hirdetés
hirdetés

Az állapotfelmérőtől az előíróig

A karbantartás digitalizációs lépései

Elérte a digitális átalakulás a karbantartás területét is. A dolgok internetje, az analitika és a peremhálózatok együttes fejlődése már az előíró karbantartás korát vetíti előre – bár a napi feladatokat az üzemeltetők és karbantartók sok vállalatnál még ma is nagyrészt rutinból végzik, ha éppen nem tüzet oltanak.

hirdetés

Mindenekelőtt meg kell érteniük ezért a vállalatoknak, hogy a karbantartás terén a fejlettség pontosan mely szakaszánál tartanak, majd felmérniük, hová kellene eljutniuk ahhoz, hogy a technológiát és a folyamatokat fejlesztve beruházásaikon a legnagyobb megtérülést érjék el – mutatott rá bejegyzésében (The evolution of maintenance) az IBM IoT blogja.

Hasznos ehhez röviden áttekinteni a terület történetét. A karbantartás hagyományosan ütemezett volt, ma a legszélesebb körben elfogadott formája állapotfüggő, de az előrejelző és az előíró modell irányába fejlődik. 

Sok vállalat még ma is ugyanazt a módszert alkalmazza, amely már évtizedekkel ezelőtt is ismert volt – a gyártó ajánlásait követi a karbantartás terén. Minden értékesebb eszközhöz, géphez tartozik ilyen, a tervezőmérnökök tapasztalataiból merítő útmutatás, amelynek betartása, vagyis a rendszeres karbantartás gyakran a garanciális jogok érvényesítésének is előfeltétele. Az ütemezett karbantartás azonban napjainkra, amikor a technológiája sokkal kifinomultabb és költséghatékonyabb megközelítést tesz lehetővé, túlhaladottá vált.

A állapotfüggő karbantartás az első lépés

Ma éppen ezért az állapotfüggő karbantartás a legszélesebb körben elfogadott modell. A vagyontárgyakba épített érzékelőkre, adatkommunikációs és számítógépes technológiákra épülő megoldások révén a vállalatok valós időben figyelhetik az eszközök és gépek mindenkori állapotát, és a bekövetkező változások alapján dönthetik el, hogy a karbantartók mikor vegyék gondjaikba a felszerelést, elébe menve a súlyosabb következményekkel járó meghibásodásoknak.

A peremhálózatok (angolul edge computing) fejlődésével a valós idejű adatokat már nem szükséges azonnal és maradéktalanul az adatközpontba továbbítani, mert nagyrészt helyben, a monitorozott vagyontárgyak közelében is feldolgozhatók. Az állapotfüggő karbantartásnak így az sem lehet akadálya, ha az adott környezetben – például egy teherszállító hajón vagy olajfúrószigeten – a központtal nem tartható fenn a folyamatos adatkommunikáció. Az IBM tapasztalatai szerint a nagyvállalatok többsége a karbantartás fejlesztésében már eljutott erre a szintre, vagy jelenleg dolgozik az ehhez szükséges projektek megvalósításán, hogy így csökkentse a meghibásodásokból eredő költségeket, és növelje az eszközök, gépek rendelkezésre állását.

Előrébb viszi egy lépéssel a fejlődés útján az állapotfüggő modellt az előrejelző (prediktív) karbantartás. Fejlett analitikai eszközökkel, gépi tanulásra épülő megoldásokkal elemezve a monitorozott vagyontárgyakról beérkező valós – vagy közel valós – idejű adatok segítségével a vállalat azonosítani tudja a működés zavartalanságát veszélyeztető kockázatokat, és egyre jobban megérti a teljesítményt befolyásoló tényezők hatását is. Az előrejelzések további finomításához, a legnagyobb teljesítmény fenntartásához szükséges karbantartási munkák még körültekintőbb megtervezéséhez a vállalat külső forrásokból származó – például meteorológiai – adatkészleteket is felhasználhat, nem kell a szigorú értelemben vett vagyontárgykezelő rendszerre (asset management system, AMS) szorítkoznia.

A nagy értékű eszközökkel és gépekkel dolgozó vállalatok élénken érdeklődnek a meghibásodásokat és a működést veszélyeztető egyéb kockázatokat intelligens módon előrejelző karbantartási modell iránt. Érdemes azonban szem előtt tartani, hogy sikeres alkalmazásához a vállalatnak először az állapotfüggő karbantartás folyamatait kell kiérlelnie, és az előrejelző modell adatigényességére is fel kell készülnie, informatikai, szabályzati és megfelelőségi szempontból egyaránt.

Az előíró karbantartás a csúcs

Még egy szintet lépve, a jövőt az előíró (preskriptív) karbantartás képviseli, amely már nemcsak javaslatokat ad arra nézve, hogy milyen munkálatokat szükséges elvégezni, hanem azonnal intézkedik is végrehajtásuk érdekében. Az előrejelző modellben a karbantartást támogató megoldás például a mért vibrációs vagy hőmérsékleti adatokat elemezve javasolhatja, hogy a vállalat átmenetileg vegyen ki egy szerszámgépet a termelésből. Az előíró modellben viszont a megoldás ezzel egy időben a munkalapot is elkészíti és kiküldi a karbantartóknak, majd az egész munkafolyamat lefutását felügyeli.

Érthető módon ehhez az automatizáláshoz a vállalatnak szorosan integrálnia kell a karbantartás folyamatait támogató AMS-, ERP- és más rendszereit. Az előíró karbantartáshoz nagy adattömegek kezeléséhez és feldolgozásához szükséges big data, analitikai, gépi tanulásra és mesterséges intelligenciára épülő képességekkel felruházott, gondolkodni tudó megoldás kell az IBM szerint, amit a cég Watson kognitív rendszerének és Maximo nagyvállalati AMS-rendszerének együttesével valósít meg. 

Modellhez a rendszert

A karbantartás két legfejlettebb formáját a dolgok internetje (IoT) és a mesterséges intelligencia (AI) támogatja. De milyen előfeltételeket kell teljesítenie a gyártó vállalatnak, hogy a karbantartás magasabb szintjére léphessen, és hogyan választhatja ki a karbantartást támogató CMMS- (computerized maintenance management system), EAM- (enterprise asset management) vagy APM- (asset performance management) megoldások közül a számára megfelelőt? Az IBM IoT blogjának másik bejegyzése (CMMS, EAM, APM… OMG! Making sense of the asset management spectrum) ehhez is hasznos tanácsokat ad.

Kezdje kicsiben CMMS-szel! – A karbantartás menedzseléséhez számítógépes támogatást adó rendszerek évtizedekkel ezelőtt jelentek meg a piacon, de egy CMMS ma is kiváló kiindulópontja lehet a terület átalakítását célzó fejlesztéseknek. A rendszer egyaránt segíti a feladatok kiosztását, az erőforrások hozzárendelését, az útvonaltervezést, a munkafolyamatok felügyeletét és a jelentések elkészítését, miközben a javítások elvégzését megkönnyítő dokumentációkhoz, útmutatókhoz is hozzáférést ad.  

Méretezzen EAM-mel! – A CMMS mellett a vállalatok gyakran EAM-platformot is bevezetnek, különösen a vagyontárgyintenzív energia- és gyártóiparban, valamint a szállítmányozásban. Az EAM-megoldások az eszközök, gépek, járművek és létesítmények teljes életciklusán keresztül gyűjtik az adatokat a tervezéstől kezdve a telepítésen és üzemeltetésen át a karbantartásig, javításig és lecserélésig. A karbantartáson túl olyan kapcsolódó területeken is nélkülözhetetlen támogatást adnak a vállalatoknak, mint a munkahelyi biztonság, az egészség- és környezetvédelem, a leltárkészítés és a munkavállalók oktatása.

Növeljen értéket AI-vel és IoT-vel! – A vagyontárgyintenzív iparágak szereplői jellemzően nagy beruházási kerettel dolgoznak, amelynek felhasználásától a lehető legjobb megtérülést várják. Olyan, a dolgok internetjére és akár mesterséges intelligenciára épülő, fejlett analitikai megoldások bevezetésével érhetnek el jobb eredményeket, mint az Asset Performance Management (APM) és az Asset Investment Planning (AIP) teljesítményfelügyeleti és beruházástervező rendszerek. Segítségükkel a vállalatok a vagyontárgyak mindenkori állapotát és teljesítményét bemutató, valós idejű adatok alapján modellezhetik és előrejelezhetik mind a várható üzleti értéket, mind a létrehozását veszélyeztető kockázatokat, így még pontosabban megtervezhetik eszközeik és gépeik beszerzését, optimalizálhatják üzemeltetésüket és menedzselhetik karbantartásukat.

(A cikk eredetileg a GyártásTrend Magazin júniusi lapszámában jelent meg.)

Kis Endre
a szerző cikkei

hirdetés
Ha hozzá kíván szólni, jelentkezzen be!
 
hirdetés
hirdetés
hirdetés

Kiadónk társoldalai

hirdetés