– Jeszcze nie tak dawno temu możliwość przewidywania awarii w zakładach produkcyjnych była tylko marzeniem zarządów, dzisiaj jest to już możliwe dzięki zastosowaniu nowoczesnych technologii z narzędziami sztucznej inteligencji i uczenia maszynowego. W przedsiębiorstwach stosujących rozwiązania Industry 4.0 sztuczna inteligencja nie tylko ostrzeże użytkownika przed awarią, ale także podpowie mu, co powinien zrobić, aby jej zapobiec – mówi Paweł Jędrusik, Dyrektor Sprzedaży Aplikacji, Oracle Polska.

Marek Lebiocki, EAM Product Owner, Senior Consultant ERP, DSR, przywołuje dane mówiące o tym, że dzięki wdrożeniu systemu klasy CMMS/EAM wraz z zastosowaniem podejścia Predictive Maintenance szacunkowe oszczędności w dłuższej perspektywie mogą sięgnąć ponad 35% kosztów związanych z zatrzymaniami produkcji, niedotrzymywaniem terminów realizacji zamówień sprzedaży oraz pracochłonnością służb utrzymania ruchu w zakresie usuwania skutków nagłych zdarzeń. – Do tego dochodzi jeszcze zmniejszenie nawet o ok. 4% nakładów niezbędnych do nabycia nowych maszyn i sprzętu. Dzieje się tak głównie dzięki możliwości precyzyjnego zaplanowania przeglądów okresowych oraz tych wynikających z przebiegu w porozumieniu z działem planowania produkcji, opierając się na przewidywaniu awarii, a nie na podejściu reakcyjnym czy nawet typowo prewencyjnym – mówi M. Lebiocki.

P. Jędrusik (Oracle) wymienia długą listę korzyści wynikających z wykorzystania Predictive Maintenance. Mowa np. o kosztach utrzymania ruchu, stratach z powodu awarii, produktywności (złe strategie konserwacji mogą zmniejszyć ogólną zdolność produkcyjną o 5–20%), bezpieczeństwie (awaria jakiegokolwiek elementu procesu produkcyjnego może bezpośrednio lub pośrednio zagrozić bezpieczeństwu pracowników), jakości (awarie maszyn skutkują niskim tempem produkcji i pogarszają jakość), satysfakcji klienta (awarie maszyn i przestoje mogą uniemożliwić spełnienie wymagań klienta na czas, co wpływa negatywnie na jego satysfakcję). – Funkcje konserwacji predykcyjnej oferowane przez narzędzia klasy Industry 4.0 umożliwiają przedsiębiorstwom monitorowanie aktywów w czasie rzeczywistym, integrowanie danych z wielu różnych źródeł, analizowanie i transformację tych danych w wartościowe spostrzeżenia oraz następnie ich automatyczne przekształcanie w adekwatne działania pozwalające optymalizować utrzymanie ruchu – tłumaczy P. Jędrusik.

Świadomość ewentualnych strat

Dariusz Kacperczyk, Doradca Zarządu, eq system, jest przekonany, że polscy menadżerowie są świadomi strat wynikających z nieplanowanych przestojów produkcji, a wynikających z niewłaściwego zarządzania utrzymaniem maszyn. Mieć świadomość to jedno, inną kwestią jest to, co z tą wiedzą robią. – Nie jestem pewien, czy straty te są liczone i analizowane. Nawet jeśli wyliczamy czas nieplanowanego przestoju danej maszyny i przeliczamy, ile w tym czasie można było na niej wyprodukować elementów, to taki wynik często jest bardzo uproszczony. Trzeba brać też pod uwagę koszty związane z opóźnieniami w realizacji zleceń produkcyjnych, zmianami w planach, możliwe kary od klienta, a nawet kwestie wizerunkowe przedsiębiorstwa – mówi D. Kacperczyk. Nasz rozmówca twierdzi, że nadal brakuje świadomości tego, jak niedostępność danego zasobu wpływa na potencjał produktywności, biorąc przy tym pod uwagę to, czy jest to zasób kluczowy i stanowi, przykładowo, wąskie gardło, jakie mamy alternatywy w podejmowanych działaniach oraz jaki wpływ ma ten zasób na procesy przy całościowym spojrzeniu na produkcję.

Co do tego, że w polskich firmach produkcyjnych świadomość poziomu strat związanych z zatrzymaniem produkcji zauważalnie wzrasta z roku na rok, nie ma wątpliwości również M. Lebiocki (DSR). Widoczne jest to w coraz większym zainteresowaniu wdrożeniami rozwiązań pozwalających właśnie na przewidywanie awarii oraz wstępnym kategoryzowaniu przestojów już zarejestrowanych historycznie, co jest ważne, aby prawidłowo podejść do zbliżających się przeglądów technicznych. – Stworzenie listy przyczyn przestojów oraz ich priorytetyzacja w celu analizy przyczyn źródłowych była do tej pory najczęściej stosowanym podejściem firm produkcyjnych rozpoczynających rzetelną analizę strat w produkcji. Straty powstałe wskutek nieplanowanych przestojów można łatwo obliczyć, biorąc pod uwagę takie aspekty, jak utrata dostępności zasobu do produkcji, straty związane z rozruchem po awarii oraz zmniejszona wydajność produkcji z powodu powolnych cykli lub mikrozatrzymań – tłumaczy M. Lebiocki, dodając, że nie bez znaczenia jest również utrata jakości produktu wskutek usterki zasobu, a także koszty pracy pracowników służb utrzymania ruchu związane z usuwaniem zdarzeń krytycznych, zamiast prewencyjnych.

Predykcja w UR                                                 

Możliwość stosowania strategii predykcyjnej, identyfikującej potencjalne problemy, monitorującej sprzęt i zachodzące procesy w czasie rzeczywistym jest niezwykle istotnym etapem strategii utrzymania ruchu. Działy UR nie koncentrują się wówczas tylko na działaniach reaktywnych, czyli realizowaniu doraźnych napraw, usuwaniu powstałych awarii, oraz prewencyjnych, czyli planowaniu serwisowania urządzeń. W opinii D. Kacperczyka (eq system) dzięki systemom klasy CMMS możliwe jest budowanie bazy wiarygodnych informacji na temat powstałych w przeszłości przestojów, ich przyczyn, czasów napraw, co pozwala antycypować pojawienie się ewentualnych nieprawidłowości w pracy parku maszynowego. Podstawę stanowi systematyczne gromadzenie i analizowanie kluczowych informacji, monitorowanie parametrów pracy maszyn, wykrywanie anomalii w ich działaniu, rejestracji czasu pracy, ilości wykonanych cykli produkcyjnych. – Wypracowanie sposobu wiarygodnej oceny kondycji parku maszynowego jest jednym z warunków sine qua non strategii predykcyjnej, która, rzecz jasna, bezpośrednio wpływa na zwiększenie produktywności naszych procesów. Należy jednak pamiętać, że strategia predykcyjna działów UR nie jest warunkiem wystarczającym do tego, aby osiągnąć szczyty produktywności przedsiębiorstwa. Konieczne jest też połączenie informacji płynących z systemu CMMS z innymi systemami do zarządzania przedsiębiorstwem, w tym z planami i harmonogramami produkcyjnymi czy też informacją o dostępności zasobów ludzkich – mówi D. Kacperczyk.

To, że predykcyjne utrzymanie ruchu opiera się głównie na analizie dużej ilości danych dostarczanych bezpośrednio z maszyn oraz z hali produkcyjnej, a następnie analizie tych danych i wychwyceniu anomalii, które mogą świadczyć o ryzyku wystąpienia awarii przypomina M. Lebiocki (DSR). Mierzonymi parametrami mogą być np. temperatura, poziom wibracji, zużycie oleju, ciśnienie… Opomiarowanie parku maszynowego, gromadzenie dużej ilości danych i ich bieżąca analiza odbywa się dzięki wykorzystaniu Internetu Rzeczy (IoT). – Strumienie danych pochodzących z różnego rodzaju czujników gromadzone są w chmurze, a ich analiza za pomocą modułu Machine Learning (ML) umożliwia przewidywanie z dużą dokładnością ryzyka wystąpienia awarii. Dodatkowo na podstawie danych historycznych i bieżącej analizy występujących awarii można nieustannie usprawniać modele i przewidywać awarie z większą skutecznością oraz z uwzględnieniem zmiennych warunków występujących na hali – dodaje M. Lebiocki.

CMMS, czyli pomoc jest blisko

Jednym z elementów wykorzystywanych w predykcyjnym utrzymaniu ruchu są systemy CMMS. D. Kacperczyk (eq system) nie jest zwolennikiem postrzegania CMMS jako narzędzia tylko dla działu utrzymania ruchu. Jego zdaniem należy na nie spojrzeć z szerszej perspektywy, natomiast same służby utrzymania ruchu dzięki systemowi klasy CMMS uzyskują cztery zasadnicze korzyści. – Stosowanie strategii predykcyjnej przez służby utrzymania ruchu, w połączeniu z podłączeniem do maszyn (IIoT), monitorowaniem ich parametrów pracy, wykrywaniem anomalii w działaniu, rejestracją czasu pracy, ilością wykonanych cykli produkcyjnych, pozwala optymalizować działania serwisowe, przez co zmniejszać awaryjność maszyn oraz lepiej planować działania prewencyjne i w ten sposób poprawiać dostępność parku maszynowego. Drugą korzyścią jest wprowadzenie mobilności pracowników UR, która jest zapewniona przez system CMMS dostosowany do pracy na urządzeniach mobilnych – smartfonach czy tabletach. Dzięki aplikacji mobilnej służby utrzymania ruchu mają możliwość natychmiastowej reakcji na zdarzenia związane z awariami czy usterkami. Informacja o zgłoszeniach, przystąpieniu do działań naprawczych, statusie podjętych czynności są dostępne online dla wszystkich aktorów procesu. Dodatkowo, zarządzanie on-line zleceniami serwisowymi pozwala na lepszą organizację pracy pracowników utrzymania ruchu, co jest kluczowe w obecnych czasach przy dynamicznie wzrastających kosztach pracowniczych oraz równoczesnym braku wykwalifikowanych specjalistów na rynku pracy – mówi D. Kacperczyk, zaznaczając że w tym zakresie dobry system CMMS daje także kolejną korzyść: wspiera działania w ramach idei Autonomous Maintenance, zwiększając samodzielność pracownika produkcyjnego w wykonywaniu prostych, powtarzalnych czynności konserwacyjnych (odciąża specjalistów UR). Za kolejną korzyść, którą daje dobry system CMMS, nasz rozmówca uważa digitalizację procesu zarządzania utrzymaniem ruchu. Wszystkie dane o przeprowadzanych działaniach naprawczych czy prewencyjnych oraz parametrach pracy urządzeń produkcyjnych są zbierane w jednym miejscu, w jednym systemie, mogą służyć do budowania modeli, które pokażą, jakie w przyszłości trzeba podejmować czynności, aby zmniejszyć awaryjność urządzenia i przez to zwiększyć jego dostępność.

Co proponują?

XPRIMER.CMMS, moduł oferowany przez eq system, może być stosowany jako indywidualne rozwiązanie do zarządzania działem utrzymania ruchu, ale przede wszystkim, jako element platformy XPRIMER pozwalając uzyskać efekt synergii, dzięki płynnej wymianie informacji. Poza standardowymi funkcjonalnościami systemu klasy CMMS takimi jak: podgląd stanu parku maszynowego w czasie rzeczywistym, zarządzanie przepływem i organizacją pracy działu utrzymania ruchu,

zarządzanie magazynem części i rejestracja zużycia części zamiennych, prowadzenie dokumentacji z przeglądów, konserwacji maszyn i napraw, dostarczanie informacji do analizy czasu przestojów, reakcji, napraw i przeglądów, planowanie przeglądów maszyn i urządzeń, wyliczanie wskaźnika OEE oraz wyliczanie i weryfikacja innych wskaźników istotnych z punktu widzenia służb utrzymania ruchu (MTTR – średni czas naprawy, MRT – średni czas reakcji, MTTF – średni czas bezawaryjnej pracy maszyny i MTBF – średni czas między awariami) moduł XPRIMER.CMMS posiada kilka cech wyróżniających. D. Kacperczyk (eq system) wymienia wśród nich pełną mobilność – aplikacja mobilna pozwala na natychmiastowe podejmowanie działań służb UR, daje dostęp on-line dla pracowników z UR do potrzebnych informacji, pozwala na prowadzenie nadzoru nad procesami, wykonywanymi działaniami oraz wprowadza dyscyplinę pracy służb UR. Daje także możliwość tworzenia bazy danych historycznych o prowadzonych działaniach UR; pełną integrację z innymi systemami do zarządzania (APS, MES, ERP itp.) – pozwalającą na wymianę kluczowych informacji pomiędzy poszczególnymi systemami, przez co umożliwia dopasowanie planów produkcyjnych do planów remontowych (i odwrotnie), pozwala szybko reagować na produkcji na nieplanowane przestoje (informacje o dostępności lub braku dostępności danego zasobu z systemu MES, dacie przywrócenia danego zasobu do użytkowania z systemu CMMS natychmiast są uwzględniane w harmonogramach produkcji). – Wsparcie działań autonomicznych w ramach Total Productive Maintenance umożliwia stworzenie skatalogowanych napraw/działań serwisowych, które mogą wykonywać operatorzy maszyn, zgłaszający podejmowanie tych czynności w systemie CMMS, odciążając pracowników działów UR od powtarzalnych prostych czynności naprawczych i serwisowych. Wspomaga także zaangażowanie pracowników produkcyjnych w czynności prewencyjne (np. poprzez stworzenie check-listy czynności obsługi codziennej do wykonania przed rozpoczęciem lub po zakończeniu pracy na maszynie), co zmniejsza awaryjność maszyn i w ten sposób zwiększa dostępność parku maszynowego – mówi D. Kacperczyk.

EAM 4Factory stworzony przez DSR jest rozwiązaniem klasy Enterprise Asset Management, czyli kolejnej generacji systemów CMMS, która obejmuje całościowe zarządzanie zasobami przedsiębiorstwa, pozwalając na obsługę wszystkich trzech stosowanych strategii w utrzymaniu ruchu: podejścia reakcyjnego na zdarzenia (Reactive Maintenance), działań prewencyjnych (Preventive Maintenance), jak również przewidywania awarii (Predictive Maintenance). Z systemu użytkownicy mogą korzystać przez przeglądarkę internetową, terminal produkcyjny dedykowany na urządzenia dotykowe lub aplikację mobilną, czyli obsługę przy użyciu smartfonów. Podstawowe funkcje rozwiązania dla działów utrzymania ruchu i produkcji to automatyzacja tworzenia harmonogramów przeglądów, możliwość zgłaszania zdarzeń wprost z hali produkcyjnej, wsparcie gospodarki magazynowej częściami i materiałami eksploatacyjnymi, jak również możliwość rejestracji pracochłonności osób podejmujących prace naprawcze lub prewencyjne. – Dodatkowym atutem EAM 4Factory jest możliwość integracji z maszynami, rozwiązaniami typu MES, ERP oraz APS, co daje między innymi możliwość automatycznego generowania zaleceń przeglądowych wraz z listami kontrolnymi czynności do wykonania na podstawie sygnałów odebranych z czujników zainstalowanych w maszynach lub urządzeniach – dodaje M. Lebiocki (DSR).

Przykładem rozwiązania do konserwacji predykcyjnej jest aplikacja Oracle Future-Ready Predictive Maintenance, która wykorzystuje algorytmy analityczne do przewidywania awarii aktywów i generowania w czasie rzeczywistym zaleceń umożliwiających podjęcie działań zapobiegawczych oraz optymalizacyjnych. – Rozwiązanie wykorzystuje wszystkie możliwości nowoczesnych technologii, takich jak Internet Rzeczy, Big Data i uczenie maszynowe, aby zwiększyć niezawodność sprzętu i czas pracy bez przestojów przy jednoczesnym obniżeniu kosztów ogólnych. System działa w modelu cloud computing, dzięki czemu w pełni integruje się z innymi systemami wspomagania działalności biznesowej, takimi jak ERP, kalkulacja kosztów, planowanie, inwentaryzacja czy zakupy – mówi P. Jędrusik (Oracle Polska), przywołując jednocześnie dane z badania przeprowadzonego przez Oracle we współpracy z biurem badawczym Enterprise Strategy Group (2020 r.), pokazujące, że 46 spośród 700 ankietowanych dyrektorów finansowych i operacyjnych polega już na danych dotyczących konserwacji predykcyjnej. Korzyści wynikające z predykcyjnej konserwacji zależą od branży, a nawet od konkretnych procesów, do których jest ona stosowana. Przeciętnie jednak, według Deloitte, konserwacja predykcyjna zwiększa czas sprawności sprzętu o 20%, zwiększa produktywność o 25%, zmniejsza liczbę awarii o 70%, obniża koszty utrzymania ruchu o 25%.

Michał Jurczak

Ten i inne artykuły znajdziecie w czasopiśmie Kaizen – dostępnym w naszym sklepie