Tingkatkan Keandalan dan Ketersediaan Aset dengan FMEA dan Kurva P-F

Bagi organisasi yang menderita kegagalan tak terduga dan downtime yang tidak terencana, Analisis Modus dan Efek Kegagalan (FMEA) dapat membantu mencapai keandalan dan ketersediaan aset yang tinggi.

Jika Anda mendapatkan keandalan dan ketersediaan yang tepat, Anda telah menempuh jauh jalan menuju profitabilitas.

Tapi ini adalah kejutan.

Banyak organisasi dan produsen tidak pernah melakukan perjalanan ini dan bahagia terus (jika produk yang dapat digunakan sampai ke pelanggan tepat waktu) dalam spiral ke bawah.

'Tapi perjalanan yang Anda bicarakan itu RCM!' mereka seru. 'Terlalu mahal untuk kami!'

Produsen yang sama selalu tampaknya memiliki waktu (dan uang) untuk membuang produk borosan, membeli bearing baru, membersihkan tumpahan minyak, memperbaiki mesin, memanggil OEM (Original Equipment Manufacturer), dan menjaga orang bekerja lembur. Dan sekali setiap tahun – dengan banyak keramaian dan upacara – mereka memberikan penghargaan kepada 'pahlawan' pemeliharaan reaktif.

Hmmm.

Anda berpikir: 'Orang mendapatkan foto mereka di newsletter perusahaan, sentangan tangan dari VP karena menjaga pabrik dalam pemeliharaan reaktif?'.

Ya, mereka melakukannya. Tapi mari kita melampaui itu.

Mencapai keandalan aset yang baik dan ketersediaan tinggi tidak memerlukan studi RCM lengkap. Tapi itu memerlukan FMEA (Analisis Modus dan Efek Kegagalan) yang baik dengan output yang baik, dan penerapan kurva P-F (Potensi Kegagalan ke Kegagalan Fungsional) untuk memastikan teknik pemantauan kondisi difokuskan pada modus kegagalan yang tepat pada frekuensi inspeksi yang tepat.

Analisis Modus dan Efek Kegagalan: sampai ke dasar (atau puncak) hal-hal

FMEA adalah alat analisis umum yang membantu desainer, teknisi, dan insinyur memahami bagaimana aset atau komponen kritis dapat gagal, efeknya pada sistem keseluruhan, dan apa yang dapat mereka lakukan untuk mengurangi efeknya.

Inti dari FMEA adalah memahami modus kegagalan, seberapa besar kemungkinan terjadinya, dan mengurangi mereka dengan tindakan pemeliharaan spesifik, redesen, atau bahkan 'tidak melakukan apa-apa' (jika risiko cukup rendah).

FMEA ada dalam dua tipe dasar.

Bottom up – FMEA ini dimulai dengan mencantumkan setiap komponen dalam aset dan mencantumkan semua cara mungkin gagal. Sering dikenal sebagai 'pendekatan perangkat keras'. Tipe FMEA ini lebih memakan tenaga tetapi sering digunakan di sektor dengan konsekuensi keamanan dan lingkungan tinggi seperti penerbangan dan nuklir.

Kegagalan aset yang tidak terduga tidak dapat ditoleransi di sektor-sektor ini.

Top down – tipe FMEA ini (juga dikenal sebagai 'pendekatan fungsional') lebih umum dan – ya, Anda telah menebaknya – mempertimbangkan fungsi aset terlebih dahulu. Saat fungsi diketahui, kita bertanya 'bagaimana itu dapat gagal secara fungsional?' Itu mengarah pada modus kegagalan dan pencarian efek serta tindakan mitigasi.

FMEA top down langsung menanggulangi hanya kontributor paling penting terhadap masalah potensial daripada setiap komponen individu.

Ada juga FMECA (C untuk criticality) yang menambahkan faktor risiko numerik.

Lihat contoh ini yang mencakup FMEA dan FMECA.

Kami akan menjaga sederhana dan mempertimbangkan wiper kaca depan mobil. Kami mengasumsikan kita tidak melakukan pemeriksaan awal dan hanya membiarkannya gagal saat kami berkendara.

Fungsi	Kegagalan Fungsional	Modus Kegagalan	Dampak Potensial	Severitas	Penyebab Potensial	Keadaan	Mode Deteksi	Deteksi	RPN
Apa fungsi aset atau komponen?	Bagaimana gagal memenuhi fungsinya?	Apa yang dapat menyebabkan kegagalan fungsional?	Apa dampaknya? i.e. efeknya	Seberapa parah efeknya?	Apa yang menyebabkan modus kegagalan?	Seberapa sering ini kemungkinan terjadi?	Apa kontrol yang ada untuk pencegahan atau deteksi?	Seberapa mudah mendeteksi dengan metode saat ini?	RPN = Sev x Occ x Det.
Untuk membersihkan hujan dan kabut dari kaca depan (on demand).	Gagal mulai.	Hias pecah.	Mobil tidak dapat membersihkan kaca depan dalam hujan lebat.	10	Sampah memblokir wiper (menyebabkan overcurrent & hias pecah)	2	Temukan pada kegagalan (saat berkendara)	7	140

 

Tindakan Direkomendasikan	Tanggung Jawab	Tanggal Target	Tindakan Diambil	SEV	OCC	DET	RPN
Bagaimana mengurangi kemungkinan penyebab atau meningkatkan deteksi?	Siapa yang bertanggung jawab atas tindakan?	Apa tanggal target untuk tindakan?	Hitung ulang RPN untuk melihat apakah tindakan telah mengurangi risiko.				RPN baru setelah tindakan.
1. Periksa wiper kaca depan untuk halangan sebelum setiap perjalanan. 2. Bawa hias pengganti.	Pemilik mobil	Dari segera	Checklist dibawa di mobil sebagai pengingat. Dan hias pengganti.	10	2	2	40

 

Seperti yang Anda lihat, setelah menerapkan tindakan, RPN Anda seharusnya berkurang.

Setelah Anda melakukan FMEA atau FMECA di pabrik Anda, maka Anda memiliki strategi pemeliharaan.

Strategi pemeliharaan: membantu Anda memelihara keandalan inherent.

Jadi output kunci dari FMEA adalah strategi pemeliharaan, terutama dalam hal apa yang perlu Anda lakukan. Ini bisa berupa penggantian berbasis waktu, pemantauan kondisi, redesen peralatan, tugas pencarian kegagalan, inspeksi, atau revisi, di antara yang lainnya.

Untuk menyempurnakan – dan nantinya menerapkan – strategi pemeliharaan Anda, Anda perlu memutuskan siapa yang akan melakukan pekerjaan, kapan, dan bagian cadangan apa yang akan diperlukan.

Ini hal yang perlu diingat:

Dengan melakukan pemeliharaan yang tepat pada waktu yang tepat, Anda dapat memelihara keandalan inherent aset pada tingkat yang tinggi. Pemeliharaan yang benar dan tepat sendirinya tidak pernah dapat memperbaiki keandalan inherent di luar kemampuan awalnya – karena itu adalah karakteristik bawaan.

Tapi strategi pemeliharaan yang baik dapat menjaga keandalan inherent tetap tinggi di tempatnya.

Pemantauan Kondisi & Pemeliharaan Berbasis Kondisi: ketersediaan adalah raja.

Mari kita fokus pada taktik pemantauan kondisi (juga dikenal sebagai Pemeliharaan Prediktif) untuk sementara waktu. Ini bernilai karena sensor, data, dan informasi mereka memungkinkan kita untuk memahami kesehatan aset. Mereka adalah kekuatan di balik industrial internet of things (IIoT) dan industry 4.0.

Jika kita memahami kesehatan aset pada setiap waktu, maka kita dapat melakukan bentuk pemeliharaan yang paling hemat biaya – pemeliharaan berbasis kondisi (CBM).

Ini hal yang perlu diingat:

Pemeliharaan Berbasis Kondisi tidak dan tidak akan meningkatkan keandalan aset, inherent atau sebaliknya. Hal yang akan Anda peroleh dan yang sama pentingnya bagi tujuan organisasi Anda adalah ketersediaan aset. Dengan mengurangi downtime yang tidak terduga saja, Anda meningkatkan ketersediaan.

CBM adalah melakukan tugas perbaikan atau penggantian berdasarkan kesehatan aset yang diukur saja. Ini memberi kami sinyal peringatan awal dari kegagalan aset atau komponen yang potensial atau akan datang.

Tapi jika kita menggunakan teknik pemantauan kondisi, seberapa sering kita harus mengukur data?

Kurva P-F dan Interval

Pertama, apa itu kurva P-F yang kita bicarakan? Ini adalah kurva yang menunjukkan bagaimana kesehatan aset merusak dari waktu ke waktu setelah modus kegagalan diatur.

Diagram di sini mengilustrasikan konsep.

Bagian horizontal dari kurva adalah kesehatan aset yang baik. Bagian ini dapat diperpanjang oleh praktik terbaik pemeliharaan dalam:

• Instalasi aset
• Fondasi dan struktur pendukung
• Pelumasan aset
• Penyelarasan dan keseimbangan aset
• Operasi yang tepat dalam kapasitas aset

 

Tapi kemudian, ketika modus kegagalan muncul, kita memiliki titik di mana kegagalan telah dimulai. Tapi masih tidak terlihat selama pengumpulan data.

Lalu waktu (atau siklus stres aset) bergerak ke titik P.

Titik P berarti Kegagalan Potensial. Di sinilah teknik pemantauan kondisi kita dapat mulai mendeteksi kegagalan potensial. Lalu kesehatan aset akan secara bertahap (atau cepat) merusak hingga mencapai titik F, Kegagalan Fungsional.

Itu berarti selamat tinggal untuk aset Anda.

Permainan selesai dan Anda perlu memanggil 'pahlawan' pemeliharaan reaktif.

Selisih waktu antara P dan F dikenal sebagai interval P-F. Ini bisa berdetik hingga dekade. Semua tergantung pada modus kegagalan dan aset yang bersangkutan.

Anda akan baik untuk mengingat bahwa interval P-F untuk modus kegagalan tertentu selalu adalah angka rata-rata – hal-hal ini akan selalu memiliki variasi statistik.

Tapi jika kita memiliki ide yang baik tentang apa itu – dari kegagalan masa lalu, RCA (Analisis Penyebab Akar), data OEM, dll. – maka kita dapat menetapkan interval di mana kita melakukan inspeksi pemantauan kondisi. Aturan jempol yang baik untuk interval inspeksi biasanya setidaknya setengah dari interval P-F yang diharapkan.

Bayangkan Anda tahu ketika bearing ujung drive pompa kritis Anda bergetar pada 8 mm/s kemungkinan hanya memiliki 3 bulan layanan tersisa sebelum meleset. Secara minimum, seberapa sering Anda harus mengukur getaran?

Interval inspeksi/pengukuran

Ini memastikan Anda akan menangkap cacat tertentu dalam interval P-F yang diharapkan (meskipun sebagian besar strategit di sini secara konservatif dan generik merekomendasikan interval inspeksi 1 bulan – ingat variasi statistik?).

Diterima luas bahwa berbagai teknik pemantauan kondisi dapat memberikan tingkat peringatan awal yang berbeda selama interval P-F. Lihat diagram di bawah ini untuk panduan kasar. Tidak ada teknik yang satu yang dapat menangkap semua modus kegagalan.

Strategi terbaik menggunakan kombinasi teknologi pemantauan kondisi.

 

Perjalanan menuju pemeliharaan preskriptif

Sebagai catatan akhir, mempertimbangkan kemajuan IIoT dan industry 4.0, kita harus mempertimbangkan perjalanan menuju pemeliharaan preskriptif.

 

Pemeliharaan preskriptif (Rx) unik karena alih-alih hanya memprediksi kegagalan mendatang, seperti yang dilakukan pemeliharaan prediktif (PdM), berusaha menghasilkan rekomendasi berfokus hasil untuk operasi dan pemeliharaan dari analitik Rx. Meskipun RxM masih dalam tahap awal, banyak pemikir mempertimbangkan potensinya untuk menjadi tingkat berikutnya dari praktik terbaik keandalan dan pemeliharaan. www.plantservices.com (Sheila Kennedy)

 

'Tapi apa itu?' kami mendengar Anda tanya.

Jadi, perbatasan berikutnya di luar pemeliharaan prediktif akan menjadi pemeliharaan preskriptif.

Dapatkah Anda bayangkan itu?

Sensor, jaringan, algoritma, pembelajaran mesin, dan AI menggabungkan untuk memberitahu tim pemeliharaan Anda apa yang perlu mereka lakukan dan kapan mereka perlu melakukannya untuk memelihara keandalan dan meningkatkan ketersediaan. Atau bahkan cara mengelola aset (kecepatan dan beban) untuk memperpanjang sisa umur berguna setelah kegagalan potensial terdeteksi.

Strategi pemeliharaan masa depan akan fleksibel, dapat diubah, dan secara cerdas diinformasikan oleh teknologi dan FMEA, interval P-F, serta panduan troubleshooting OEM yang dibuat manusia.

Kami belum sampai di sana, tapi itu akan datang...

Baca selanjutnya: Panduan komprehensif IIoT di Pemeliharaan