ekipam da prostor, da se osredotočijo na izboljševanje namesto na nenehno popravljanje pravkar pokvarjenega.
Pogosto zastavljena vprašanja
Kako veliko mora biti podjetje, da se napovedno vzdrževanje splača?
Ni fiksnega praga velikosti. Pomembno je, koliko bi stal nenačrtovan izpad tega specifičnega stroja, ne velikost podjetja. Tudi majhna delavnica z enim samim za proizvodnjo ključnim strojem lahko izkoristi le peščico senzorjev na tem enem sredstvu.
Ali za to potrebuješ umetno inteligenco?
Ne, ni nujno. Mnogi sistemi dobro delujejo s preprostimi pragovi in statistično analizo trendov. Strojno učenje izboljša natančnost napovedi pri kompleksnih vzorcih obrabe, vendar ni nujno za začetek.
Kako se napovedno vzdrževanje razlikuje od vzdrževanja na podlagi stanja?
Vzdrževanje na podlagi stanja se odziva na trenutno izmerjeno stanje stroja. Napovedno vzdrževanje gre korak dlje in te podatke o stanju uporabi za napoved prihodnjega trenda in verjetne točke okvare.