予測分析:メンテナンスを超えた価値の解放

予測分析プログラムから実際のメリットを得ていますか?ほとんどの予測分析プログラムは、振動ベースの予測メンテナンス プログラムに代わるものです。 障害防止という唯一の使命に焦点を当てました。 1980 年にマイクロプロセッサ ベースのデータ コレクタが開始されて以来、これらのプログラムのうち、定期的なコストを相殺する検証可能な節約効果が得られたプログラムは 3% 未満です。

全体として、これらのプログラムは計画外のダウンタイムの削減を宣伝していますが、いずれの場合も、保留中の障害と認識されるのを防ぐために必要な計画的ダウンタイムは増加しました。これらのプログラムのほとんどは、全体的なメンテナンスのダウンタイムだけでなく、全体的なメンテナンスの人件費や資材コストも増加させています。これらのプログラムは一見利益があるように見えますが、逆効果であることが判明しています。技術的な制限のためではなく、これらの技術の不適切な使用が原因です。

3 つの主要な要因により、 予測分析 のメリットが制限されています。 提供できるものは次のとおりです:

• 障害の予防に重点を置いても、良い結果が得られないことがあらかじめ決まっています。それがあなたが望んでいることであれば、それが達成できる最善のことであり、障害の予防は信頼性の向上やコストの削減には何の役にも立ちません。 
• 予測分析をメンテナンスとメンテナンスの欠陥に限定する - データによると、資産障害の 17% はメンテナンスの問題が原因であり、大部分 (83%) は組織内のその他の欠陥が原因です。運用モードなどの原因要因を分析に含めるように範囲を拡大することは、障害の背後にある強制機能を理解するのに役立つだけでなく、信頼性を低下させ、運用コストを増加させる欠陥を特定することにも役立ちます。
• プログラムからバリュー ストリーム資産を省略 - テクノロジー ベンダーによって条件付けされた振動プログラムには、単純な回転資産、電気機器のサーモグラフィー、振動のバックアップとしての潤滑油分析が含まれます。明らかな欠落は、収益を生み出す資産です。資産は単純ではなく、動的ではない可能性がありますが、資産なしでは会社は存続できません。

予測分析は単なるメンテナンスではなく、予測メンテナンスの単なる代替品でもありません。制限はありません。予測分析は、 それが物理的資産であるかどうかにかかわらず、あらゆる定期的なアクティビティに適用できます。 、実稼働システム、または組織の財務部門。この記事では、物理的な資産と、運用ダイナミクスに基づいた予測分析によって資産から最適なパフォーマンスを獲得し維持できるようにする方法について説明します。

資産から最適なパフォーマンス、信頼性、経済的耐用年数を実現したい場合は、効果的な真の予測分析へのこの啓発的なアプローチに参加してください。障害の防止だけに重点を置くのではなく、バリュー ストリームと重要な補助資産を設計または最適な運用条件で維持することに重点を置くことで、障害が減るだけでなく、経済的な耐用年数が延長され、組織の総所有コストが削減されます。これが、投資資本に対する最適な収益を獲得し、収益を生み出す唯一の効果的な方法です。

はじめに

これらのレガシー プログラムの失敗を引き起こす共通の要因の 1 つは、その背後にある原因要因ではなく、資本資産の失敗モードに固執していることです。簡単な例としては、不良ベアリングを特定し、ベアリングを交換するための修正措置を講じることが挙げられます。しかし、ベアリングが故障した原因についての明白な疑問を持たずに、それは失敗する運命にある、自己完結型の予言になります。

物理的な障害がダウンタイムと高額なメンテナンスコストを引き起こす主な原因だったとしても、このアプローチでは問題を解決することはできません。信頼性や経済的耐用年数を低下させ、それによって運用コストやメンテナンスの設備投資を増加させる根本的な原因に焦点を当てるまでは、予測分析プログラムは惨めな失敗に終わる運命にあります。 

故障ベースのアプローチの一例は、工場向けの契約予知保全プログラムを導入した大規模な統合製鉄所でした。プログラムが開始される前は、予定外のダウンタイムと高額なメンテナンス費用が工場を悩ませていました。プログラム開始から 6 年後、 彼らは予定外のダウンタイムが減少したと報告しました。 35% 減少します。

結果的には成功ですよね？この 6 年間の実際の変化を見るとそうではありません。確かに、予定外のダウンタイムは短くなりましたが、不良と思われるベアリング、ギア、その他の摩耗部品を交換するための計画的なダウンタイムは 65% 増加しました。

もう 1 つの注目すべき変化は、前年比のメンテナンス費用です。人件費と材料費の合計は 80% 以上増加しました。交換用ベアリングのコストは 240 万ドルから 1,470 万ドルに増加し、ギアやその他の摩耗部品も同様のパターンに従いました。 

失敗は当たり前ではありません。信頼性が高く、設計制限内で一貫して運用され、適切な維持メンテナンスが受けられるように設計された資産は、設計耐用年数を超えても信頼性を維持します。失敗主導型の予測分析の問題は、資産の運用と維持の方法が自己実現的な予測になる可能性があることを認識していないことです。摩耗を加速させ、摩耗を加速させる異常な動作状態を引き起こし、少なくとも損傷を軽減する持続的なメンテナンスを延期します。

解決策

予測分析の制限を解決することは、少なくとも技術的な観点からは、それほど難しいことではありません。従来の予測テクノロジーには制限がありません。効果的に使用すると、ポジティブな結果を達成する手段となります。

製鉄所が良い例です。彼らのプログラムが失敗主導から真の予測分析に移行すると、その変化はほぼ即座に現れました。 1 年も経たないうちに、メンテナンス資材のコストは 200 万ドル未満に下がりました。

ベアリングを例として使用すると、新しいプログラムは報告されたベアリングの故障の背後にある原因に焦点を当て、それらを除去するための是正措置を実施しました。原因要因を排除すると、コストの上昇を引き起こした慢性的な早期故障が即座に解消され、交換コストが大幅に削減されました。

2 年目では、ベアリングやその他の摩耗部品のコストがさらに下がりました。メンテナンスコストが 60% 削減されたため、工場は焦点を変更する前よりも 30% 高い速度で一貫して生産できるようになりました。 

予測分析プログラムを成功させるには、プラントを構成する資産、システム、プロセスの動作ダイナミクスを考慮する必要があります。ダイナミクスを定義する固有の設計制限、動作モード、および持続的なメンテナンスのレベルを考慮する必要があります。 

故障主導型分析と真の予測分析の違いを示すもう 1 つの例には、製油所内の 700 台のスラリー ポンプが含まれます。この製油所には、ポータブル データ コレクターを使用した確立された予知保全プログラムがありました。技術者は毎日自分のルートを忠実に歩き回り、差し迫った故障を防ぐために各ポンプのメンテナンスが必要な時期をシステムが報告しました。

時間の経過とともに、ポンプの再構築に関連するコストは年間 1,000 万ドル以上に増加しました。帳簿上、プログラムは機能しており、ポンプの故障によるダウンタイムはほとんど報告されていませんでした。 

真のオペレーティングダイナミクス予測分析プログラムが予測メンテナンス プログラムに取って代わられたとき 、結果は劇的に変わりました。新しいプログラムは故障モードで停止するのではなく原因要因を探したので、ポンプの 11% が毎年大規模な修理を必要とする理由はその動作モードにあることが明らかになりました。

遠隔制御の排出バルブが各ポンプを制御しました。分析により、制御範囲によりポンプがベスト プラクティスの推奨事項を十分に超えて動作することが強制されていることが認識されました。その結果生じる不安定性により、回転アセンブリとケーシングの摩耗が加速され、深刻な損傷が発生しました。

この問題を解決するために、顧客は動作パラメータを変更して制御範囲を BEP の +/- 10% に制限し、年間修理コストを 100 万ドル未満に下げることができました。予測分析のもう 1 つの利点は、古い制御範囲が電力消費に与える影響を認識できることです。

BEP の 160 ブレーキ馬力の代わりに、ポンプは平均ほぼ 300 馬力を引き出していました。年間電力消費量の差は 700 万ドル以上でした。この 1 つのアプリケーションでは、予測分析によって前年比コストが 1,600 万ドル以上削減されました。 。 

仕組み

予測分析を資産管理に適用することはそれほど複雑ではありません。論理的に考えて、組織内の資産の信頼性と持続可能性の要件を明確に判断する必要があります。 

次の手順でプロセスを定義します:
 

各資産の固有の信頼性を判断する

信頼性は設計によって決まります。最適な投資収益率を得るには、設計後のすべてのアクティビティがその固有の信頼性を維持する必要があります。この最初の重要なステップは、各資産またはシステムの固有の弱点だけでなく、固有の信頼性を維持し、各資産の最適な経済的耐用年数を達成するために必要な運用および保守のモードも決定します。 

失敗の物理学

各資産またはシステムのすべての障害モードとその原因要因を明確に定義します。これは単純なFMEA以上のものでなければなりません。 または認識された失敗のリスト。生産やメンテナンスといったさまざまな運用モードの影響など、ベスト プラクティスからのあらゆる逸脱を考慮する必要があります。不適切なメンテナンスが原因で発生する資産障害はわずか 17% であることを忘れないでください。残りの 83% は業務上の不備が原因です。

障害を理解することは重要ですが、その障害を引き起こす原因要因や強制機能を理解することが重要です。障害モードがわかっていれば、それを予測して迅速に回復できるかもしれませんが、それは信頼性の向上や再発の防止には何の役にも立ちません。原因要因は、障害の初期およびすべての再発を防ぐために必要な知識を提供します。

故障モードと原因要因を特定するパラメータ

固有の信頼性、故障モード、およびその原因要因を深く理解したら、次のステップは、予測分析エンジンへの入力として必要な振動や熱分布などの特定のパラメーターを決定することです。予測分析は、他の形式の診断と同様、入力データの品質と完全性に依存します。

たとえば、高解像度の広帯域および離散狭帯域の振動データの入力は、ポンプの機械的状態を効果的に分析するには十分ですが、不明なまま放置すると故障につながる可能性のある偏差の早期検出と修正を可能にする原因要因を特定するには十分ではない可能性があります。ほとんどの場合、これらのパラメータは、既存の監視および制御システムから抽出されたプロセス データと、予測分析エンジンに不可欠な直接測定されたデータの組み合わせになります。動的な資産とシステムでは、後者には、資産、プロセス、またはシステム上に戦略的に配置されたエッジ分析、機械学習、人工知能を組み込んだスマート センサーの使用が含まれます。

異常検出モデル

この議論でこれまでに得られた知識を組み合わせると、効果的な予測分析の最後のステップは、各資産、システム、またはプロセスから継続的なデータを取り込み、すべての変数を自動的に分析し、正常からのすべての逸脱を特定し、各逸脱の背後にある原因要因を特定し、是正措置のための規範的な指示を生成できる、運用ダイナミクスまたは物理ベースのモデルを開発することです。明らかに、ODA モデルが効果的な予測分析の鍵です。経験豊富な信頼性エンジニアであれば、ライフサイクルのある時点で特定の資産を評価し、同じことを実行できる必要があります。

違いは、すべての資産を継続的に分析するのに十分な資格のある信頼性エンジニアがいないこと、または 1 日に時間が足りないことです。予測分析エンジンは、疲れたり、退屈したり、気が散ったりすることはありません。

結論として、予測分析プログラムの真の有効性は、その単なる存在ではなく、戦略的な実装にあります。障害の予防に重点を置くのが一般的ですが、それは善意ではありますが、根本的な原因要因に対処できないため、不十分であることがよくあります。資産のダイナミクスと運用の複雑さを包含する総合的なアプローチへの移行は、障害主導型から真の予測分析パラダイムへの移行の成功によって証明されているように、具体的なメリットをもたらします。 

バリューストリームと補助資産を維持することが非常に重要であることを認識することで、組織は障害を軽減するだけでなく、パフォーマンスを最適化し、総所有コストを削減することもできます。信頼性を高め、経済的耐用年数を延長し、運用コストを最小限に抑えるためのツールとして予測分析を採用することは、プロアクティブな資産管理戦略へのパラダイム シフトを意味し、投資資本に対する最適な利益率と持続的な収益創出を確保します。

著者について

著者について