Meningkatkan Perencanaan Dan Penjadwalan Pemeliharaan Dengan Otomatisasi Data

Pemeliharaan rutin peralatan produksi adalah suatu keharusan bagi setiap produsen yang ingin meningkatkan keandalan peralatan, menjaga biaya tetap terkendali, mengurangi waktu henti peralatan, dan memastikan kualitas produk mereka tidak terganggu.

Berkat kemajuan teknologi dan platform berbasis cloud yang memanfaatkan manfaat otomatisasi data, perencanaan dan penjadwalan pemeliharaan tidak hanya dapat diotomatisasi, tetapi akurasinya juga dapat ditingkatkan secara signifikan.

Dalam artikel ini, kita akan melihat lebih dekat manfaat yang sangat sederhana dan praktis dari otomatisasi data dalam konteks pemeliharaan preventif.

Dampak pemeliharaan pada intinya

Masalah pemeliharaan. Tidak ada dua cara tentang ini. Mengalokasikan sumber daya yang diperlukan seperti suku cadang dan tenaga kerja serta memastikannya tersedia saat dibutuhkan adalah inti dari menjaga peralatan tetap berjalan dan produksi tetap mengalir.

Namun, kita juga harus memahami bagaimana manajemen aset memengaruhi laba perusahaan untuk memahami gambaran lengkap tentang pentingnya hal itu dan mengapa kita perlu memiliki pola pikir peningkatan.

Beberapa manfaat yang didorong oleh biaya untuk meningkatkan pemeliharaan adalah:

1. Investasi dapat ditunda karena peralatan yang ada lebih baik digunakan.
2. Biaya akibat kerusakan berkurang karena mesin berjalan sesuai rencana.
3. Biaya produksi berkurang karena setiap operator memproduksi lebih banyak per jam.
4. Biaya per produk turun seiring dengan peningkatan kualitas produksi.

Terlepas dari status jatuh tempo pemeliharaan departemen Anda saat ini, fokus Anda pada peningkatan cara Anda melakukan pemeliharaan adalah suatu keharusan. Mengoptimalkan perencanaan dan penjadwalan perawatan berarti melakukan perawatan saat dibutuhkan dan menghindari melakukannya saat tidak diperlukan. Dengan kata lain, meningkatkan akurasi program pemeliharaan preventif Anda.

Perawatan preventif sebagai strategi paling populer

Ada berbagai strategi perawatan yang dapat Anda terapkan di pabrik Anda untuk meningkatkan perawatan, dan memilih yang tepat tergantung di mana Anda berada dalam perjalanan Anda.

Karena pemeliharaan preventif adalah yang paling populer di kalangan produsen, maka dengan melihat sekilas tentang apa strategi ini akan membantu kami memahami bagaimana kami dapat meningkatkan akurasinya menggunakan otomatisasi data.

Pemeliharaan preventif dilakukan secara berkala. Kita dapat membedakan antara dua jenis pemeliharaan preventif berdasarkan bagaimana kita mendefinisikan interval tersebut:

1. Pemeliharaan berbasis kalender: Suatu bentuk pemeliharaan terencana yang dijadwalkan sebelumnya untuk mengganti suku cadang sebelum rusak. Misalnya, menggunakan interval yang ditetapkan seperti 10, 30, atau 90 hari.
2. Pemeliharaan berbasis penggunaan. Jika perawatan berbasis kalender menggunakan interval waktu yang ditetapkan untuk mengganti suku cadang, perawatan berbasis penggunaan menggunakan interval penggunaan. Misalnya, mengganti suku cadang setelah 10.000 siklus mesin.

Jika kita membandingkan keduanya, maka yang terakhir bertujuan untuk lebih tepat. Tapi ada masalah.

Sulit bagi perusahaan yang tidak memiliki akses ke data mesin mereka untuk melacak penggunaan aset mereka secara akurat. Oleh karena itu, meningkatkan pemeliharaan juga sulit karena tingkat pemanfaatan yang akurat tidak ada.

Seperti yang akan kita lihat di bab berikutnya, hal itu dapat diselesaikan dengan otomatisasi data.

Apa yang dibawa otomatisasi data?

Dalam arti sebenarnya, otomatisasi data adalah penggunaan proses dan sistem cerdas untuk mengumpulkan, memproses, atau menyimpan sebagian besar data. Selain itu, otomatisasi data membantu menjaga konsistensi dalam hasil, yang merupakan masalah signifikan yang dihadapi oleh banyak bisnis di mana eksekusi data dilakukan secara manual. Ada perbedaan besar antara pengumpulan data manual dan otomatis.

6 dimensi kualitas data

Di pabrik, itu bisa berarti menggunakan sensor yang berbeda untuk mengumpulkan informasi produksi dan kemudian memproses data ini menggunakan sistem atau rangkaian sistem terintegrasi.

Contoh informasi yang dapat Anda kumpulkan secara otomatis meliputi:

• kecepatan dan kuantitas produksi (siklus)
• waktu aktif dan waktu henti mesin
• kualitas produk(ion)

Karena kita berbicara tentang pemeliharaan, kita harus melihat bagaimana informasi ini dapat membantu kita dalam upaya untuk meningkatkan akurasi perencanaan dan penjadwalan pemeliharaan.

Misalnya, untuk mengetahui secara akurat berapa banyak siklus yang telah dilalui mesin kita, kita perlu mengetahui produk mana yang diproduksi pada waktu tertentu. Setelah kami mengetahuinya, kami dapat menilai penggunaan sebenarnya dari mesin kami.

Contoh lain adalah waktu kerja dan waktu henti mesin. Sekali lagi, dengan otomatisasi data, kita akan tahu persis kapan mesin kita bekerja dan kapan berhenti atau tidak bekerja.

Sekarang setelah kita memahami apa peran otomatisasi data, kita dapat memusatkan perhatian kita pada bagaimana perencana pemeliharaan dan penjadwal dapat meningkatkan keakuratan jadwal PM mereka.

Menggunakan otomatisasi data untuk meningkatkan perencanaan dan penjadwalan pemeliharaan

Berikut adalah tiga cara yang sangat sederhana dan praktis untuk memanfaatkan otomatisasi data dan membuat perawatan rutin Anda lebih akurat.

#1) Kalender dan pemeriksaan berbasis penggunaan menjadi lebih pintar

Setelah Anda memiliki data mengenai kapan dan seberapa banyak mesin Anda bekerja, perencanaan dan penjadwalan perawatan menjadi lebih sederhana.

Misalnya, dengan menggunakan sensor dan sistem yang memahami informasi yang ditangkap, kami akan mengetahui apakah shift terjadwal kami memiliki produksi aktual. Jika tidak, maka kita tidak perlu menghitung waktu itu dalam interval kita. Jadi, alih-alih 30 hari kalender, Anda dapat menjadwalkan pemeriksaan setelah 30 hari kerja sebenarnya. Dan ini divalidasi dengan data dari mesin Anda.

Demikian pula, dengan otomatisasi data, Anda akan tahu persis berapa banyak siklus yang telah dilalui mesin produksi Anda.

Sistem yang diterapkan dengan baik akan dapat memberi tahu Anda produk apa yang sedang diproduksi, apa yang diproduksi sebelumnya, dan dalam jumlah berapa. Dengan kata lain, ini akan melacak penggunaan aktual aset produksi Anda. Ini juga akan memberi tahu Anda jika Anda berlari lebih lambat dari yang Anda rencanakan.

Ini berarti Anda dapat memanfaatkan otomatisasi data untuk meningkatkan akurasi dan relevansi aktivitas pemeliharaan berbasis penggunaan Anda.

#2) Pemeliharaan terkait acara

Memiliki pemahaman mendalam tentang proses produksi Anda dan berbagai peristiwa yang terjadi setiap hari dapat membuat penjadwalan pemeliharaan menjadi jauh lebih tepat. Berikut adalah tiga contoh yang dapat Anda manfaatkan:

• Pemeliharaan berdasarkan alasan waktu henti. Hal pertama yang diberikan otomatisasi data adalah gambaran yang benar tentang waktu henti yang sebenarnya. Setelah Anda memiliki informasi itu, Anda dapat mulai mengumpulkan alasan yang menyebabkan downtime Anda. Setelah Anda mengidentifikasi akar penyebab kegagalan, Anda dapat merencanakan tugas pemeliharaan di masa mendatang untuk mengatasi atau mencegah alasan spesifik tersebut.
• Pengingat pemeliharaan selama penyiapan. Jika Anda memiliki sistem yang melacak pergantian ke produk baru, Anda dapat mengingatkan kru Anda untuk menyelesaikan pemeriksaan aktivitas rutin sebelum penyiapan selesai. Ini akan membantu memastikan bahwa mesin Anda bekerja dalam kondisi puncak. Peningkatan semacam ini akan sulit diterapkan tanpa otomatisasi data.
• Acara berkualitas. Katakanlah tim Anda menemukan bahwa mereka hanya perlu membuang 100 produk karena masalah dengan mesin pelabelan. Informasi ini ditangkap secara otomatis menggunakan sensor, dan setelah dicatat, kru pemeliharaan Anda secara otomatis diberi tahu tentang masalah tersebut. Satu lagi kemenangan cepat dalam membuat pemeliharaan lebih efektif.

Ini bukan daftar yang lengkap, tetapi menguraikan gagasan bahwa setelah Anda memiliki informasi yang akurat tentang proses produksi Anda berkat otomatisasi data, Anda dapat secara signifikan meningkatkan akurasi pekerjaan pemeliharaan yang direncanakan dan meminimalkan kemungkinan melakukan pemeliharaan yang berlebihan.

Bagaimana cara menerapkan otomatisasi data?

Pertanyaan terakhir yang tersisa adalah bagaimana mengotomatisasi pengumpulan data Anda untuk tujuan pemeliharaan. Sistem yang berbeda dapat melakukan ini, yang paling jelas adalah sistem manajemen pemeliharaan terkomputerisasi. Namun, ada opsi lain – menggabungkan sistem CMMS dengan sistem OEE.

Sistem pemeliharaan preventif yang andal memungkinkan Anda mengelola jadwal pemeliharaan, meningkatkan kontrol inventaris suku cadang, mengotomatiskan bagian administratif pemeliharaan, dan banyak lagi.

Sistem OEE memberi Anda informasi tentang apa yang sebenarnya terjadi dalam proses produksi Anda seperti yang terlihat pada pemanfaatan mesin melalui tiga komponen berikut:ketersediaan, kinerja, dan kualitas.

Mengapa komponen ini penting? Karena tiga dari empat keuntungan bottom-line yang kami uraikan di awal artikel ini juga terkait dengan OEE.

1. Biaya akibat kerusakan berkurang. Semakin sedikit perincian yang Anda miliki, semakin tinggi ketersediaan Anda .
2. Biaya produksi berkurang karena setiap operator memproduksi lebih banyak per jam. Jika kecepatan produksi Anda optimal, maka kinerja membaik.
3. Kualitas produksi meningkat karena mesin berjalan sebagaimana mestinya. Semakin kualitas produk yang Anda hasilkan, semakin tinggi kualitas bacaan Anda.

Artinya, jika Anda mengoptimalkan OEE, Anda juga meningkatkan pemeliharaan dan sebaliknya . Tidak heran jika Total Productive Maintenance (TPM), sejak awal, memasukkan pemantauan dan pengukuran OEE sebagai landasan utama filosofinya.

Mengintegrasikan CMMS modern dengan sistem OEE memungkinkan produsen memaksimalkan pemanfaatan otomatisasi data.

Kata-kata terakhir

Karena perusahaan manufaktur mempertimbangkan kemajuan teknologi yang tersedia bagi mereka, otomatisasi data tidak diragukan lagi merupakan salah satu aspek yang perlu dipertimbangkan untuk berinvestasi.

Ini akan membantu meningkatkan perencanaan &penjadwalan aktivitas pemeliharaan dan juga membuka jalan bagi strategi pemeliharaan lanjutan seperti CBM dan pemeliharaan prediktif yang sangat bergantung pada pengumpulan data otomatis.