ZBIERANIE DANYCH NA POTRZEBY NIEZAWODNOŚCI

Transkrypt

1 BalticBerg lipiec 2018 ZBIERANIE DANYCH NA POTRZEBY NIEZAWODNOŚCI Dane, analiza, niezawodność O ARTYKULE W ostatnich latach najbardziej popularnym tematem w obszarach utrzymania ruchu i zarządzania technicznego jest niezawodność systemów technicznych. Zainteresowanie zagadnieniem jest jak najbardziej uzasadnione, ponieważ w zależności od bieżącej sytuacji firmy, właściwe zarządzanie niezawodnością pozwala na osiąganie pożądanych celów takich jak: zwiększanie dostępności technicznej instalacji produkcyjnych, obniżanie kosztów utrzymania technicznego, wydłużenie cyklu życia obiektów technicznych czy ograniczanie ryzyka eksploatacyjnego. AUTOR Wojciech Piwoński Operations Manager, Senior Consultant BalticBerg Consulting Prowadzi projekty doradcze na rzecz Klientów w Polsce i za granicą w zakresie audytów obszarów zarządzania technicznego, wdrażania prewencyjnego UR (analiza krytyczności, opracowanie planów prewencyjnych), analiz RCFA (Root Cause of Failure Analysis) oraz mapowania procesów biznesowych z użyciem języka BPMN. Posiada praktyczne doświadczenie w utrzymaniu ruchu. W ramach realizowanych projektów wykazał umiejętności systemowego rozwiązywania problemów, znajomość metodologii CBM (Condition Based Maintenance) oraz praktycznego wykorzystywania narzędzi operacyjnych m.in. FMEA, 5S, 5W, Fishbone (Ishikwa diagram), Autonomous Maintenance. 1

2 Zbieranie danych na potrzeby niezawodności Wprowadzenie W ostatnich latach najbardziej popularnym tematem w obszarach utrzymania ruchu i zarządzania technicznego jest niezawodność systemów technicznych. Zainteresowanie zagadnieniem jest jak najbardziej uzasadnione, ponieważ w zależności od bieżącej sytuacji firmy, właściwe zarządzanie niezawodnością pozwala na osiąganie pożądanych celów takich jak: zwiększanie dostępności technicznej instalacji produkcyjnych, obniżanie kosztów utrzymania technicznego, wydłużenie cyklu życia obiektów technicznych czy ograniczanie ryzyka eksploatacyjnego. W skrócie - inwestycja w niezawodność to w większości sytuacji inwestycja o bardzo wysokiej stopie zwrotu! Podejście pro-niezawodnościowe a rodzaje analiz Mówiąc o podnoszeniu niezawodności myślimy o analizach jakościowych - eksperckich (np. RCFA Root Cause of Failure Analysis, RCM Reliability Centred Maintenance, FMEA Failure Mode Effects Analysis) lub analizach niezawodnościowych ilościowych - statystycznych (np. LDA Life Data Analysis, RAM Reliability, Availability, Maintainability, RGA Reliability Growth Analysis) oraz działaniach wynikających z tych analiz (plany prewencyjne, modernizacje, dopasowanie resursów wymian itp.). W przypadku analiz ilościowych głównym tematem zainteresowania jest czas przeżycia obiektów nienaprawialnych lub możliwych do odtworzenia do 100% potencjału eksploatacyjnego. Chodzi tu o pewne (czasem niewygodne) założenia jakie towarzyszą tym analizom. W przypadku analiz jakościowych, wykorzystuje się dane o bardzo zróżnicowanym charakterze. Co jest jednak fundamentem podejścia pro-niezawodnościowego? Niezależnie od rodzaju analizy, fundamentalnym elementem każdej z nich jest dostępność danych eksploatacyjnych w ustalonym standardzie jakości, który odpowiada rodzajowi analiz, które będą wykonywane. W tym miejscu wiele firm napotyka przeszkodę uniemożliwiającą rzetelne przeprowadzenie pożądanych działań. Rysunek 1 przedstawia umiejscowienie różnych analiz niezawodnościowych w miarę rozwoju zarządzania niezawodnością. Rysunek 1. Umiejscowienie analiz niezawodnościowych w miarę rozwoju zarządzania niezawodnością Zbieranie danych na potrzeby niezawodności - Copyright All rights reserved by BalticBerg Consulting 2

3 W BalticBerg standard jakości danych ustalany dla naszych Klientów proces zbierania danych uwzględnia szereg wymagań, których spełnienie umożliwia późniejsze efektywne przeprowadzanie analiz: określone miejsca wprowadzania i przechowywania danych (systemy IT), zapewnienie rzetelności i powtarzalności danych, odpowiedni poziom szczegółowości rejestrowanych danych, rejestracja danych na odpowiednim poziomie struktury technicznej. Brak standardu zbierania danych powoduje powstawanie szeregu problemów podczas wdrożeń analiz niezawodnościowych, do najczęściej spotykanych należą: system i forma gromadzenia danych uniemożliwiają lub utrudniają dostęp do danych, dane są nierzetelne, niekompletne dane, zbyt wysoki poziom rejestracji danych. Umiejscowienie problemów w cyklu przetwarzania danych przedstawia Rysunek 2: Zdarzenia eksploatacyjne Nie wszystkie zdarzenia odnotowywane Wdrożenie rekomendacji Rejestracja danych Brak lub niekompletne dane finansowe. Zbyt wysoki poziom rejestracji danych Brak wskaźników efektywności Przeprowadzanie analiz Przechowywanie danych Rysunek 2. Problemy dotyczące danych na różnych etapach analiz Dane w wielu systemach lub w formie papierowej Rzetelność danych a analizy ilościowe i jakościowe Do niedawna pierwszym etapem we wdrożeniach ukierunkowanych na niezawodność było wdrożenie chociażby najprostszego narzędzia pozwalającego na gromadzenie danych o podstawowych zdarzeniach eksploatacyjnych, czyli zdarzeniach awaryjnych i naprawach. Obecnie coraz więcej działów UR dysponuje przynajmniej podstawowym systemem CMMS lub innym narzędziem,w którym rejestrowane są z lepszą lub gorszą jakością informacje o awariach, usterkach i przeglądach. W związku z popularyzacją systemów IT w UR oraz wysoką świadomością potrzeby gromadzenia danych wśród kierowników i dyrektorów UR, problemy z całkowitym brakiem danych występują bardzo rzadko. Innym problemem związanym z gromadzeniem danych jest zbyt duża liczba miejsc przechowywania oraz forma zapisu. Jeżeli w dziale UR od dawna stosowany jest system CMMS lub dobrze skonfigurowany arkusz kalkulacyjny to dostęp do wymaganych danych zazwyczaj nie stanowi problemu. Znacznie trudniej jest przeprowadzać analizy gdy dane pochodzą z kilku baz danych (np. stary/nowy CMMS, MES Manufacturing Execution System, pojedyncze pliki arkuszy kalkulacyjnych) albo są częściowo lub w całości w formie papierowej (np. książki serwisowe, książki maszyn). W takim przypadku przed rozpoczęciem analiz należy zidentyfikować wszystkie źródła danych, określić ich jakość (użyteczność na potrzeby analiz) oraz połączyć. Zbieranie danych na potrzeby niezawodności - Copyright All rights reserved by BalticBerg Consulting 3

4 Drugą kategorią problemów często spotkanych na etapie przygotowania projektów zarządzania niezawodnością jest nierzetelność danych. Jak wcześniej wspomniano, w dzisiejszych czasach działy UR zazwyczaj dysponują bazą danych, w której gromadzą informacje jednak ich jakość w wielu przypadkach uniemożliwia wykorzystanie. Do najczęstszych przyczyn należy zaliczyć: brak systematyczności - tylko część awarii jest wpisywana do systemu, zlecenia pracy są zamykane pakietowo bez określania ich szczegółów takich jak rzeczywisty czas wystąpienia, czas usunięcia awarii, opis usterki, wykorzystane części zamienne itp. nieujednolicone rozumienie jakie dane powinny być wprowadzane np. czas rozpoczęcia awarii czasami rozumiany jest jako chwila, w której maszyna została zatrzymana, a czasami jako chwila, w której pracownik UR rozpoczął naprawę. Wykorzystanie nierzetelnych danych w analizach jakościowych zazwyczaj jest możliwe przynajmniej częściowo jako wskazówka do dalszego rozpoznania problemu. W przypadku analiz ilościowych jest to już znacznie utrudnione lub niemożliwe. Rozwiązaniem tego problemu jest stworzenie standardu jakościowego, w którym wszystkie kwestie związane z procesem gromadzenia danych eksploatacyjnych są określone. Ważnym krokiem po opracowaniu procesu jest przeszkolenie pracowników z zasad jego stosowania. Innym bardzo częstym problem związanym z danymi jest ich niekompletność dane są zbierane rzetelnie jednak na etapie wdrożenia procesu ich gromadzenia nie zostały uwzględnione wymagania związane z analizami niezawodnościowymi (np. brak przypisania części zamiennych do naprawy, brak kategoryzacji awarii i usterek). Kompletny zestaw danych umożliwia przeprowadzenie dokładniejszych analiz niezależnie od ich typu. W przypadku analiz ilościowych dobrą praktyką jest również, aby dane uwzględniały fizyczny charakter uszkodzeń na przykład w kodzie usterki. Taka informacja pozwala w łatwy sposób wyfiltrować istotne z punktu prowadzonej analizy zdarzenia. W przypadku analiz ilościowych bardzo istotne jest, aby dane zbierane były nie tylko rzetelnie i z uwzględnieniem odpowiednich informacji, ale również na odpowiednim poziomie struktury technicznej. Analizy niezawodnościowe ilościowe oparte są o analizę statystyczną życia poszczególnych elementów maszyn i instalacji. Dane o awariach, usterkach, naprawach wymianach oraz innych zdarzeniach eksploatacyjnych nie mogą być przypisane na wysokim poziomie struktury technicznej (np. linia produkcyjna, instalacja), gdyż ich ilość i opis utrudniają efektywną analizę. Zaleca się, aby dane do analiz statystycznych odnosiły się do obiektów nienaprawialnych lub odtwarzalnych w 100%. Zbieranie danych posiadających tą cechę bardzo często musiałoby odbywać się na poziomie komponentów co znacznie utrudnia proces. Nie jest to jednak konieczne w większości przypadków wystarczy, że dane zapisywane się na poziomie podsystemów funkcjonalnych, uwzględniają wymienione części zamienne oraz, w przypadku występowania wielu takich samych części, uwzględniają dokładną lokalizację wymienionego elementu w opisie zdarzenia. Podczas prowadzenia analiz w oparciu o takie dane wymagane jest poświęcenie dodatkowego czasu na ich obróbkę, ale sam proces gromadzenia wymaga mniej czasu. Warto zaznaczyć, że w większości przypadków pomimo występujących problemów ze zgromadzonymi danymi (pod warunkiem, że dane w ogóle są zgromadzone), możliwe jest przeprowadzenie analiz niezawodnościowych jakościowych lub ilościowych i opracowanie na ich podstawie zakresu działań umożliwiających osiągnięcie założonych celów. Niezbędnym może okazać się poświęcenie dodatkowego czasu na zgromadzenie i połączenie danych z wielu źródeł oraz oczyszczenie danych na potrzeby analizy. Od jakości danych zależy jakie analizy będzie można stosować oraz jaki udział wiedzy eksperckiej w analizie będzie niezbędny. Dane finansowe Opisując zbieranie danych na potrzeby niezawodności nie można pominąć najważniejszej grupy danych jakimi są dane finansowe. Podstawową informacją istotną z punktu widzenia organizacji, w której wdrażane są działania w oparciu o analizy niezawodnościowe jest odpowiedź na pytanie jaki jest efekt biznesowy?. Zagregowane koszty UR są śledzone praktycznie w każdej firmie produkcyjnej, zagadnieniem o wiele bardziej istotnym z perspektywy pomiaru efektywności działań pro-niezawodnościowych jest nadzorowanie szczegółowe: kosztów przeprowadzenia analiz, kosztów wdrożenia i prowadzenia działań zapobiegawczych, całkowitych kosztów reakcyjnego i prewencyjnego UR w rozbiciu na poszczególne linie/instalacje, wskaźników KPI (m.in. dostępność operacyjna, dostępność techniczna, MTBF Mean Time Between Failures średni czas między awariami). Zbieranie danych na potrzeby niezawodności - Copyright All rights reserved by BalticBerg Consulting 4

5 Dopiero taki zestaw danych pozwala na jednoznaczne określenie wymiaru efektów biznesowych wynikających z wdrożenia analiz niezawodnościowych. Bilansując powyższe dane, większość z nich będzie po stronie kosztów/strat, po stronie zysku znajdzie się zysk wynikający ze zwiększonej dostępności technicznej linii/instalacji. Najważniejszą kwestią, od której należy rozpocząć rozważania na temat podnoszenia niezawodności jest możliwy poziom wykorzystania zwiększonej dostępności operacyjnej linii/instalacji. Oprócz aspektów finansowych, do korzyści wynikających ze wzrostu niezawodności maszyn i instalacji należy również zaliczyć zwiększenie bezpieczeństwa w kategoriach BHP, poprawę procesów planowania produkcji i działań UR (zmniejszenie liczby nieplanowanych zatrzymać produkcji) oraz poprawę jakości produktu. W niektórych przypadkach zdarza się, że firmy chcą inwestować w niezawodność maszyn w sytuacji gdy niskie obciążenie produkcją uniemożliwia uzyskanie zysków finansowych z dodatkowo uzyskanej dostępności technicznej. W takiej sytuacji kwestią decyzji jest czy korzyści poza finansowe są wystarczające dla uzasadnienia wdrożenia projektu. Podsumowanie Zamiast podsumowania kilka rad i zaleceń od BalticBerg dotyczących zbierania danych na potrzeby analiz niezawodnościowych: jakiekolwiek dane są lepsze niż ich brak nawet niskiej jakości dane można wykorzystać jako wskazówki w analizach jakościowych, niska jakość danych uniemożliwia stosowanie analiz ilościowych, które wymagają rzetelnych danych dotyczących czasów przeżycia nienaprawialnych lub w pełni odtwarzalnych obiektów, dla zapewnienia właściwej jakości danych oraz efektywności analizy należy opracować i stosować standardy zbierania danych, zbieranie danych eksploatacyjnych, szczegółowych danych finansowych oraz nadzorowanie wskaźników efektywności nt. obiektów podlegających analizom niezawodnościowym powinny być procesami równoległymi i powinny być wykorzystywane w celu ciągłego doskonalenia, standard gromadzenia danych eksploatacyjnych należy ustalać na możliwie najwyższym poziomie, szczególnie w sposób jednolity dla produkcji i utrzymania ruchu. O BalticBerg BalticBerg zajmuje się wspieraniem organizacji w zwiększaniu efektywności operacyjnej przedsiębiorstw. Specjalizujemy się w doskonaleniu procesów zarządzania technicznego, produkcji, utrzymania ruchu oraz strukturyzacją przedsiębiorstw przemysłowych. Naszą firmę cechuje kreatywność w dostosowywaniu rozwiązań i metod do statusu, kultury organizacyjnej oraz wyzwań naszych Klientów. Naszym celem jest zdiagnozowanie miejsc do potencjalnego doskonalenia, zwartościowanie i uszeregowanie ich wspólnie z Klientem, a następnie ułożenie realnego i popartego doświadczeniem planu doskonalenia operacyjnego. Zapraszamy do zapoznania się z naszą ofertą: oraz do kontaktu: info@balticberg.com BalticBerg Consulting Sp. z o. o. Sp. k. ul. Stawki 2, Warszawa REGON: , NIP: Tel info@balticberg.com Zbieranie danych na potrzeby niezawodności - Copyright All rights reserved by BalticBerg Consulting 5