Budowanie przewagi konkurencyjnej: konserwacja predykcyjna częścią systemu ERP

Konserwacja predykcyjna (ang. predictive maintenance – lub krótko PdM) należy do kluczowych innowacji Przemysłu 4.0. Do takiego wniosku doszli na początku 2017 r. autorzy badania przeprowadzonego na zlecenie organizacji VDMA oraz firm Deutsche Messe AG i Roland Berger.

Ankieta z udziałem ponad 150 niemieckich firm z branży budowy maszyn wykazała, że strategie konserwacji prewencyjnej należą do najważniejszych czynników pozwalających zdobyć przewagę nad konkurencją. Zajmuje się nimi już co piąta firma z tej branży, a co druga uważa je za ważny czynnik decydujący o sukcesie.

Na czym polega konserwacja predykcyjna?

W języku angielskim używa się dwóch nazw strategii konserwacji: predictive maintenance (PdM) i preventive maintenance (PM). Pierwszy z tych terminów oznacza konserwację predykcyjną, drugi — konserwację prewencyjną lub zapobiegawczą.

Czym różnią się od siebie te strategie konserwacji? Najogólniej można stwierdzić, że konserwacja predykcyjna polega na zapobieganiu wystąpienia ryzykownych zdarzeń (awarii, usterek), natomiast w ramach konserwacji prewencyjnej dąży się do zapobiegania wszystkim problemom.

Konserwacja predykcyjna a konserwacja prewencyjna

Konserwacja prewencyjna (zapobiegawcza) to konserwacja i utrzymywanie instalacji technicznych. Jej celem jest utrzymanie maszyn w dobrym stanie technicznym, aby zapobiegać przestojom. Konserwacja prewencyjna obejmuje następujące działania:

  • wymagane lub rutynowe inspekcje,
  • testy systemów,
  • wymianę części podlegających zużyciu,
  • czyszczenie i uzupełnianie smarów, np. wymianę oleju,
  • pomiar danych wydajnościowych,
  • dokumentowanie stanu utrzymania lub zużycia.

Te zadania konserwacji prewencyjnej istniały od zawsze, niezależnie od robotyki, Internetu rzeczy i cyfryzacji. Jednak możliwości gromadzenia i analizy danych dotyczących procesów produkcyjnych i funkcji maszyn są dziś o wiele większe niż jeszcze kilka czy kilkadziesiąt lat temu.

I tak docieramy do kwestii konserwacji predykcyjnej.

Obejmuje ona wszystkie aspekty konserwacji prewencyjnej, ale robi to w sposób, który minimalizuje koszty. Jak? Po prostu przez to, że konserwacja jest przeprowadzana tylko wtedy, gdy jest rzeczywiście konieczna.

Takie podejście minimalizuje przestoje w pracy maszyn, a jednocześnie zmniejsza czasochłonność i koszty prac oraz koszty części zamiennych, magazynowania i innych elementów konserwacji. Nie przeprowadza się zapobiegawczo wszystkich możliwych prac konserwacyjnych, lecz tylko te, które są potrzebne.

Jak to zrealizować? Jak już wspomniano: przez bieżące monitorowanie i analizowanie danych pomiarowych i roboczych za pomocą systemów cyfrowych. Działania te są też nazywane monitorowaniem stanu.

Monitorowanie stanu za pomocą systemów cyfrowych

W ramach monitorowania stanu maszyn lub instalacji przy użyciu oprogramowania rejestrowane mogą być np. następujące dane:

  • ciśnienie,
  • wilgotność,
  • poziom hałasu,
  • czasy cykli,
  • zużycie energii,
  • spaliny,
  • ciepło odpadowe.

Te i/lub inne dane dotyczące stanu — w zależności od monitorowanej instalacji lub maszyny — są na bieżąco kontrolowane za pomocą czujników lub zintegrowanych przyrządów pomiarowych i zapisywane w dziennikach.

Porównując je z historycznymi danymi przebiegów, można wykrywać i oceniać odchylenia w czasie rzeczywistym. Pewna rozpiętość rejestrowanych wartości nie świadczy zwykle o problemie, ale pierwsze odchylenia od tego przyjętego zakresu mogą być sygnałem zagrożenia.

Powiązanie wartości pomiarowych umożliwia wspomaganą programowo analizę i diagnostykę systemu, czasem od razu z propozycjami środków zaradczych. Od pewnego momentu konieczne jest jednak powierzenie konserwacji odpowiedniemu technikowi.

Eliminacja realnych problemów

W ostatecznym rozrachunku to operator lub konserwator musi na podstawie określonego komunikatu ostrzegawczego zdecydować, czy i jakie działania trzeba przeprowadzić. W każdym przypadku pracownik otrzymuje wystarczającą ilość usystematyzowanych danych, aby zorientować się, co tak naprawdę się dzieje, a nie — jak dawniej — przeprowadzać prace konserwacyjne na wyczucie. Właśnie taki jest sens konserwacji predykcyjnej. Zamiast rozwiązywać problemy, które wcale problemami nie są, zespół serwisowy wykonuje tylko uzasadnione prace.

Wartość dodana płynąca z konserwacji predykcyjnej

Genialny pomysł polegający na zapobieganiu tylko tym problemom, które rzeczywiście są problemami, ma wiele zalet, takich jak:

  • mniejsze obciążenie pracowników,
  • szybkie i dokładne wykrywanie zagrożeń,
  • znaczna poprawa i przyspieszenie monitorowania stanu przez wykorzystanie oprogramowania,
  • szybsze eliminowanie problemów,
  • mniej kupowanych i składowanych części do naprawy i części zamiennych,
  • efektywniejsze procesy i krótsze cykle,
  • dłuższy okres eksploatacji maszyn i instalacji.

Z tej perspektywy inwestycje w konserwację predykcyjną powinny się szybko zwrócić.

Jak działają systemy konserwacji predykcyjnej?

Sytuacja wygląda oczywiście różnie w zależności od tego, czy dana firma prowadzi farmę serwerów, czy linię produkcyjną. Zasadniczo systemy konserwacji predykcyjnej składają się jednak z czujników i oprogramowania. Czujniki rejestrują dane pomiarowe i przesyłają je np. za pomocą technologii Bluetooth do oprogramowania do monitorowania stanu. Oprogramowanie to można precyzyjnie skonfigurować i dokładnie dopasować do konserwowanych maszyn i instalacji.

System zapisuje zdefiniowane dane pomiarowe, sprawdza przedział wartości, w czasie rzeczywistym porównuje wartości z danymi historycznymi i umieszcza je w relacji względem siebie. Na podstawie tych powiązanych i pogrupowanych informacji można formułować diagnozy i wydawać komunikaty skierowane do zapisanych w systemie osób odpowiedzialnych.

Nowy impuls ze strony Internetu rzeczy i sztucznej inteligencji

Internet rzeczy (Internet of Things — IoT) nadał całej koncepcji konserwacji predykcyjnej nowy impet. Koncepcja ta opiera się w zasadzie na tych samych podstawach co strategie konserwacji: maszyny i instalacje komunikują się z innymi urządzeniami lub systemami oprogramowania w celu uruchamiania i doskonalenia procesów lub sterowania nimi.

Dzięki temu maszyny, które „źle się czują”, potrafią wykryć przyczynę tego stanu rzeczy i od razu zamówić u producenta niezbędne części podlegające zużyciu lub wezwać technika. Internet rzeczy zmierza więc do tego, aby element maszyny „powiedział”, co trzeba z nim zrobić. Konserwacja predykcyjna oznacza natomiast, że maszyna samodzielnie aktywuje niezbędne prace konserwacyjne.

Dalszy niesamowity rozwój konserwacji predykcyjnej jest możliwy dzięki sztucznej inteligencji (artificial intelligence, AI). Sprawdza się ona szczególnie dobrze w rozpoznawaniu wzorców. Sztuczna inteligencja uczy się na wzorcach, które znajdują się w dużym zbiorze danych dostarczanych np. przez czujniki, i na bieżąco poprawia dokładność swoich wniosków. Jest dobra w korelowaniu danych ze sobą. Te możliwości idealnie nadają się do tego, aby na podstawie monitorowania stanu maszyn sporządzać coraz dokładniejsze diagnozy i reagować na zmiany stanu w coraz bardziej zróżnicowany sposób.

Czy istnieją tu jakieś problematyczne obszary?

Nie da się ukryć, że również konserwacja predykcyjna może mieć pewne ograniczenia. Instytut Fraunhofera zajmujący się funkcjonowaniem i automatyzacją fabryk przytacza tu pewne przykłady. Możliwe są choćby problemy z analizą danych. Nie każdą instalację da się wyposażyć w urządzenia pomiarowe, które są niezbędne do precyzyjnego wykrywania i diagnozowania problemów. Specyficzne dane eksploatacyjne mogą też przekroczyć zakres cyfrowych modeli instalacji, a niektóre programy mają problem ze sformułowaniem prawidłowych związków przyczynowo-skutkowych.

Kolejną przeszkodą jest brak specjalistów. Do konserwacji predykcyjnej potrzebni są zwłaszcza wykwalifikowani analitycy danych, których nie ma obecnie na rynku.

Mimo tych przeszkód nie ma wątpliwości, że w przypadku kluczowych instalacji, które nie są dostępne w firmie w wielu egzemplarzach, wdrożenie systemu konserwacji predykcyjnej zwraca się często już przy pierwszym uniknięciu przestoju w produkcji.

Konserwacja predykcyjna jest częścią systemu ERP

Co można nazwać zasobami firmy, jeśli nie instalacje i maszyny?

Powiązanie obszernych wniosków dostarczonych przez narzędzia do monitorowania stanu i konserwacji predykcyjnej z systemem ERP używanym przez przedsiębiorstwo jest w pełni uzasadnione. Stan konserwacji maszyn oddziałuje bowiem bezpośrednio na procesy i projekty, a technik, który zajmuje się serwisowaniem, nie może zostać jednocześnie przypisany do innego zadania. Dlatego przedsiębiorstwa powinny zadbać o odpowiednie interfejsy między systemem konserwacji predykcyjnej a systemem ERP.

Przemysł 4.0: Fabryka Przyszłości jest już dziś.

Konserwacja predykcyjna, Internet rzeczy i rozwiązania wspomagające automatyzację i cyfryzację przedsiębiorstw są tematem wielu konferencji poświęconych najnowszym technologiom w erze Przemysłu 4.0.

Jednym z takich wydarzeń była Konferencja Digital Manufacturing, w całości poświęcona roli IT w procesie produkcyjnym. Eksperci abas Business Solutions Poland, Złotego Partnera wydarzenia, opowiedzieli o roli redefinicji modelu biznesowego w procesie adaptacji do zmieniającego się otoczenia. Poruszyli również kwestię obecnego stanu technologii w polskich firmach produkcyjnych oraz w jaki sposób polscy producenci mogą usprawnić swoją działalność dzięki inwestycjom w nowe technologie.


abas Business Solutions Poland