Transformando manutenção em confiabilidade preditiva

Durante anos, a manutenção foi tratada como um trabalho sujo, enfadonho e ad hoc. É fundamental para a produtividade, mas não é reconhecido como um componente-chave da geração de receita. A pergunta simples costuma ser:“Por que precisamos manter as coisas regularmente?” A resposta é:“Para mantê-los o mais confiáveis ​​possível”. Mas a verdadeira questão é:"Quanta mudança ou degradação ocorreu desde a última rodada de manutenção?" A resposta é:“Não sei”.

O desafio da confiabilidade é lidar com dados do passado. O fracasso é modelado, analisado e, até certo ponto, previsto. Infelizmente, a previsão não leva em consideração os usuários ou as restrições relacionadas ao ambiente de trabalho e, muitas vezes, os resultados não são tão úteis.

A manutenção baseada em condições (CBM) lida com dados online. As condições das máquinas são monitoradas constantemente e suas assinaturas avaliadas. No entanto, isso é feito no nível da máquina - uma máquina por vez. É uma “abordagem de falha e conserto”. A solução de problemas é o objetivo principal.

Hoje, CBM se concentra em sensores e comunicações. Todos os produtos e máquinas estão ligados em rede por alguns meios. É difícil saber, porém, o que fazer com todos esses dados. Devemos transformar dados em informações usando ferramentas computacionais para processar dados localmente.

O mundo da manutenção de amanhã é um mundo de informações para monitoramento baseado em recursos. As informações devem representar uma tendência, não apenas um status. Deve oferecer prioridades, não apenas mostrar "quanto". Se fizermos isso, nossa produtividade pode se concentrar na utilização de nível de ativos, não apenas nas taxas de produção.

Com o advento das modernas tecnologias de computação e comunicação, mais produtos e máquinas são incorporados a sensores e conectados por meio de redes tethered e tether-free. Com os sistemas de rede perfeitamente integrados no ambiente de negócios global de hoje, as máquinas e fábricas estão conectadas em rede e as informações e decisões são sincronizadas, portanto, qualquer tempo de inatividade no sistema pode prejudicar a produtividade de toda a empresa.

Por outro lado, as restrições à segurança e às limitações de largura de banda de comunicação exigem uma reengenharia para minimizar ou mitigar os riscos de exposição de dados.

A solução são sistemas de manutenção inteligentes. O IMS prevê e prevê o desempenho do equipamento, de forma que o status de “avaria quase zero” seja alcançável. Existem dois motivos para a falha:desempenho do equipamento e erro humano. O tempo de inatividade quase zero concentra-se em técnicas de previsão para minimizar as falhas. Ele se concentra nos recursos de desempenho da máquina.

Os dados vêm de duas fontes:sensores (montados na máquina para reunir as informações do recurso) e todo o sistema corporativo (incluindo dados de qualidade, histórico anterior e tendências). Ao correlacionar os dados dessas fontes (atuais e históricos), você pode prever o desempenho futuro. O objetivo é prever o estado do produto / máquina da mesma forma que a previsão do tempo.

Nós realmente não nos importamos com a precisão da previsão de temperatura. Nós nos preocupamos com a tendência - frio para quente ou claro para chuvoso. A previsão nos dá prioridades e um plano de backup.

Hoje, os serviços de campo da máquina dependem de sistemas de gerenciamento acionados por sensores que fornecem alertas, alarmes e indicadores. No momento em que o alarme soar, já é tarde demais para evitar a falha. A maior parte do tempo de inatividade da fábrica é causado por essas situações inesperadas.

Não há nenhum alerta fornecido que analise a degradação ao longo do tempo. Se pudermos monitorar a degradação, poderemos prever situações futuras e realizar tarefas de confiabilidade preditiva quando necessário (nem muito cedo nem muito tarde). Usando essas técnicas, a manutenção pode ser programada antes da falha.

Minha visão de longo prazo sobre a manutenção inteligente é que podemos usar qualquer meio - incluindo tecnologias embarcadas (software) e remotas - para monitorar o desempenho do equipamento. Então, se a degradação começar a ocorrer, haverá tempo suficiente para acionar o serviço antes da falha.

Uma máquina pode autoavaliar sua integridade e acionar sua própria solicitação de serviço, conforme necessário. Se esse modelo funcionar, teremos um produto que pode gerenciar seu próprio desempenho de serviço e seus próprios contratos baseados em garantia. Ele também pode nos alertar sobre as maneiras de mantê-lo funcionando com alto desempenho.

A indústria está muito focada nos resultados financeiros, e o custo da paralisação impacta amplamente a lucratividade. No entanto, as taxas de tempo de inatividade não são as únicas preocupações de custo. Se o equipamento começar a se degradar, você pode começar a gerar peças com qualidade inaceitável e não saber disso por muito tempo.

Eventualmente, a degradação da máquina afetará seriamente o rendimento e a qualidade. Isso é especialmente importante para fabricantes que terceirizam operações para países como a China. Essas empresas precisam monitorar remotamente a qualidade dos produtos antes de enviá-los.

Empresas de classe mundial já adotaram uma abordagem revolucionária de confiabilidade preditiva, implementando um novo modelo de negócios de serviços para transformar os sistemas de manutenção em soluções inteligentes de gerenciamento de serviços e ativos.

Eles reduzem o tempo de inatividade e fornecem a capacidade de prever a qualidade dos produtos antes do envio, observando de perto o desempenho do equipamento e a degradação da máquina. Em vez de manutenção reativa - “falha e conserta” - as empresas mudam para a manutenção de “previsão e prevenção”.