Εισαγωγή
Η διατήρηση ακριβών δεδομένων CMMS/EAM είναι μια σημαντική πρόκληση για τον κλάδο σήμερα. Η συλλογή και η διατήρηση ποιοτικών δεδομένων απαιτεί πειθαρχημένες διαδικασίες εργασίας που διασφαλίζουν ότι οι ακριβείς, πλήρεις και σχετικές πληροφορίες καταγράφονται στο σύστημα CMMS/EAM. Η σωστή εκτίμηση μετρήσεων όπως ο χρόνος διακοπής λειτουργίας και η διαθεσιμότητα από τα αρχεία συντήρησης CMMS/EAM είναι συχνά δύσκολη, καθώς οι ημερομηνίες ανοίγματος και κλεισίματος στις παραγγελίες εργασίας είναι συχνά ανακριβείς. Σε πολλές περιπτώσεις, τα αρχεία συντήρησης έχουν τις ίδιες ημερομηνίες ανοίγματος και κλεισίματος ή μένουν ανοιχτά για χρόνια πριν κλείσουν. Τέτοιες ανακρίβειες αρχείων συντήρησης παραμορφώνουν την εγκυρότητα κατά την αξιολόγηση των μετρήσεων αξιοπιστίας και τη συγκριτική αξιολόγηση της απόδοσης.
Η εμφάνιση των διεργασιών και άλλων εργαλείων συλλογής δεδομένων από μηχανή σε μηχανή (M2M) επιτρέπει στις εταιρείες να δημιουργήσουν έναν ενάρετο κύκλο βελτίωσης δεδομένων. Εκτός από την παροχή πιο ακριβών εκτιμήσεων των τιμών μετρήσεων, μπορούμε να βελτιώσουμε την αξία των δεδομένων αρχείων συντήρησης χρησιμοποιώντας συμπληρωματικές πληροφορίες από πολλαπλές πηγές για τον εντοπισμό περιοχών όπου τα δεδομένα CMMS/EAM μπορούν να βελτιωθούν καθώς και για να επαληθεύσουμε την πληρότητα της εργασίας CMMS/EAM συμμόρφωση των διαδικασιών.
Τομείς βελτίωσης
Προσδιορίστε περιοχές όπου τα δεδομένα μπορούν να βελτιωθούν
Οι ανακρίβειες στα δεδομένα αρχείων συντήρησης μπορεί να προέρχονται από διάφορες πηγές. Μερικές από αυτές περιλαμβάνουν:
- Οι ημερομηνίες στα αρχεία συντήρησης εξάγονται από την παραγγελία εργασίας και ενδέχεται να μην υποδεικνύουν τις πραγματικές ημερομηνίες έναρξης και λήξης λόγω των καθυστερήσεων στην εισαγωγή δεδομένων στην παραγγελία εργασίας.
- Σε ορισμένες περιπτώσεις, λόγω της έλλειψης πεδίου ημερομηνίας ολοκλήρωσης συντήρησης στο σύστημα CMMS/EAM, η ημερομηνία κλεισίματος της παραγγελίας εργασίας μπορεί να θεωρηθεί ως η ημερομηνία ολοκλήρωσης της συντήρησης. Ωστόσο, λόγω καθυστερήσεων στη λήψη λογαριασμών υλικών και ωρών εργολάβου, ενδέχεται να υπάρξουν σημαντικές καθυστερήσεις στο κλείσιμο των παραγγελιών εργασίας, υποδηλώνοντας υψηλότερο χρόνο διακοπής λειτουργίας από ό,τι στην πραγματικότητα.
- Η συλλογή των ημερομηνιών έναρξης εκδήλωσης, έναρξης συντήρησης και ολοκλήρωσης συντήρησης ενδέχεται να είναι ανεπαρκής και μπορεί να υπάρχει μεγάλο ποσοστό παραγγελιών εργασίας που λείπουν αυτές οι ημερομηνίες.
- Οι ημερομηνίες εν λειτουργία και εκτός λειτουργίας εξοπλισμού παραγγελίας εργασίας παραμένουν κενές. Επειδή αυτές οι ημερομηνίες παραμένουν κενές, η ημερομηνία λήξης χρήσης αντικαθίσταται συχνά με την ημερομηνία ολοκλήρωσης της συντήρησης.
- Η ημερομηνία έναρξης συντήρησης δεν αντικατοπτρίζει πάντα την ημερομηνία που ο εξοπλισμός τέθηκε εκτός λειτουργίας, επειδή η συντήρηση μπορεί να ξεκινήσει με κάποια προεργασία, όπως σκαλωσιές κτιρίου. Κατά τη διάρκεια αυτής της προεργασίας, ο εξοπλισμός μπορεί να εξακολουθεί να λειτουργεί.
- Χωρίς ρητή ένδειξη στο CMMS/EAM, είναι δύσκολο να προσδιοριστεί εάν ένας εξοπλισμός χρειαζόταν τερματισμό λειτουργίας για συντήρηση ή εάν η εργασία εκτελέστηκε ενώ ο εξοπλισμός ήταν συνδεδεμένος.
Ο παρακάτω πίνακας δείχνει ένα παράδειγμα διαφορών μεταξύ του historian και των καταγεγραμμένων ημερομηνιών διακοπής λειτουργίας CMMS/EAM για κρίσιμες φυγόκεντρες αντλίες σε μια τοποθεσία διύλισης. (Ορίζουμε το χρόνο διακοπής λειτουργίας CMMS/EAM ως «Ημερομηνία ολοκλήρωσης συντήρησης – Ημερομηνία έναρξης συντήρησης» και το χρόνο διακοπής ιστορικού ως «Έναρξη ιστορικού – Διακοπή ιστορικού»).
Περιπτώσεις
Περίπτωση 1
Έγινε έκτακτη επισκευή για να κλείσει μια τρύπα στη γραμμή έκπλυσης στεγανοποίησης και ο εξοπλισμός τερματίστηκε για να γίνει η επισκευή. Τέσσερις ημέρες αργότερα δημιουργήθηκε το αίτημα εργασίας και η εντολή εργασίας και δεν δόθηκε προσοχή στις πραγματικές ημερομηνίες επειδή η διαδικασία δεν απαιτούσε να υπάρχουν αυτές οι ημερομηνίες. Ο χρόνος διακοπής λειτουργίας CMMS/EAM είναι 0 ώρες ενώ ο χρόνος διακοπής του historian είναι 5 ώρες.
Περίπτωση 2
Έγινε επισκευή σε μια βαλβίδα αλλά η βαλβίδα δεν βγήκε εκτός λειτουργίας όταν έγινε η επισκευή. Ωστόσο, ο τεχνικός καταγράφει στο φύλλο ώρας του πότε ξεκίνησε και πότε τελείωσε η συντήρηση. Ο χρόνος διακοπής CMMS/EAM είναι 11 μήνες ενώ ο χρόνος διακοπής ιστορικού είναι 0 μήνες.
Περίπτωση 3
Εντοπίστηκε διαρροή χαμηλής προτεραιότητας και ο σχεδιαστής αποφάσισε να κάνει την επισκευή στην επόμενη προγραμματισμένη διακοπή λειτουργίας που είχε προγραμματιστεί για περισσότερο από ένα χρόνο αργότερα. Ο σχεδιαστής ξέχασε να ορίσει την ημερομηνία έναρξης συντήρησης στην εντολή εργασίας στην ημερομηνία έναρξης του προγραμματισμένου τερματισμού λειτουργίας. Ο χρόνος διακοπής λειτουργίας CMMS/EAM είναι 21 μήνες ενώ ο χρόνος διακοπής ιστορικού είναι 11 ημέρες.
Περίπτωση 4
Ένας σωλήνας διαρρέει σε δυσπρόσιτη τοποθεσία και πρέπει να κατασκευαστούν ικριώματα για να φτάσετε σε αυτόν και να εγκαταστήσετε έναν σφιγκτήρα. Η κατασκευή της σκαλωσιάς ξεκινά μια εβδομάδα πριν οι εργασίες έχουν την ευκαιρία να κλείσουν τον σωλήνα που έχει διαρροή. Ο χρόνος διακοπής λειτουργίας CMMS/EAM είναι 7 ημέρες ενώ ο χρόνος διακοπής ιστορικού είναι 9 ώρες.
Περίπτωση 5
Υπάρχει σοβαρή διαρροή νερού σε μια αντλία που πρέπει να επιδιορθωθεί αμέσως από το πλήρωμα που βρίσκεται σε ετοιμότητα. Γράφεται μια έντυπη εντολή εργασίας που εισάγεται την επόμενη μέρα στο σύστημα CMMS/EAM. Ο υπάλληλος που εισάγει την παραγγελία εργασίας δεν μπαίνει στον κόπο να εισάγει τις ημερομηνίες έναρξης και ολοκλήρωσης της συντήρησης. Ο χρόνος διακοπής λειτουργίας CMMS/EAM είναι άγνωστος ενώ ο χρόνος διακοπής ιστορικού είναι 3 ώρες.
Πώς να βελτιώσετε τα δεδομένα
Προσδιορίστε πώς μπορείτε να βελτιώσετε τα δεδομένα χρησιμοποιώντας περισσότερα δεδομένα
Τα διαθέσιμα δεδομένα από πολλές πηγές μπορούν να χρησιμοποιηθούν για τη βελτίωση της ποιότητας των δεδομένων εντοπίζοντας ασυνέπειες. Σχεδιάζουμε τη σχέση μεταξύ του χρόνου διακοπής λειτουργίας CMMS/EAM και του χρόνου διακοπής λειτουργίας ιστορικού στο Σχήμα 1 για διαφορετικά συμβάντα επισκευής σε κρίσιμες φυγόκεντρες αντλίες σε μια τοποθεσία για μια χρονική περίοδο 5 ετών.
Σχήμα 1 Σύγκριση εκτιμήσεων χρόνου διακοπής λειτουργίας για το ιστορικό εργασίας σε κρίσιμες φυγόκεντρες αντλίες μεταξύ των δεδομένων αρχείων συντήρησης και του χρόνου διακοπής λειτουργίας που μετρήθηκε από το historian της διεργασίας.
Το γράφημα επισημαίνει διαφορετικές περιοχές που περιγράφουν διαφορετικούς τύπους σχέσεων μεταξύ εκτιμήσεων χρόνου διακοπής λειτουργίας από τις διαφορετικές πηγές δεδομένων. Η πράσινη περιοχή προσδιορίζει συμβάντα επισκευής όπου οι δύο χρόνοι διακοπής λειτουργίας είναι ταυτόσημοι, ενώ η κόκκινη και η κίτρινη περιοχή προσδιορίζουν συμβάντα όπου τα δεδομένα CMMS/EAM πρέπει να ελεγχθούν εκ νέου για ακρίβεια. Οι επισκευές στην κόκκινη περιοχή αντιστοιχούν σε διαδικασίες εργασίας όπου η εισαγωγή δεδομένων στο σύστημα CMMS/EAM είναι βασικά εσφαλμένη, όπως στις περιπτώσεις 2 και 4 παραπάνω. Οι επισκευές στις επισημασμένες κόκκινες περιοχές αντιστοιχούν σε συμβάντα όπου ο χρόνος διακοπής λειτουργίας CMMS είναι μηδέν αλλά ο εξοπλισμός είναι εκτός λειτουργίας, όπως οι περιπτώσεις 1 και 5. Οι επισκευές στην κίτρινη περιοχή αντιστοιχούν σε τυχαία λάθη όπως περιγράφονται στην περίπτωση 3.
Συμπέρασμα
Πολλά προβλήματα ποιότητας δεδομένων προέρχονται από την ανεπαρκή εφαρμογή CMMS/EAM ή από τη μη ακριβή παρακολούθηση των διαδικασιών εργασίας CMMS/EAM. Ορισμένες εταιρείες κατάφεραν να βελτιώσουν την ποιότητα των δεδομένων θέτοντας διάφορους ελέγχους και ισορροπίες στα συστήματα CMMS/EAM τους, όπως να μην επιτρέπουν το κλείσιμο της παραγγελίας εργασίας έως ότου συμπληρωθούν όλα τα απαιτούμενα πεδία ή να απαιτήσουν την εξέταση της εντολής εργασίας από έναν μηχανικό αξιοπιστίας πριν από το κλείσιμο. Η χρήση δεδομένων M2M για την αυτοματοποίηση αυτής της διαδικασίας θα βελτιώσει την ποιότητα των δεδομένων, η οποία με τη σειρά της θα βελτιώσει την ακρίβεια της μέτρησης και θα οδηγήσει σε πιο ενημερωμένες αποφάσεις, αυξημένο κέρδος και ασφαλέστερο εργασιακό περιβάλλον.
*Σημείωση: Τα δεδομένα που εμφανίζονται σε αυτήν την ανάρτηση ιστολογίου έχουν προσομοιωθεί για την προστασία των δυνητικά ευαίσθητων πληροφοριών πελατών.
Sarah Lukens, Data Scientist, Asset Performance Management, GE Digital
Μετάφραση:
Λάμπης Κουζούμπασης, Μηχανικός Συστημάτων Ελέγχου,
ΚΗΡΕΑΣ ΠΡΟΗΓΜΕΝΕΣ ΤΕΧΝΟΛΟΓΙΕΣ ΙΚΕ