Apparatebetrouwbaarheid maximaliseren: Expertgids voor voorspellende onderhoudstools

Voorspellend onderhoud vs Preventief onderhoud

Preventief onderhoud en PdM-onderhoud zijn beide effectieve onderhoudsstrategieën, maar er zijn belangrijke verschillen tussen de twee. Het begrijpen van de verschillen tussen preventief en voorspellend onderhoud kan uw team helpen de meest geschikte onderhoudstype voor uw organisatie te selecteren. Op dezelfde manier kan het begrijpen van de voordelen van voorspellend en preventief onderhoud u helpen de juiste strategie te kiezen. Veel succesvolle onderhoudsprogramma's gebruiken een combinatie van beide strategieën.

Preventief onderhoud gebruikt de verwachte levenscyclus van een activum om te bepalen wanneer onderhoudstaken uitgevoerd moeten worden. Een veelvoorkomend preventief onderhoudsvoorbeeld is de olie van een auto elke drie maanden of elke 5.000 km vervangen.

Een preventief onderhoudsschema is eenvoudig en voldoende voor sommige activa. Preventief onderhoud op activa kan worden uitgevoerd op basis van de kalender, een bepaald aantal uren gebruik, of een andere gebruiksgebaseerde metric. Het kan taken omvatten zoals filters vervangen, smeren of versleten onderdelen vervangen.

Natuurlijk kent preventief onderhoud ook uitdagingen. Wanneer de kalender de onderhoudsacties dicteert, worden sommige componenten vervangen voordat ze dat nodig hebben. Er is ook een risico elke keer dat aan een machine gewerkt wordt. Preventief onderhoud kan eenvoudiger te plannen zijn, maar het gebruikt meer tijd, geld en onderdelen.

Voorspellend onderhoud gebruikt de daadwerkelijke bedrijfstoestand van een activum om te bepalen welke stappen te nemen en wanneer. In plaats van onderhoud te baseren op een schema, vindt onderhoud plaats wanneer voorspellende onderhoudsanalytics een afwijking in de prestaties van het activum identificeren. Hoewel vergelijkbare stappen, zoals smering of onderdeelvervanging, genomen kunnen worden, is het verschil dat voorspellende onderhoudsacties precies op het moment plaatsvinden dat ze nodig zijn.

Een voorspellende onderhoudsstrategie kan zowel tijd als geld besparen, maar het brengt ook uitdagingen met zich mee: hoofdzakelijk de complexiteit van PdM-onderhoudsimplementatie. Gelukkig kunt u dit met de juiste tools overwinnen. Terwijl apparatuur normaal werkt, kan het worden gemonitord door voorspellende onderhoudstechnologieën en condition monitoring-apparaten, zoals remote sensoren. Ze kunnen metingen op regelmatige intervallen of continu uitvoeren.

Wanneer gekoppeld met voorspellende onderhoudssoftware, kunnen deze sensoren onderhoudsteams waarschuwen wanneer de toestand van een activum verandert. Automatisch gegenereerde werkorders via een CMMS stellen teams in staat snel te handelen, wat apparatuurstoringen voorkomt.

Onderhoudsteams kunnen activatoestandsdata tracken en analyseren om patronen te herkennen en meer geïnformeerde beslissingen te nemen voor toekomstig onderhoud. Uiteindelijk is het doel van PdM-onderhoud om activabeschikbaarheid te maximaliseren en de tijd en kosten die aan het repareren van elk activum worden besteed, te minimaliseren.

Voorspellend Onderhoud Uitdagingen

Het implementeren van een nieuwe onderhoudsstrategie omvat altijd uitdagingen, en voorspellend onderhoud is geen uitzondering. PdM-onderhoud omvat hoge voorafgaande kosten en nieuwe technieken. Als u gewend bent aan een reactieve onderhoudsbenadering, zal de overstap naar voorspellend onderhoud ook een fundamentele verschuiving in uw gehele methodologie vereisen.

De voordelen van voorspellend onderhoud wegen zeker op tegen de uitdagingen. Maar het is belangrijk om zich van die uitdagingen bewust te zijn voordat u begint, zodat u zich kunt voorbereiden om ze aan te pakken.

Kosten

Voorspellend onderhoud steunt op sensoren, analytische software en IIoT-technologie, die allemaal een relatief hoge voorafgaande kosten hebben. Het integreren van nieuwe technologie kan ook uitdagend zijn, en het kan moeilijk zijn om buy-in te krijgen voor investeringen in kostbare voorspellende onderhoudsoplossingen.

Training

Uw werknemers zullen uitgebreide training vereisen in hoe voorspellend onderhoud te implementeren en hoe de nieuwe voorspellende onderhoudstechnologie correct te gebruiken. Ze hebben misschien ook tijd nodig om zich aan de nieuwe onderhoudsbenadering aan te passen. Werknemers weerstanden soms de nieuwe voorspellende onderhoudsstrategie, vooral als ze gewend zijn aan een meer reactieve benadering, maar het juiste trainingsprogramma kan helpen elke terughoudendheid voor PdM-adoptie te overwinnen.

Gebrek aan hoge-kwaliteitsdata

Voorspellende onderhoudssoftware steunt op enorme datasets. Analytische modellen hebben historische data over uw activaprestaties nodig om een baseline te creëren en afwijkingen van de norm te tracken. Als uw organisatie geen activadata heeft verzameld, kan dit problemen opleveren.

Hoe Voorspellend Onderhoud Uitdagingen Te Overwinnen

Voorspellend onderhoud heeft enkele ingebouwde uitdagingen. Het programma heeft een relatief hoge voorafgaande kost, het vereist managers om complexe operaties te begeleiden, en het roept meestal op tot training van onderhoudsteams om nieuwe technologie te gebruiken. U kunt deze barrières overwinnen als u uw PdM-onderhoudsprogramma zorgvuldig implementeert.

Kosten- en implementatie-uitdagingen overwinnen

Het is een goed idee om te beginnen met een pilotprogramma, in plaats van te proberen uw hele organisatie om te zetten naar een voorspellende onderhoudsbenadering. Het pilotprogramma laat u kosten laag houden, training minimaliseren en de operationele administratieve vereisten beperken. Het is veel betaalbaarder om voorspellende onderhoudstechnologieën in kleine hoeveelheden aan te schaffen — en u zult ontdekken dat ze zich snel terugverdienen.

Een succesvol pilotprogramma levert een significante return on investment (ROI) op die vervolgens geïnvesteerd kan worden in een groter PdM-programma. De pilot zal ook helpen het begrip van voorspellend onderhoud te drijven; onderhoudsteams zullen waarschijnlijk achter de nieuwe aanpak staan wanneer ze resultaten zien.

Trainingsuitdagingen overwinnen

Het is cruciaal om ervoor te zorgen dat uw werknemers volledig getraind zijn in de nieuwe voorspellende onderhoudstoepassingen. Afhankelijk van uw organisatie, kan dit moeilijk zijn: in een grote organisatie met remote personeel is het bijvoorbeeld uitdagend om teamtrainingssessies te organiseren. Daarom is het een goed idee om asynchrone en on-demand trainingsprogramma's aan te bieden, zoals eMaint University, wat gebruikers in staat stelt lessen in hun unieke schema's te passen. eMaint helpt ook werknemerstraining en certificering bij te houden.

Data-uitdagingen overwinnen

Als u nog geen condition monitoring data verzamelt, is het tijd om te beginnen. Installeer IIoT-sensoren op uw kritieke activa om trilling, temperatuur en andere sleutelprestatiedata te verzamelen.

Sensoren streamen de data naar uw CMMS/EAM, zodat u u geen zorgen hoeft te maken over datainvoervouten of onvolledige datasets. Naarmate u condition monitoring data verzamelt, zal uw voorspellende onderhoudssoftware een baseline "normaal" opbouwen, aangepast voor elk activum, wat voldoende data oplevert om een effectief voorspellend onderhoudsprogramma te creëren.

Wat zijn de 3 typen voorspellend onderhoud?

Er zijn verschillende typen voorspellend onderhoud. De meest gebruikte typen voorspellend onderhoud omvatten trillingsanalyse, infrarood thermografie en akoestische monitoring.

Trillingsanalyse

Elk draaiend activum trilt tijdens gebruik. Echter, veranderingen in het baseline trillingspatroon van een activum wijzen meestal op een nieuwe fout. Trillingsanalyse monitort de trillingsniveaus van een activum in real-time, op zoek naar anomalieën.

Veranderingen in trillingsniveau kunnen voortijdige slijtage en corrosie aangeven; ze kunnen ook wijzen op loszitting, uitlijning en lagerfouten.

Vandaag de dag is trillingsanalyse hoogst gesofisticeerd. Correct uitgevoerd, laat de techniek u machinefouten maanden voor ze ernstig genoeg worden om een storing te veroorzaken, ontdekken.

Akoestische Monitoring

Akoestische monitoring laat u — of eigenlijk uw condition monitoring tools — de vroege indicatoren van wrijving of slijtage "horen". Draaiende apparatuur emiteert karakteristieke geluiden naarmate het verslechtert. Soms zijn die geluiden luid genoeg om met uw naakte oor te horen, maar akoestische monitoring vangt veel zwakkere geluiden op die u niet kunt oppikken, wat het een uitstekend voorspellend hulpmiddel maakt.

Akoestische monitoring wordt breed gebruikt als lekkagepreventie-tool, vooral in systemen met uitgebreide pipelines voor gas, olie of vloeistoffen.

Infrarood Camera's

Infrarood camera's kunnen subtiele temperatuurveranderingen detecteren die kunnen wijzen op opkomende machinefouten.

Temperatuurstijgen zijn vaak het resultaat van hoge wrijvingsniveaus, voortijdige slijtage of verslechtering. Foute bedrading of andere elektrische problemen zijn een andere mogelijke basiscause. Infrarood thermografie kan ook helpen bij het lokaliseren van gas- of vloeistoflekken; het kan temperatuurveranderingen door vocht of gas detecteren.

Natuurlijk zijn er veel andere benaderingen voor voorspellend onderhoud. Als u een CMMS gebruikt om uw voorspellende onderhoudsprogramma te ankeren, kunt u al deze verschillende typen inzichten integreren in één hoogst effectief PdM-model.

Voorspellend Onderhoud Technieken

Er zijn veel manieren om een voorspellende onderhoudsstrategie te implementeren, en veel beschikbare voorspellende onderhoudstechnologieën. De volgende voorspellende onderhoudstools en technieken geven elke organisatie de kracht om zoveel of zo weinig informatie te verzamelen als ze nodig hebben om hun voorspellende onderhoudsprogramma te implementeren en te handhaven.

• Trillingsmonitoring: Sensoren geïnstalleerd op apparatuur kunnen diepgaande trillingsmetingen monitoren. Eenmaal de baseline voor het activum vastgesteld, kunnen deze sensoren continu worden gemonitord om afwijkingen te detecteren die fouten zoals onbalans, uitlijning of lagerfouten kunnen aangeven.
• Temperatuurmonitoring: Vergelijkbaar met trillingsmonitoring, kunnen sensoren detecteren wanneer temperaturen stijgen boven de normale temperaturen van het activum. Wanneer een temperatuurstijging gedetecteerd wordt, kunnen technici de basiscause vinden en aanpakken voordat storing optreedt.
• Condition monitoring: Het gebruik van een cloud-gebaseerde CMMS slaat sensordata op in de cloud, waar het van overal gemonitord en geanalyseerd kan worden. Zelfs als apparatuur in een afgelegen locatie is of monitoring off-site moet plaatsvinden, kunnen gebruikers actuele of historische data benaderen en gebruiken om beslissingen te nemen over onderhoud en vervanging.
• Kunstmatige intelligentie (AI) analyse en aanbevelingen: Leren hoe de handtekeningen van trillingssensoren te lezen duurt jaren aan opleiding en ervaring. Nu, zelfs als uw organisatie geen expert on-site heeft, kunnen geavanceerde AI-aangedreven analytics machine trillingspatronen beoordelen en veranderingen identificeren. Het kan zelfs verschillende patronen van veelvoorkomende problemen herkennen, wat uw team het inzicht geeft om het probleem nog sneller te vinden en op te lossen.
• Alarmen: Wanneer trillingsniveaus fouten aanwijzen, kan voorspellende onderhoudssoftware signalen sturen naar de juiste personen zodat ze directe actie kunnen ondernemen.
• Geautomatiseerde werkorders: Als de trillingsmonitoringsoftware geïntegreerd is met een computergestuurd onderhoudsbeheersysteem, kan de CMMS automatisch een werkorder activeren wanneer een fout gedetecteerd wordt, wat tijd bespaart en de hoeveelheid menselijke interventie die nodig is om het probleem op te lossen, vermindert.

Voorspellend Onderhoud Voorbeelden

Er zijn belangrijke voorspellende onderhoudstoepassingen in bijna elke industrie. Hier zijn slechts enkele typische voorspellende onderhoudsvoorbeelden.

Voorspellend Onderhoud Voorbeelden in Automotive

Voorspellende onderhoudstools kunnen dreigende storingen identificeren, zoals een vertragende transportband of abnormaliteiten in trillingen van stamp- of persmachines. Het kan ook op andere activa worden gebruikt, zoals heftrucken en schilderapparatuur.

Voorspellend Onderhoud Voorbeelden in Voedsel en Dranken

In de voedsel- en drankenindustrie kunnen voorspellende onderhoudstechnologieën een rol spelen in niet alleen het waarborgen van maximale uptime, maar ook het verzekeren dat alle producten gecreëerd worden in naleving van strikte voedselregelgeving. Voorspellend onderhoud kan worden gebruikt op apparatuur zoals mengmachines en blenders, stofafscheidingssystemen, extrusieapparatuur, pompen en transportbanden.

Voorspellend Onderhoud Voorbeelden in Productie

Fabricanten van alle typen kunnen voorspellende onderhoudstechnologie gebruiken om de consistentie en kwaliteit van hun productoutput te verbeteren, arbeidskosten te verlagen en de levensduur van activa te verlengen. Voorspellend onderhoud in productie kan helpen storingen voorspellen en verminderen voor activa zoals ventilatoren, pompen en motoren.

Voorspellend Onderhoud Voorbeelden In Life Sciences

Veel fabricanten in de life sciences-industrie zijn onderworpen aan audits van lokale, staatelijke en federale autoriteiten. Voorspellende onderhoudstechnologie kan ervoor zorgen dat apparatuur blijft draaien binnen vereiste parameters en organisaties voorziet van audit-vaste registraties van activageschiedenis. En in gevallen waar producten gekoeld of bevroren moeten worden, helpen sensoren ervoor te zorgen dat de apparatuur die ze op de juiste temperatuur houdt, altijd werkt zoals bedoeld.

Voorspellend Onderhoud Voorbeelden In Olie en Gas

Betrouwbaarheid is ongelooflijk belangrijk in de olie- en gasindustrie, waar apparatuurstoringen milieugevolgen kunnen hebben en veiligheidsrisico's voor werknemers kunnen poseren. Voorspellend onderhoud op activa zoals pompen, ketels en compressoren kan helpen de risico's van onverwachte storingen en hun gevolgen te verminderen.

Hoe Een PdM-Onderhoudsprogramma Te Creëren

De switch van reactief naar voorspellend onderhoud gebeurt niet overnachten. Maar vooruitgang in voorspellende onderhoudstechnologieën, zoals CMMS-software en draadloze trillingssensoren, hebben voorspellend onderhoud een meer bereikbare strategie gemaakt dan ooit. Er zijn een paar vragen om in gedachten te houden voor elk activum bij het overwegen van het creëren van een voorspellend onderhoudsplan:

• Als dit activum faalt, hoe beïnvloedt dat de productie?
• Hoeveel kost het om dit activum te repareren?
• Hoeveel kost het om dit activum te vervangen?

Het beantwoorden van deze vragen voor elk stuk apparatuur kan teams helpen te bepalen welke activa op een voorspellende basis onderhouden moeten worden.

Voorspellend onderhoud is niet noodzakelijk de meest effectieve strategie voor elk activum. Sommige activa kunnen run-to-failure met weinig tot geen impact op productie of de bottom line. Andere profiteren van eenvoudig en rechtop preventief onderhoud. Maar voor sommige activa is voorspellend onderhoud de beste strategie.

Zelfs als u van plan bent voorspellende onderhoudstools op slechts een handvol activa te gebruiken, helpt het om vooruit te plannen en een programma te bouwen waar uw onderhoudsteam zich aan kan houden. Hier zijn zes sleutelstappen voor het opzetten van uw voorspellende onderhoudsprogramma:

1. Identificeer welke activa gericht moeten worden voor voorspellende onderhoudsoplossingen
2. Kies de voorspellende onderhoudstools en methoden die u zult gebruiken om activatoestand te monitoren (zoals sensoren en een CMMS)
3. Selecteer en train een implementatieteam om voorspellende onderhoudstechnologieën te leren en uit te voeren
4. Voer systeemintegraties uit om een compleet beeld van activagezondheid te krijgen
5. Coördineer uw algehele onderhoudsstrategie, identificerend welke aanpak gebruikt wordt en waar
6. Bepaal hoe activagezondheidsdata gedeeld zal worden tussen teamleden, stakeholders en auditors

Uiteindelijk vereist het implementeren van een succesvol voorspellend onderhoudsprogramma een langetermijnvisie op de doelen en behoeften van uw organisatie. Geen twee voorspellende onderhoudsplannen zullen er hetzelfde uitzien.

Hoe Kunt U Voorspellend Onderhoud Beheren?

Voorspellende onderhoudsoplossingen, per definitie, omvatten het verzamelen en analyseren van veel data. De beste manier om voorspellend onderhoud te controleren is door een computergestuurd onderhoudsbeheersysteem (CMMS) te gebruiken om data van werkorders, real-time voorspellende onderhoudsanalytics en onderhoudsgeschiedenis te verbinden en te beheren, waardoor het toegankelijk is voor de juiste personen, ongeacht waar of wanneer ze werken.

Zonder een CMMS laten onderhoudsteams vaak gissen over de historische onderhoud van een activum. Werkorders zijn vaak op papier, en papierwerkorders nemen tijd in beslag om te vinden, te voltooien en weg te leggen. Papierwerkorders maken het ook moeilijk om bij te houden wat voltooid is of nog openstaat. Het is bijna onmogelijk om het volledige bereik van aanvragen, taken in uitvoering en prioriteitsklussen te vergelijken wanneer ze allemaal op losse vel papier staan.

Een CMMS maakt werkorders zo veel makkelijker om te plannen, toe te wijzen en te voltooien. Werkorders kunnen ook geprioritiseerd worden op basis van activacriticaliteit, wat ervoor zorgt dat de belangrijkste taken aan de juiste technici worden toegewezen. Managers kunnen zien welke taken openstaan en taken toewijzen aan personeel dat al aan een specifiek activum werkt of die de expertise heeft die nodig is voor de taak.

Technici en besluitvormers hebben ook toegang tot historische onderhoudsregistraties. Wanneer een activum een geschiedenis heeft van meerdere storingen in een korte tijdspanne, kunnen experts de data en voorspellende onderhoudsanalytics gebruiken om tot de basiscause van het probleem te komen of te beslissen of het tijd is om het activum te vervangen.

Kernfuncties In eMaint Voorspellend Onderhoud Software

eMaint CMMS geeft organisaties een volledige suite voorspellende onderhoudstools. Met het kunnen organisaties:

• Monitoringklassen definiëren voor elk activum
• Geluid, trilling, temperatuur, smeermiddelen, slijtage, corrosie, druk en stroom onafhankelijk monitoren
• Meterstanden handmatig invoeren of importeren
• Boven- en ondergrenzen van acceptabele operatie voor elk activum definiëren
• Metingen weergeven als rapport met kleurgecodeerde uitzonderingen
• Automatisch e-mails activeren wanneer een grens wordt overschreden
• Automatisch werkorders genereren wanneer een meting buiten vooraf gedefinieerde grenzen valt
• Data-analyse uitvoeren om storingen vroeg te identificeren, storingen te voorkomen en onderhoudsmiddelen te optimaliseren
• Condition monitoring diagram bekijken

Casestudy: eMaint CMMS Condition Monitoring voor Voorspellend Onderhoud Gebruiken

Cleveland Tubing, Inc. is een fabrikant van flexibele, inklapbare buisproducten, inclusief FLEX-Drain en PumpFlex. Het bedrijf stelde eMaint in zodat meterstanden op sleutelindicatoren (temperatuur, druk, vloeistofniveaus, zuiging) geïmporteerd worden en gebruikt worden om prioriteitswerkorders te triggeren wanneer werk of inspectie nodig is op basis van vooraf gedefinieerde ranges.
Gary Payne, onderhoudsmanager voor Cleveland Tubing, merkte op dat eMaint hun onderhoudsbesluitondersteuningssysteem is geworden, hen informerend over de taken die elke dag uitgevoerd moeten worden, gebaseerd op verstreken tijd, apparatuurgebruik en toestandsgebaseerde indicatoren. Ze ervoeren ook:

• Geautomatiseerde rapportages voor het aanvullen van voorraad op gestockeerde en niet-gestockeerde onderdelen
• Gestroomlijnde tijdregistratie van arbeid voor een afdeling van vijf onderhoudsmedewerkers
• Verbeterde ROI-berekeningen met betere toewijzing van arbeids- en materialenkosten aan activa
• De mogelijkheid om te evolueren van reactief onderhoud naar gepland onderhoud naar voorspellend onderhoud via condition monitoring en geautomatiseerde signalen van potentiële problemen op kritieke apparatuur
• Gemakkelijk KPI's meten en tracken tegen wereldklasse standaarden (90% gepland onderhoud)

Wat Is De Toekomst Van Voorspellend Onderhoud?

De toekomst van voorspellend onderhoud trekt kunstmatige intelligentie-tools aan om inzichten op een grotere schaal dan ooit te leveren. AI-tools scannen enorme datasets met hoge snelheid, wat onschatbaar is voor grote organisaties met vloot van kritieke activa. De beste AI-tools kunnen machinefouten diagnosticeren en foutzwaarteniveaus bepalen, wat helpt duidelijke onderhoudsprioriteiten te stellen.

Dat betekent niet dat onderhoud geautomatiseerd wordt. Menselijke technici en operators moeten AI-output toezien en erop voortbouwen. AI is een nuttig hulpmiddel, eerder dan een complete oplossing. Het werkt het beste wanneer het workflows deelt met menselijke werknemers.