بهبود قابلیت اطمینان با نگهداری و تعمیرات دیجیتال

سپتامبر 9, 1399
IMG_0082.jpg


بهبود قابلیت اطمینان تجهیزات با نگهداری و تعمیرات دیجیتال



دیجیتال شدن سراسری می‌تواند موجب بهبود قابلیت اطمینان و کاهش هزینه‌ها ‌شود، بنابراین شرکت‌ها باید در حرکت به سوی نگهداری و تعمیرات دیجیتال بلندپروازتر باشند. آیا ما در حال ورود به دنیایی از ماشین‌های هوشمند هستیم که می‌توانند قبل از خراب شدن تجهیزات به اپراتورهایشان هشدار دهند؟ نگهداری و تعمیرات پیش‌بینانه (PdM) پیشرفته که به واسطه یکپارچه‌سازی گسترده حسگرها و تکنیک‌های یادگیری ماشین انجام می‌شود، یکی از نویدبخش‌ترین مزایای انقلاب صنعتی چهارم است. ایده دیجیتال شدن قطعاً ایده قانع‌کننده‌ای است که موجب تشویق بخش‌های دارایی محور شرکت‌ها، به سرمایه‌گذاری در زمینه نگهداری و تعمیرات دیجیتال می‌شود.

تکیه بر PdM به تنهایی، به عنوان یک راهکار برای چالش‌های نگهداری و تعمیرات و قابلیت اطمینان ممکن است کوته‌بینانه باشد، چرا که در صورت محدود کردن دیجیتال شدن به PdM، این تکنیک‌ها تنها بر بخشی از تجهیزات اعمال می‌شوند. همچنین تأکید بیش از حد بر یک رویکرد، به این معناست که شرکت‌ها به دلیل تمرکز بر افزایش زمان در دسترس و بهبود کارایی نگهداری و تعمیرات، توانایی دستیابی به تمام مزایای دیجیتال شدن وظیفه نگهداری و تعمیرات و قابلیت اطمینان را ندارند.

با دیجیتال شدن نگهداری و تعمیرات و قابلیت اطمینان در صنایع سنگین، انتظار می‌رود که میزان دسترس‌پذیری دارایی شرکت‌ها 5 تا 15 درصد افزایش و هزینه‌های نگهداری و تعمیرات آن‌ها نیز 18 تا 25 درصد کاهش یابد.


فرصت‌ها و چالش‌های PdM

نگهداری و تعمیرات پیشبینانه پیشرفته به عنوان یک برنامه کاربردی در انقلاب صنعتی چهارم شناخته می‌شود. این رویکرد، تلفیقی از بسیاری از فناوری‌های اساسی در‌ موج جدید دیجیتالی سازی صنعتی مانند حسگرهای شبکه‌ای، کلان داده‌ها، تجزیه و تحلیل‌های پیشرفته و یادگیری ماشین است. این تکنیک قدرتمند با شناسایی الگوهای پیچیدۀ بیش از صدها یا هزاران متغیر، اپراتورها را قادر می‌سازد تا درکی عمیق‌تر و مبتنی بر داده از چرایی بروز خرابی‌ها داشته باشند. این در حالی است که روش تجزیه و تحلیل سنتی قادر به انجام آن نیست. به بیان اغوا کننده‌تر، دیجیتال شدن PdM نویدبخش یک مزیت کاملاً ملموس است: ماشین‌هایی که هرگز خراب نمی‌شوند. اما حقیقت این است که در عمل از تکنیک‌های پیشرفته PdM کمتر استفاده می‌شود. در شرایطی که یک دستگاه تعداد محدودی از حالت‌های خرابی شناخته شده دارد، اغلب می‌توان مشکل را با روشی ساده‌تر حل کرد، برای مثال: نظارت بر دما یا لرزش یک قطعه در آستانه معین، یا استفاده دقیق و مداوم از تکنیک‌های آنالیز قابلیت اطمینان داده محور برای بررسی دلایل ریشه‌ای حالت‌های خرابی. برعکس، جایی که یک ماشین می‌تواند صدها یا هزاران نوع مختلف خرابی را تجربه کند (حتی ممکن است برخی از آن‌ها بسیار نادر باشد)، ایجاد و پیش‌بینی مدل‌های کافی با کیفیت بسیار بالا در مورد تمام خرابی‌ها غیرعملی است.

وقتی می‌خواهیم تخصص‌های لازم برای ایجاد مدل‌های دقیق یادگیری ماشین را فهرست کنیم، استفاده از نگهداری و تعمیرات پیش‌بینانه مبتنی بر مدل می‌تواند شبیه راهی میانبر عمل کند؛ به این صورت که به جای در نظر گرفتن تمام فرصت‌های نگهداری و تعمیرات، تنها لیستی از مشکلات منتخبی که حل آن‌ها مهم است، ارائه می‌شود. بیشترین پتانسیل این رویکرد زمانی بروز می‌کند که با در نظر گرفتن تأثیر خرابی بر خاموشی، حالت‌های خرابی به‌خوبی مستند شده باشند. همچنین این روش زمانی عملکرد خوبی دارد که بتواند در مقیاس وسیعی برای ناوگان بزرگی از دارایی‌های مشابه با تاریخچه قابلیت اطمینان کافی اعمال شود، مزارع بادی دریایی یا ناوگان لوکوموتیو مثال‌هایی از این دسته‌اند. بنابراین، تولیدکنندگان تجهیزات به صورت استراتژیک در وضعیت راه‌اندازی توسعه و استقرار مدل پیش‌بینانه برای کاربران نهایی خود هستند – هرچند که این تلاش‌ها هنوز به طور گسترده محقق نشده است.


به دست آوردن سود دیجیتال

آیا دامنه نسبتاً محدود PdM، نگهداری و تعمیرات و قابلیت اطمینان را از ضرورت دیجیتال شدن معاف می‌کند؟ قطعاً نه. پیشنهاد ما این است که شرکت‌ها خود را محدود به استفاده از یک حالت خاص ابزار دیجیتال نکنند و به این فکر کنند که چگونه تکنیک‌های تحلیلی دیجیتال و پیشرفته می‌تواند کل سیستم نگهداری و تعمیرات و قابلیت اطمینان‌‌شان را متحول کند. این به معنای جستجوی پیوسته فرصت‌های بهبود استفاده از داده‌ها و اصول طراحی کاربر محور، به منظور دیجیتال کردن فرایندهاست. کارآمدی پایدار نیازمند ترکیبی از ابزارهای دیجیتال جدید، تغییر در استراتژی دارایی و بهبود عملکرد قابلیت اطمینان است.


رویکردی یکپارچه برای نگهداری و تعمیرات دیجیتال و قابلیت اطمینان

فعالیت قابلیت اطمینان و نگهداری و تعمیرات دارای دو قسمت اصلی است: 1- برنامه شامل استراتژی‌های دارایی و برنامه‌های نگهداری و تعمیرات، 2- اجرا شامل شناسایی، اولویت‌بندی، زمان‌بندی و انجام کار. قابلیت اطمینان و نگهداری و تعمیرات دیجیتال (DRM) شامل هر دو عنصر است و آن‌ها را با مجموعه‌ای از توانمندسازها پشتیبانی می‌کند؛ زیرساخت‌ها‌، فرایندها و ابزارها. شرکت‌ها برای مدیریت دارایی‌ها، داده‌ها و کارکنان خود نیازمند بهبود عملکرد قابلیت اطمینان و نگهداری و تعمیرات دارایی هستند.



 چارچوب یکپارچه برای قابلیت اطمینان و نگهداشت دیجیتال


توانمندسازهای قابلیت اطمینان دیجیتال

توانمندسازی را باید از پایه شروع کرد. از آنجایی که فرآیندهای دیجیتال توسط داده‌ها تغذیه می‌شوند، ایجاد ستون فقرات قوی داده یک عامل اساسی برای قابلیت اطمینان و نگهداری و تعمیرات دیجیتال محسوب می‌شود. اکثر سازمان‌ها سیستم‌هایی برای ثبت داده‌های مربوط به نگهداری و تعمیرات و قابلیت اطمینان در اختیار دارند، اما مدیریت ضعیف، اثربخشی چنین سیستم‌هایی را کاهش می‌دهد. دارایی‌ها یا موضوعات مشابه ممکن است به روش‌های مختلف و در سیستم‌های مختلف توصیف و ثبت شوند، این امر یکپارچگی را دشوار می‌کند. همچنین شرکت‌ها ممکن است برای ثبت موضوعات یا اقدامات مربوط به نگهداری و تعمیرات از متون آزاد استفاده کنند  که جستجوی خودکار یا تجزیه و تحلیل داده‌ها را دشوارتر می‌کند.

رفع این چالش‌ها اغلب به سرمایه‌گذاری در فناوری جدید بستگی ندارد، بلکه به انطباق با استانداردهای دقیق‌تر برای شناسایی و ثبت اطلاعات دارایی وابسته است. تکنیک‌های هوش مصنوعی، مانند پردازش زبان طبیعی، می‌تواند به سازمان‌ها کمک کند تا داده‌های تاریخی ضعیف سازمان یافته را به شکلی مناسب‌تر برای تجزیه و تحلیل خودکار تبدیل کند.

به طور مشابه‌، کاهش قیمت ذخیره داده و پهنای باند شبکه بدان معنی است که اکنون جمع‌آوری سیل داده‌های سیستم‌های کنترل ماشین و حسگرهای خارجی آسان‌تر و ارزان‌تر از همیشه است. این داده‌ها که ممکن است امروزه غیرقابل دسترس باشند یا حتی دور انداخته شوند، برای پایش مبتنی بر وضعیت (CBM)، عیب‌یابی و تجزیه و تحلیل حالت شکست، یا استفاده از روش‌های معمول یا استفاده از تجزیه و تحلیل پیشرفته و یادگیری ماشین، مفید هستند.

شرکت‌ها پس از داشتن داده‌های مناسب، برای دسترسی به آن‌ها به ابزارهایی نیاز دارند. برای اکثر سازما‌ن‌ها، این کار اقدام جدیدی می‌طلبد. با جمع‌آوری داده‌ها از چندین سیستم و منبع، یک منبع واحد از حقیقت ایجاد می‌شود که شکاف اطلاعاتی بین سیستم‌ها را پر می‌کند تا تصویری کامل از سلامت دارایی ارائه دهد. این مؤلفه مهم معماری داده دارای چندین کاربرد است: زیربنا را برای مدیریت عملکرد دیجیتال، تجزیه و تحلیل‌های توصیفی و داشبوردها فراهم می‌کند، ضمن اینکه نظیر یک لایه یکپارچه برای کاربرد‌های جدید نگهداری و تعمیرات و قابلیت اطمینان و تهیه داده‌های مورد نیاز برای مدل‌های پیشرفته تحلیلی عمل می‌کند.

توانمندسازهای ضروری بعدی DRM، ابزارهای دیجیتال جهت تجزیه و تحلیل مهندسی قابلیت اطمینان هستند. یکی از بخش‌های اساسی در استراتژی نگهداری و تعمیرات و قابلیت اطمینان هر سازمان، حل مسئله علل ریشه‌ای با استفاده از رویکردهایی مانند تجزیه و تحلیل درخت خطا و همچنین علت و اثر (cause and effect) یا تحلیل حالت‌های خرابی و اثرات آن (FMEA)، است. اما امروزه این فعالیت‌ها اغلب به‌ صورت دستی انجام و نتایج آن‌ها به ندرت به صورت متمرکز ثبت می‌شود. یکپارچگی ابزارهای مهندسی قابلیت اطمینان در معماری DRM یک سازمان، تضمین می‌کند که تجزیه و تحلیل‌ها به روشی پایدار و ساختاریافته انجام می‌شود؛ این امر دسترسی به داده‌های ورودی را تسریع و ساده و نتایج تحلیلی را برای استفاده در آینده ثبت می‌کند.

ایجاد یک پلتفرم دیجیتال با قابلیت کنترل طیف گسترده‌ای از ابزارها و منابع داده مورد استفاده در قابلیت اطمینان و نگهداری و تعمیرات دیجیتال می‌تواند چالش‌برانگیز باشد، اما دستیابی به این حقیقت در آغاز برنامه DRM مزایای ماندگاری به همراه خواهد داشت. برای مثال یک شرکت نفت و گاز با وجود آنکه از پیش راه‌حل‌های نگهداری و تعمیرات را بر روی پلتفرم ایجاد کرده بود و علی‌رغم آنکه رهبران حتی جزئیات بلندپروازی‌های خود در زمینه نگهداری و تعمیرات دیجیتال را در نظر گرفته بودند، اما متوجه شدند که این سیستم توانایی‌های فنی مورد نیاز آن‌ها را ندارد. از آنجا که اتصال یکپارچه بین ابزارها برای چشم‌انداز بلندمدت نگهداری و تعمیرات از اهمیت بالایی برخوردار است، این شرکت تصمیم گرفت همه راه حل‌های نگهداری و تعمیرات خود را در یک پلتفرم کاملاً جدید یکپارچه کند؛ حتی اگر در این مسیر به دوباره‌کاری کوتاه مدت نیاز باشد. نتیجه این کار، یک DRM است که می‌تواند همگام با نیازهای سازمان و قابلیت‌های دیجیتال گسترش یابد؛ به جای آنکه تنها یک افزایش موقت باشد که از رقابت پیشرفته (و توانایی‌های فنی) به سرعت عقب می‌افتد.

توانمندسازهایی که تاکنون از آن‌ها صحبت شد، به طور قابل توجهی بر استفاده از فناوری‌های دیجیتال جهت تسریع، ساده‌سازی و بهبود روش‌های مهندسی قابلیت اطمینان موجود تمرکز کرده‌اند. دیجیتال شدن همچنین در اختیار تیم‌های مهندسی قابلیت اطمینان با انبوهی از ابزارها و رویکردهای جدید قرار دارد. همانطور که پیش‌تر بیان شد، استفاده از تکنیک‌های یادگیری ماشین برای نظارت بر وضعیت دارایی مورد توجه هستند، حتی اگر هزینه و پیچیدگی آن‌ها در نهایت کاربردشان را محدود کند.

با این حال، همه تکنیک‌های پایش وضعیت به الگوریتم‌های دقیق یا مدل‌های پیچیده‌ای نیاز ندارند. رویکردهای پایش وضعیت مبتنی بر داده از پرس‌وجوهای ساده‌ای استفاده می‌کنند که به صورت دوره‌ای یا آنی در برابر داده‌های سری زمانی تولید شده توسط ماشین‌ها و حسگرهای خارجی اجرا می‌شوند. این سیستم‌ها در صورت پاس کردن شرایط آستانه، قادر خواهند بود که اقدامات کاوشگرانه یا اصلاحی در روند کار مهندسی قابلیت اطمینان دیجیتال یا مستقیماً در اجرای نگهداری و تعمیرات، راه‌اندازی کنند.


مدیریت عملکرد دیجیتال

فناوری‌های توانمندساز که در بالا توضیح داده شدند، اگرچه پایه DRM را ایجاد می‌کنند، اما در حقیقت به تنهایی موجب بهبود قابلیت اطمینان یا اثربخشی نگهداری و تعمیرات دارایی نمی‌شوند. چنین پیشرفت‌هایی ماحصل روشی است که در آن سازمان‌ها از داده‌های دیجیتال خود جهت بهینه‌سازی فعالیت‌های نگهداری و تعمیرات استفاده می‌کنند از جمله: تطبیق جدول زمانی، ساده‌سازی برنامه‌ها و اولویت بندی تخصیص منابع.

در مرکز یک برنامه DRM کارآمد، یک سیستم مدیریت عملکرد دیجیتال وجود دارد. این سیستم شامل استفاده از تجزیه و تحلیل توصیفی و تجسم داده‌ها برای ارائۀ یک چشم انداز واقع‌بینانه از سلامت دارایی و عملکرد قابلیت اطمینان است. مدیریت عملکرد دیجیتال به طور اتوماتیک به تولید و ارائۀ معیارهای کلیدی و اطلاعات کیفی‌ای نظیر داده‌های اثربخشی کلی تجهیزات (OEE) یا دلایل فقدان آن‌ها می‌پردازد که شرکت‌ها از آن در برنامه‌های قابلیت اطمینان خود استفاده می‌کنند. این نوع اتوماسیون اهرم بهبود قدرتمندی است که کارکنان بخش نگهداری و تعمیرات را از شرّ فرایندهای زمانبر و مستعد خطا در جمع‌آوری و تجزیه و تحلیل داده‌ها خلاص می‌کند.  همچنین این اتوماسیون پشتیبان تصمیم‌گیری‌های مبتنی بر واقعیت، شناسایی سریع روندها، مداخله به موقع و تغییر در سرمایه‌گذاریِ تجهیزات، فرآیندها و سیاست‌ها است.

چرخه زمان و کارآمدی فعالیت‌های مهندسی-قابلیت اطمینان، اغلب به دلیل از دست دادن اطلاعات یا همراستایی ضعیف بین عملیات، قابلیت اطمینان و تیم‌های نگهداری و تعمیرات، با مشکل روبرو می‌شود. سیستم‌های گردش کار مهندسی-قابلیت اطمینان با ردیابی کامل چرخه عمرِ هر واحد کاری -که توسط مهندسی-قابلیت اطمینان اداره می‌شود- به رفع چنین شکاف‌هایی کمک می‌کنند. حداقل این سیستم‌ها جزئیات رویداد یا رویدادهایی که دلیل تحقیقِ تیم مهندسی-قابلیت اطمینان هستند؛ همچنین اقدامات صورت گرفته در پاسخ به این رویدادها و نتایج آن اقدامات را ثبت و ضبط می‌کنند.


استراتژی‌های دارایی دیجیتال

ابزارهای دیجیتال جدید می‌توانند به تسریع و استانداردسازی آنالیز هزینه-سود و تصمیم‌گیری‌های حامی فعالیت‌های نگهداری و قابلیت اطمینان، کمک می‌کنند. برای مثال، ابزارهای مدیریت دارایی دیجیتال، به تیم‌های قابلیت اطمینان کمک می‌کنند تا بتواند استراتژی نگهداری و تعمیرات درست (مانند کارکرد تا خرابی، نگهداری و تعمیرات پیشگیرانۀ برنامه‌ریزی شده یا نگهداری و تعمیرات مبتنی بر وضعیت) را برای هر دارایی انتخاب کنند.



مدیریت کار دیجیتال

ابزارهای دیجیتال نوین در حال ارائه راهکاری جدید برای برنامه‌ریزی و مدیریت فعالیت‌های نگهداری و تعمیرات و قابلیت اطمینان شرکت‌ها هستند. مدیریت کار دیجیتال شامل دیجیتال‌سازی فرآیند و تجزیه و تحلیل داده-محور برای بهبود اثربخشی و کارایی نگهداری و تعمیرات است. کاربردهای نمونه شامل مواردی چون الگوریتم‌های زمان‌بندی اتومات، محیط‌‌های برنامه‌ریزی دیجیتال و تبلت‌ها یا دستگاه‌های پوششی برای ورود داده‌های میدانی و بازیابی آن‌هاست.


جمع بندی

بیشتر بازیکنان عرصه صنعت چه آگاه باشند، چه نباشند، به نوعی با DRM درگیر هستند. این افراد در حال حاضر سفارش‌های کاری خود را در سیستم برنامه‌ریزی منابع سازمانی (ERP) یا سیستم مدیریت دارایی ثبت می‌کنند و بسیاری از دارایی‌هایی آن‌ها در حال تولید و جمع‌آوری داده‌ها هستند؛ حتی اگر این داده‌ها بسیار پراکنده باشند یا بسیار کم مورد استفاده قرار گیرند.

در حال حاضر، این رویکردِ «دیجیتال‌سازی به طور پیش‌فرض» آن‌‌چنان که باید، تأثیرگذار نیست. وقتی در اوایل سال جاری از یک گروه از مدیران نگهداری و تعمیرات نظر سنجی کردیم، تنها 50 درصد اذعان داشتند که اطلاعات فعلی و معماری عملیاتی (IT/OT) آن‌ها به حدِ کافی از فرآیندهای نگهداری و تعمیرات و قابلیت اطمینان‌شان پشتیبانی می‌کند و کمتر از 20 درصد نیز بر این باور بودند که کارکنان نگهداری ‌و تعمیرات آن‌ها تجربه کاربری مثبتی دارند.

تغییر به رویکرد پیش‌کنشی، جامع و منطقی در مورد استراتژی نگهداری و تعمیرات و قابلیت اطمینان دیجیتالی گامی حیاتی برای اغلب سازمان‌هاست. این امر شامل ارزیابی دقیق شیوه‌های فعلی نگهداری و تعمیرات و قابلیت اطمینان است تا مشخص کند در کدام قسمت از ثبت بهبود یافته داده، فهم آنالیز پیشرفته، و کنترل بیشتر سیستم‌های اجرای جدید نگهداری و تعمیرات دیجیتال می‌تواند اثربخش باشد. نکته کلیدی این است که دید کلی گسترده به برنامه‌های بالقوه داشته باشید و در مورد چگونگی تلفیق و یکپارچگی ابزارهای جدید، فناوری‌ها و رویکردها بیاندیشید.

حرکت به سمت دنیای جدید قابلیت اطمینان و نگهداری و تعمیرات دیجیتال نیز همچون هر دگرگونی چشمگیر دیگری، نیازمند آن خواهد بود که شرکت‌ها در آرزوهای‌شان جدی باشند و در تحول رویکرد و چشم‌انداز بلند مدت خود به شکل ساختاریافته عمل کنند.

منبع:

https://www.mckinsey.com/business-functions/operations/our-insights/digitally-enabled-reliability-beyond-predictive-maintenance