Bảo trì Dự đoán
Bảo trì dự đoán sử dụng dữ liệu tình trạng và các mô hình dự báo để phát hiện hao mòn hoặc hỏng hóc trước khi chúng xảy ra, để việc bảo trì được thực hiện chính xác khi cần thiết thay vì theo một lịch trình cố định hoặc sau một sự cố.
Bảo trì dự đoán tách biệt khỏi hai chiến lược bảo trì cũ hơn. Bảo trì phản ứng có nghĩa là việc sửa chữa chỉ diễn ra sau khi một máy đã hỏng, điều này gây ra thời gian ngừng hoạt động ngoài kế hoạch. Bảo trì phòng ngừa bảo dưỡng thiết bị theo một lịch trình cố định, ví dụ cứ sau 500 giờ hoạt động, bất kể tình trạng thực tế của nó. Bảo trì dự đoán thay vào đó dựa vào dữ liệu tình trạng được thu thập liên tục và các mô hình dự báo xác định thời điểm phù hợp để can thiệp. Kết quả là việc bảo trì diễn ra không quá sớm cũng không quá muộn, mà chính xác khi một bộ phận thực sự bắt đầu mòn.
Nền tảng kỹ thuật là một bộ cảm biến liên tục theo dõi các chỉ số như độ rung, nhiệt độ, phát xạ âm thanh, hoặc chất lượng dầu trên một máy. Dữ liệu đó chảy qua các kết nối IoT vào các hệ thống phân tích phát hiện những sai lệch so với hoạt động bình thường. Nhiều thiết lập sử dụng các mô hình thống kê hoặc học máy được huấn luyện trên các mẫu hỏng hóc trong quá khứ để dự báo xu hướng về phía trước. Khi một chỉ số vượt qua một ngưỡng quan trọng hoặc một xu hướng cho thấy một sự hỏng hóc sắp xảy ra, hệ thống kích hoạt một khuyến nghị bảo trì, thường kèm theo ước tính thời gian hoạt động còn lại trước sự cố có khả năng xảy ra.
Lợi ích chủ yếu là ít sự cố ngừng hoạt động ngoài kế hoạch hơn, tuổi thọ thiết bị dài hơn, và việc lập kế hoạch tốt hơn cho phụ tùng và nhân sự. Đồng thời, bảo trì dự đoán đòi hỏi công sức ban đầu: cảm biến phải được lắp đặt bổ sung, dữ liệu phải được thu thập, và các mô hình phải được hiệu chỉnh theo thời gian. Đối với các máy đơn giản hoặc không quan trọng, công sức đó thường không đáng, trong khi đối với thiết bị đắt tiền, quan trọng đối với sản xuất, nó có xu hướng mang lại lợi ích nhanh chóng. Độ chính xác của bất kỳ dự báo nào hoàn toàn phụ thuộc vào chất lượng và khối lượng của dữ liệu nền tảng.
Ví dụ thực tế
Một xưởng gia công kim loại vận hành 12 máy phay CNC lắp đặt thêm cảm biến rung trên trục chính của ba máy quan trọng nhất. Sau sáu tháng thu thập dữ liệu, hệ thống phân tích phát hiện một mẫu rung tăng dần trên một máy cho thấy dấu hiệu sớm của hỏng vòng bi và gắn cờ ước tính còn 18 ngày thời gian hoạt động còn lại. Xưởng lên lịch sửa chữa vào một cuối tuần sản xuất thấp và đặt hàng vòng bi thay thế trước. Không có cảnh báo sớm đó, trục chính có khả năng sẽ hỏng giữa ca làm việc, gây ra ước tính 2 ngày ngừng hoạt động ngoài kế hoạch và khoảng 14.000 euro thiệt hại sản xuất với giá trị sản lượng hàng ngày là 7.000 euro.
Leanshift hỗ trợ như thế nào
Bảo trì dự đoán phù hợp với tư duy Kaizen vì nó dựa các quyết định trên tình trạng thực tế thay vì giả định, đây chính xác là điều mà cải tiến liên tục yêu cầu: làm cho các vấn đề trở nên rõ ràng trước khi chúng biến thành thiệt hại. Thời gian ngừng hoạt động ngoài kế hoạch là một trong những hình thức lãng phí tốn kém nhất trong một quy trình, và việc phát hiện sớm giải phóng thời gian cho công việc cải tiến thực sự thay vì chữa cháy. Điều đó phù hợp với ý tưởng cải tiến để tạo ra nhiều người cải tiến hơn: thiết bị ổn định cho các nhóm không gian để tập trung vào việc trở nên tốt hơn thay vì liên tục sửa chữa những gì vừa hỏng.
Câu hỏi thường gặp
Công ty cần lớn đến mức nào để bảo trì dự đoán trở nên hợp lý?
Không có ngưỡng quy mô cố định. Điều quan trọng là một sự cố ngừng hoạt động ngoài kế hoạch của máy cụ thể đó sẽ tốn kém đến mức nào, không phải quy mô của công ty. Ngay cả một xưởng nhỏ với một máy quan trọng đối với sản xuất duy nhất cũng có thể hưởng lợi từ một số cảm biến trên chính tài sản đó.
Có cần trí tuệ nhân tạo cho việc này không?
Không, không nhất thiết. Nhiều hệ thống hoạt động tốt với các ngưỡng đơn giản và phân tích xu hướng thống kê. Học máy cải thiện độ chính xác dự báo đối với các mẫu mòn phức tạp, nhưng nó không bắt buộc để bắt đầu.
Bảo trì dự đoán khác với bảo trì dựa trên tình trạng như thế nào?
Bảo trì dựa trên tình trạng phản ứng với trạng thái hiện tại được đo lường của một máy. Bảo trì dự đoán tiến thêm một bước và sử dụng dữ liệu tình trạng đó để dự báo xu hướng tương lai và thời điểm hỏng hóc có khả năng xảy ra.