Strategie skoncentrowane na technologii w celu optymalizacji utrzymania zasobów
W 2014 r., kiedy wprowadzono serię
norm ISO 55000 dotyczących zarządzania aktywami, organizacje na całym świecie wreszcie uzyskały ratyfikowaną, międzynarodową normę dotyczącą zarządzania aktywami. Od tego czasu zarządzanie aktywami było coraz częściej i szerzej omawiane przez branże.
Niemniej jednak technologie gromadzenia danych do efektywnego zarządzania i utrzymania tych zasobów często pozostają w tyle. Badanie przemysłu naftowego i gazowego z 2016 r. przeprowadzone przez General Electric Corporation wykazało, że 60%
1 operatorów obiektów uznało zbieranie danych dotyczących aktywów za „poważne wyzwanie”. Jak na ironię, to samo badanie wykazało, że operatorzy, którzy zastosowali podejście predykcyjne oparte na danych, doświadczyli o 36%
2 mniej nieplanowanych przestojów.
Ilość danych dotyczących zasobów, które są obecnie dostępne w celu zapewnienia wglądu, jest oszałamiająca. Analiza tych danych ma kluczowe znaczenie, ponieważ stanowi podstawę algorytmów predykcyjnych, które umożliwiają obiektom wykrywanie „interesujących się aktywów”, które mogą być przeglądane i analizowane przez eksperta. Gdy analityk przekształci alert z automatycznego algorytmu w praktyczne zalecenia, konserwację można zaplanować we właściwym czasie.
Problem zakorzeniony w nieefektywnych praktykach
Historycznie cały proces był podzielony od początku do końca, a ogólne podejście do gromadzenia i przetwarzania danych przebiegało w następujący sposób:
- Eksperci lub personel zajmujący się utrzymaniem ruchu odwiedzili zakład i zebrali różne dane dotyczące aktywów z czujnika zainstalowanego na stałe lub z czujnika i systemu akwizycji, który posiada ekspert.
- Następnie eksperci przeanalizowywali dane, aby określić stan zasobów sprzętowych przedsiębiorstwa i przygotować raporty.
- Inżynierowie utrzymania ruchu otrzymali raporty, do których zebrane dane o kondycji aktywów były już potencjalnie nieaktualne.
- W najgorszym przypadku w zakładzie wystąpiła już jedna lub więcej awarii sprzętu, co spowodowało, że zespoły zajmujące się konserwacją aktywów przełączyły się w tryb przeciwpożarowy i potencjalnie wpłynęły na wyniki finansowe firmy.
Załóżmy teraz, że zespół przeszedł poza to podstawowe podejście i używa zaawansowanej technologii do zbierania danych. Nawet gdyby próbowali wyodrębnić i zinterpretować dane do standardowych działań związanych z predykcyjnym utrzymaniem ruchu, nadal prawdopodobnie napotkaliby utrudnienia. Czemu? Szanse na to, że ich narzędzia i metody analityczne nie są w stanie przetworzyć ogromnych ilości danych, które nowoczesne maszyny mogą generować poprzez zautomatyzowane gromadzenie danych, byłyby bardzo duże. Należy wdrożyć bardziej efektywne podejście, aby umożliwić gromadzenie i analizowanie dużych ilości danych.
Monitorowanie bezprzewodowe potwierdza swoją wartość
Jeśli zasoby są monitorowane bezprzewodowo, rozwiązanie zapewnia jeszcze większą elastyczność, ponieważ informacje z obiektów — bez względu na to, jak odległe — mogą być przesyłane do specjalistycznego przetwarzania. Nawet w bardzo rozproszonych zakładach w odizolowanych lokalizacjach rozwój zdalnej łączności z Internetem umożliwił zasobom przesyłanie informacji. Co więcej, ta zdolność będzie się tylko zwiększać. Szacuje się, że do 2027 r. 267 mln
3 aktywnych urządzeń do śledzenia zasobów w automatyce przemysłowej i innych zastosowaniach.
Bez względu na to, czy obiekt znajduje się na odległym terenie, czy w ogromnym kompleksie chemicznym o zaawansowanych możliwościach technologicznych, automatyczny monitoring bezprzewodowy oferuje sprawdzoną wartość. Specjaliści analizujący dane mogą określić nie tylko stan obecny, ale także trendy historyczne. Informacje te mogą następnie stać się częścią „pętli zwrotnej”. Takie podejście nie tylko pozwala na optymalizację harmonogramów utrzymania ruchu w oparciu o każdą falę danych wejściowych; ale także informuje o przyszłych prognozach, które pomogą technikom zajmującym się konserwacją maszyn uniknąć przestojów.
Takie podejście nie tylko zapewnia bezawaryjną pracę, ale także zapobiega „nadmiernej konserwacji”, w przypadku której konserwacja jest wykonywana w bardziej napiętym harmonogramie niż wymaga tego zasób. Wreszcie, zapewnia zespołom utrzymania ruchu i decydentom ważny wgląd w potencjalne aktywa „do awarii” — te, w przypadku których dopuszczenie do awarii jest bardziej opłacalne niż agresywne utrzymywanie ich.
1
https://www.ge.com/digital/sites/default/files/download_assets/ge-the-impact-of-digital-on-unplanned-downtime.pdf
2 Ibid
3
https://www.prnewswire.com/news-releases/industrial-iot-asset-tracking-2019-by-2027-there-will-be-267-million-active-rfidasset-trackers-in-use-worldwide-300851946.html
