De onderhoudsplanning en -planning verbeteren met gegevensautomatisering

Routinematig onderhoud van productieapparatuur is een must voor elke fabrikant die de betrouwbaarheid van apparatuur wil verbeteren, de kosten onder controle wil houden, de uitvaltijd van apparatuur wil verminderen en ervoor wil zorgen dat de kwaliteit van hun producten niet in het gedrang komt.

Dankzij technologische vooruitgang en cloudgebaseerde platforms die gebruikmaken van de voordelen van gegevensautomatisering, kunnen onderhoudsplanning en -planning niet alleen worden geautomatiseerd, maar kan ook de nauwkeurigheid aanzienlijk worden verbeterd.

In dit artikel gaan we dieper in op de zeer eenvoudige en praktische voordelen die dataautomatisering met zich meebrengt in de context van preventief onderhoud.

De impact van onderhoud op de bottom line

Onderhoud is belangrijk. Hier zijn geen twee manieren voor. Het toewijzen van benodigde middelen, zoals onderdelen en arbeid, en ervoor zorgen dat deze beschikbaar zijn wanneer dat nodig is, is de essentie van het draaiende houden van de apparatuur en het stromen van de productie.

We moeten echter ook begrijpen hoe activabeheer van invloed is op het bedrijfsresultaat van een bedrijf om een ​​volledig beeld te krijgen van het belang ervan en waarom we een verbetermentaliteit moeten hebben.

Enkele van de kostengedreven voordelen van het verbeteren van het onderhoud zijn:

1. Investeringen kunnen worden uitgesteld omdat de bestaande apparatuur beter wordt benut.
2. Kosten als gevolg van storingen dalen omdat machines draaien zoals gepland.
3. De productiekosten nemen af ​​naarmate elke operator meer per uur produceert.
4. De kosten per product dalen naarmate de productiekwaliteit verbetert.

Ongeacht de huidige staat van de onderhoudsvolwassenheid van uw afdeling, is uw focus op het verbeteren van de manier waarop u onderhoud uitvoert een noodzaak. Het optimaliseren van de onderhoudsplanning en -planning betekent onderhoud doen wanneer het nodig is en het vermijden wanneer dat niet het geval is. Met andere woorden, het verbeteren van de nauwkeurigheid van uw programma voor preventief onderhoud.

Preventief onderhoud als de meest populaire strategie

Er zijn verschillende onderhoudsstrategieën die u in uw fabriek kunt toepassen om het onderhoud te verbeteren, en het kiezen van de juiste hangt af van waar u zich op uw reis bevindt.

Aangezien preventief onderhoud het populairst is onder fabrikanten, kunnen we door snel te kijken waar deze strategie over gaat, ons helpen begrijpen hoe we de nauwkeurigheid ervan kunnen verbeteren met behulp van gegevensautomatisering.

Preventief onderhoud wordt op regelmatige tijdstippen uitgevoerd. We kunnen onderscheid maken tussen twee soorten preventief onderhoud op basis van hoe we die intervallen definiëren:

1. Agenda-gebaseerd onderhoud: Een vorm van gepland onderhoud dat van tevoren is gepland om onderdelen te vervangen voordat ze defect raken. Gebruik bijvoorbeeld een vast interval zoals 10, 30 of 90 dagen.
2. Onderhoud op basis van gebruik. Als onderhoud op basis van een kalender een vast tijdsinterval gebruikt om onderdelen te vervangen, gebruikt onderhoud op basis van gebruik een gebruiksinterval. Bijvoorbeeld een onderdeel vervangen na 10.000 machinecycli.

Als we de twee vergelijken, wil het laatste preciezer zijn. Maar er is een addertje onder het gras.

Het is moeilijk voor bedrijven die geen toegang hebben tot hun machinegegevens om het gebruik van hun bedrijfsmiddelen nauwkeurig bij te houden. Het is dus ook moeilijk om het onderhoud te verbeteren omdat een nauwkeurige bezettingsgraad ontbreekt.

Zoals we in het volgende hoofdstuk zullen zien, kan dat worden opgelost met data-automatisering.

Wat levert dataautomatisering op?

In de ware zin van het woord is dataautomatisering het gebruik van intelligente processen en systemen om grote hoeveelheden data te verzamelen, te verwerken of op te slaan. Bovendien helpt gegevensautomatisering om consistentie in resultaten te behouden, wat een belangrijk probleem is voor veel bedrijven waar de uitvoering van gegevens handmatig wordt uitgevoerd. Er is een groot verschil tussen handmatige en geautomatiseerde gegevensverzameling.

6 dimensies van gegevenskwaliteit

In een fabriek kan dat betekenen dat verschillende sensoren worden gebruikt om productie-informatie te verzamelen en deze gegevens vervolgens te verwerken met een systeem of een reeks geïntegreerde systemen.

Een voorbeeld van welke informatie u automatisch kunt verzamelen, omvat:

• productiesnelheid en hoeveelheden (cycli)
• machine-uptime en downtime
• product(ie)kwaliteit

Aangezien we het over onderhoud hebben, moeten we kijken hoe deze informatie ons kan helpen bij onze zoektocht naar het verbeteren van de nauwkeurigheid van de onderhoudsplanning en -planning.

Om bijvoorbeeld nauwkeurig te weten hoeveel cycli onze machines hebben doorlopen, moeten we weten welke producten op een bepaald moment zijn geproduceerd. Zodra we dat weten, kunnen we het werkelijke gebruik van onze machines beoordelen.

Een ander voorbeeld is de uptime en downtime van machines. Nogmaals, met gegevensautomatisering weten we precies wanneer onze machines werkten en wanneer ze waren gestopt of inactief waren.

Nu we begrijpen welke rol gegevensautomatisering speelt, kunnen we onze aandacht richten op hoe onderhoudsplanners en -planners de nauwkeurigheid van hun PM-schema's kunnen verbeteren.

Gegevensautomatisering gebruiken om de onderhoudsplanning en -planning te verbeteren

Hieronder volgen drie zeer eenvoudige en praktische manieren om gegevensautomatisering te gebruiken en uw reguliere onderhoud nauwkeuriger te maken.

#1) Kalender en op gebruik gebaseerde controles slimmer gemaakt

Zodra u de gegevens heeft over wanneer en hoeveel uw machines werken, worden onderhoudsplanning en -planning veel eenvoudiger.

Door bijvoorbeeld sensoren en een systeem te gebruiken dat de verzamelde informatie zinvol maakt, weten we of onze geplande dienst daadwerkelijk is geproduceerd. Als dat niet het geval is, hoeven we die tijd niet mee te tellen voor ons interval. In plaats van 30 kalenderdagen kunt u dus een controle inplannen na 30 dagen daadwerkelijke arbeid. En dit wordt gevalideerd met de gegevens van uw machines.

Evenzo weet u met gegevensautomatisering precies hoeveel cycli uw productiemachines hebben doorlopen.

Een goed geïmplementeerd systeem zal u kunnen vertellen welk product momenteel wordt geproduceerd, wat eerder is geproduceerd en in welke hoeveelheden. Met andere woorden, het houdt het daadwerkelijke gebruik van uw productiemiddelen bij. Het kan je ook vertellen of je langzamer loopt dan je had gepland.

Dit betekent dat u gegevensautomatisering kunt gebruiken om de nauwkeurigheid en relevantie van uw op gebruik gebaseerde onderhoudsactiviteiten te verbeteren.

#2) Evenementgerelateerd onderhoud

Als u een diepgaand begrip heeft van uw productieproces en de verschillende gebeurtenissen die dag in dag uit plaatsvinden, kan de onderhoudsplanning veel nauwkeuriger worden. Hieronder volgen drie voorbeelden die u kunt gebruiken:

• Onderhoud op basis van uitvaltijd. Het eerste wat data-automatisering biedt, is een correct overzicht van de daadwerkelijke downtime. Zodra u over die informatie beschikt, kunt u beginnen met het verzamelen van de redenen die uw uitvaltijd veroorzaken. Zodra u de hoofdoorzaak van de storing identificeert, kunt u toekomstige onderhoudstaken plannen om die specifieke redenen aan te pakken of te voorkomen.
• Herinnering voor onderhoud tijdens een installatie. Als u een systeem heeft dat de overstap naar nieuwe producten bijhoudt, kunt u uw bemanning eraan herinneren om routinecontroles van activiteiten uit te voeren voordat de installatie is voltooid. Zo weet u zeker dat uw machines in topconditie blijven. Dit soort verbeteringen zou een uitdaging zijn om te implementeren zonder gegevensautomatisering.
• Kwaliteitsevenementen. Stel dat uw team ontdekt dat ze net 100 producten moesten schrappen vanwege een probleem met de etiketteermachine. Deze informatie wordt automatisch vastgelegd met behulp van sensoren en zodra deze is geregistreerd, wordt uw onderhoudspersoneel automatisch op de hoogte gebracht van het probleem. Weer een snelle overwinning in het effectiever maken van onderhoud.

Dit is geen uitputtende lijst, maar het schetst het idee dat zodra u nauwkeurige informatie over uw productieproces hebt dankzij dataautomatisering, u de nauwkeurigheid van uw geplande onderhoudswerkzaamheden aanzienlijk kunt verbeteren en de kans op overmatig onderhoud kunt minimaliseren.

Hoe data-automatisering implementeren?

De laatste vraag die overblijft is hoe u uw gegevensverzameling voor onderhoudsdoeleinden kunt automatiseren. Verschillende systemen kunnen dit, de meest voor de hand liggende is een geautomatiseerd onderhoudsbeheersysteem. Er is echter nog een andere optie:een CMMS-systeem combineren met een OEE-systeem.

Met een krachtig preventief onderhoudssysteem kunt u onderhoudsschema's beheren, de controle over uw voorraad reserveonderdelen verbeteren, het administratieve deel van uw onderhoud automatiseren en meer.

Een OEE-systeem geeft u informatie over wat er werkelijk aan de hand is in uw productieproces, aangezien het kijkt naar het gebruik van machines via de volgende drie componenten:beschikbaarheid, prestaties en kwaliteit.

Waarom zijn deze componenten belangrijk? Omdat drie van de vier belangrijkste voordelen die we aan het begin van dit artikel hebben geschetst, ook verband houden met OEE.

1. Kosten door storingen dalen. Hoe minder storingen u heeft, hoe hoger uw beschikbaarheid .
2. De productiekosten nemen af ​​naarmate elke operator meer per uur produceert. Als uw productiesnelheid optimaal is, dan prestaties verbetert.
3. De productiekwaliteit verbetert omdat machines werken zoals ze zouden moeten. Hoe meer kwaliteit producten die u produceert, hoe hoger uw leeskwaliteit.

Dit betekent dat als u OEE optimaliseert, u ook het onderhoud verbetert en vice versa . Het is dan ook geen wonder dat Total Productive Maintenance (TPM) vanaf het begin OEE-monitoring en -meting als de belangrijkste hoeksteen van zijn filosofie heeft opgenomen.

Door een modern CMMS te integreren met een OEE-systeem kunnen fabrikanten het gebruik van gegevensautomatisering maximaliseren.

Laatste woorden

Aangezien productiebedrijven rekening houden met de technologische vooruitgang die hen ter beschikking wordt gesteld, is dataautomatisering ongetwijfeld een aspect om in te investeren.

Het zal de planning en planning van onderhoudsactiviteiten helpen verbeteren en het maakt ook de weg vrij voor geavanceerde onderhoudsstrategieën zoals CBM en voorspellend onderhoud die sterk afhankelijk zijn van geautomatiseerde gegevensverzameling.