Integrasi Pemeliharaan Produktif Total dengan Industrial IoT untuk Efisiensi Manufaktur Optimal

Seiring Industri 4.0 terus matang di seluruh perusahaan manufaktur di seluruh dunia, banyak orang mengasumsikan teknologi baru akan mengganti metodologi lama untuk mendorong perbaikan berkelanjutan dalam efisiensi dan produksi. Dan meskipun itu mungkin merupakan kasus untuk beberapa aplikasi, juga benar bahwa teknologi baru ini dapat melengkapi praktik yang ada.

Salah satu metodologi yang selaras dengan baik dengan penawaran nilai aplikasi Industrial IoT adalah Total Productive Maintenance (TPM). Dibangun pada fondasi 5S yang dipopulerkan oleh metodologi lean, Total Productive Maintenance adalah model pemeliharaan yang membantu mengurangi downtime dan meningkatkan produksi. Dalam model ini, downtime untuk pemeliharaan disertakan dalam manufaktur sebagai bagian dari jadwal manufaktur. Operator dan teknisi, yang paling familiar dengan peralatan, diberi tanggung jawab untuk aspek tertentu dari pemeliharaan reguler dan preventif sebagai bagian dari tanggung jawab mereka.

Delapan Pilar TPM

Total Productive Maintenance bertujuan untuk meningkatkan produktivitas, efisiensi, dan keamanan sambil membangun budaya yang mencakup pemeliharaan dasar dalam prosedur operasional standar untuk staf garis. Ini terdiri dari delapan pilar aktivitas:

• Autonomous Maintenance – Operator memantau kondisi stasiun kerja mereka.
• Process and Machine Improvement – Pimpinan dan operator mengumpulkan informasi dan memprioritaskan tugas pemeliharaan.
• Preventive Maintenance – Operator melakukan tugas pemeliharaan preventif dasar.
• Early Equipment Management – Pimpinan dan operator secara proaktif menilai komponen baru dan melaporkan catatan pemeliharaan menggunakan manajemen peralatan dini.
• Process Quality Management - Ide perbaikan kualitas muncul dari tanggung jawab operasi dan pemeliharaan yang bersama-sama.
• Administrative Work – Hasil berdasarkan data dibagikan dengan pimpinan dan operator.
• Education and Training - Peningkatan berkelanjutan mengarah pada pendidikan berkelanjutan bagi operator dan pimpinan.
• Safety – Kinerja peralatan yang ditingkatkan menyediakan lingkungan operasi yang lebih aman.

Menyelaraskan TPM dengan Industrial IoT

Bagaimana Total Productive Maintenance selaras dengan penawaran nilai Industrial IoT? Daripada menjadi metodologi yang bertentangan dengan teknologi baru, mudah untuk melihat bahwa program seperti Total Productive Maintenance hampirlah dibuat khusus untuk IIoT. Platform Industrial IoT yang kuat dan komprehensif akan menawarkan beberapa hal:

• Pertama, ia’ll menawarkan perangkat dalam bentuk sensor, sensor suhu, sensor aus, dan peralatan lainnya yang dapat dipasang pada mesin apa pun tanpa memandang usianya. Ini membawa semua peralatan di dalam pabrik ke dalam ekosistem pengumpulan data penuh. Ekosistem ini termasuk perangkat edge terdepan untuk menyederhanakan konektivitas IoT di seluruh ethernet, Wi-Fi, dan teknologi seluler. Menghubungkan langsung ke PLC peralatan memungkinkan bahkan peralatan lama yang ada untuk dibawa ke baris untuk pengambilan data.
• Kedua, platform IIoT akan menawarkan visualisasi lengkap pabrik. Banyak yang pernah mendengar tentang "Hidden Factory," di mana efisiensi dan produktivitas yang lebih tinggi menunggu untuk dibuka kunci. Efisiensi ini terwujud melalui visualisasi data secara real-time dan di ujung jari operator, teknisi, pimpinan, dan manajer yang membutuhkannya. Diperkirakan visualisasi saja dapat meningkatkan efisiensi hingga 20%. Visualisasi ini ditangkap oleh dasbor yang intuitif, dinamis, dan dapat disesuaikan yang menampilkan data produksi dan kondisi peralatan. Tampilan dasbor yang sama tersedia melalui tablet, ponsel, dan perangkat portabel lainnya, memungkinkan pengambilan keputusan pada titik kebutuhan.

Visualisasi lantai bengkel penting di berbagai tingkat organisasi, dari teknisi hingga manajer pabrik.

• Ketiga, platform IIoT seharusnya memungkinkan pemantauan penuh kondisi mesin dan menyarankan tindakan yang akan diambil. Pemantauan ini dilakukan melalui koleksi analitik data. Seiring data kinerja mesin dikumpulkan, ia dapat digunakan untuk menganalisis tren historis, memahami kinerja real-time, dan mengirim notifikasi untuk tindakan yang akan diambil.

Di MachineMetrics, tujuan data adalah untuk memberikan kepada Anda visualisasi dan analisis real-time yang sepenuhnya selaras dengan ketiga hal tersebut. Dan data adalah apa yang membuat MachineMetrics begitu baik dalam apa yang kami lakukan. MachineMetrics membantu pelanggan meningkatkan Overall Equipment Effectiveness dan efisiensi manufaktur serta mengidentifikasi bottleneck produksi dengan mendorong nilai melalui analitik. Peningkatan ini mendorong nilai melalui penggunaan analitik di seluruh operasi.

Manfaat TPM

Salah satu penggerak utama Total Productive Maintenance adalah penggunaan alat Lean metodologi 5S. Dengan menciptakan lingkungan di mana tempat kerja sangat terorganisir dan prosedur terstandarisasi, keamanan, kualitas, moral, pemeliharaan, dan faktor kinerja kunci lainnya terpengaruh.

• Kerusakan yang lebih sedikit – Tidak hanya operator bertanggung jawab untuk memantau kondisi peralatan mereka, tetapi mereka juga diberi kewenangan untuk melakukan perbaikan pemeliharaan otonom yang traditionya hanya untuk teknisi pemeliharaan. Mengambil pilar lain dari Total Productive Maintenance, karena peralatan dievaluasi secara proaktif oleh staf pemeliharaan dan operator, ada semangat kolaborasi dan pemahaman yang lebih dalam tentang fungsi sehari-hari dan potensi masalah yang akan dihadapi peralatan. Upaya gabungan ini mengarah pada kemampuan untuk mengembangkan pemeliharaan prediktif yang menghasilkan kerusakan yang lebih sedikit.
• Tempat kerja yang lebih aman – Pilar lain dari Total Productive Maintenance bekerja sama untuk menciptakan tempat kerja yang lebih aman. Karena keamanan dibuat menjadi prioritas di seluruh fasilitas, kesadaran akan potensi bahaya keamanan meningkat. Kesadaran ini berlanjut ke pendidikan dan pelatihan, di mana mereka dapat dilipatkan ke dalam upaya peningkatan berkelanjutan secara organik, sehingga menjadi bagian dari budaya.
• Kinerja keseluruhan yang lebih baik – Seiring Total Productive Maintenance mulai mempengaruhi upaya pemeliharaan dan mengurangi kerusakan, moral meningkat secara positif, dan kolaborasi menciptakan lingkungan tim. Pendidikan dan pelatihan serta fokus pada pemeliharaan berkualitas berkontribusi pada ini. Efisiensi keseluruhan operasi secara signifikan ditingkatkan. Total Productive Maintenance dapat diukur menggunakan perhitungan Overall Equipment Effectiveness (OEE) untuk menetapkan metrik yang menunjukkan keberhasilan dan perbaikan upaya. Peralatan dan proses yang berkinerja buruk dengan cepat diidentifikasi dan dorong ke tim untuk dipertimbangkan menggunakan prinsip TPM.

Bagaimana Menerapkan Total Productive Maintenance (TPM)

TPM menggunakan alat metodologi Lean 5S dan seringkali menjadi bagian dari implementasi Lean. Ini juga dapat digunakan untuk deployment IIoT dan pemantauan pabrik. Keduanya memerlukan komitmen untuk menjalankan Total Productive Maintenance sebagai proses perbaikan yang tujuannya adalah untuk diintegrasikan ke dalam budaya perusahaan. Ada lima langkah dasar untuk implementasi TPM.

Langkah 1: Identifikasi Area Pilot

Area pilot memberikan tim TPM sesuatu untuk digunakan sebagai lapangan bukti. Ini membangun dukungan dari karyawan dan memungkinkan mereka melihat manfaat bekerja. Dukungan tercapai lebih mudah jika tim implementasi mencakup anggota staf dari banyak peran dan tingkat hierarki yang berbeda.

Pilihan area pilot tentu saja akan mencakup peralatan tertentu. Trik yang berhasil satu adalah menemukan perbaikan yang jelas dan segera untuk mendapatkan "kemenangan tim." Kemenangan ini tidak sepenuhnya memverifikasi proses melainkan membangun kepercayaan atas keberhasilan. Ini juga memudahkan karyawan untuk melihat jalan menuju area perbaikan yang lebih menantang.

Cara lain untuk memilih peralatan untuk diperbaiki adalah memilih bottleneck. Bottleneck ini mungkin melibatkan beberapa potong peralatan dan dapat mengakibatkan beberapa downtime awal. Namun dengan fokus pada area di mana produksi "selalu" macet, manfaat bisa lebih tinggi.

Cara terakhir untuk memilih mesin pilot adalah fokus pada peralatan yang selalu tampaknya memiliki downtime pemeliharaan terbesar. Ini mungkin merupakan mesin lama atau mesin dengan jam operasi lebih sedikit dan pelatihan. Namun ini adalah sakit kepala yang akan disukai semua orang untuk diselesaikan.

Langkah 2: Kembalikan Peralatan ke Kondisi Operasi Prime

Sangat bertumpu pada 5S adalah pemulihan efektivitas peralatan ke kondisi operasi prime-nya. Sebelum program TPM, operator, teknisi, dan staf pemeliharaan mungkin telah menciptakan tahun-tahun "workaround" untuk mengatasi masalah nyata dan yang dirasakan. Dengan menerapkan alat 5S ke peralatan itu sendiri, ia dikembalikan ke kondisi puncak.

Langkah untuk memfasilitasi proses ini termasuk gambar sebelum dan sesudah. Ini juga memerlukan penghapusan alat, peralatan, dan persediaan berlebihan yang tidak diperlukan untuk operasi harian.

Mengorganisir alat dalam kotak bayangan atau harness drop-down dan membersihkan area di sekitar mesin juga penting. Dan dari ini, log 5S formal harus ditambahkan dengan langkah audit yang ditambahkan ke SOP produksi untuk memastikan upaya tetap berlangsung seiring waktu.

Langkah 3: Ukur OEE

Overall Equipment Effectiveness (OEE) adalah alat yang bagus untuk menetapkan metrik kinerja dan menetapkan target untuk perbaikan. OEE bukan satu metrik. Ini dapat dihitung dengan rumus untuk mengukur kualitas, performa, atau ketersediaan.

Tujuan yang ditetapkan dari tim TPM akan menentukan metrik mana, atau kombinasi mana, yang akan digunakan.

Pelacakan OEE adalah cara yang bagus untuk menetapkan insight berbasis data yang dapat membantu memberitahu manajer dan pengambil keputusan tentang tujuan masa depan untuk proyek otomasi pabrik dan deployment IIoT. Ini memungkinkan perusahaan untuk melakukan benchmarking dan melihat progres TPM seiring metrik berjalan seiring waktu. Dan ini membantu tim melihat apa yang akan dikerjakan selanjutnya untuk perbaikan lebih lanjut.

Karena downtime yang tidak terduga adalah faktor terbesar dalam efisiensi rendah, interval dua hingga empat minggu direkomendasikan untuk mendapatkan gambar yang jelas tentang kondisi dan masalah tim. Ini juga membantu membangun konsensus untuk kategori downtime yang akan digunakan dalam otomasi produksi di masa depan dalam pemantauan produksi.

Langkah 4: Atasi/Kurangi Kerugian Utama

Dengan jumlah titik data yang andal seiring waktu untuk henti yang tidak terduga, tim dapat mulai bekerja pada perbaikan. Area yang paling jelas untuk diatasi adalah sumber terbesar dari downtime yang tidak terduga pada daftar kategori.

Di sini, alat Lean dan Six Sigma lainnya dapat digunakan, seperti diagram tulang ikan, diagram Pareto, dll.

Analisis penyebab akhar harus menjadi komponen penting dari pertimbangan. Dengan menganalisis melalui observasi, bukti fisik dan fotografi, dan riwayat produksi dan membandingkan temuan tersebut dengan kemungkinan penyebab, penyebab akhar masalah dapat ditentukan.

Setelah perubahan dibuat, pantau dan catat hasilnya. Mungkin diperlukan untuk melalui proses lagi jika hasil tidak bekerja.

Namun, juga dapat dilakukan untuk melalui proses lagi untuk mencoba mencapai tingkat perbaikan yang lebih tinggi untuk perubahan yang berhasil.

Langkah 5: Terapkan Pemeliharaan Terjadwal

Setelah perubahan divalidasi sebagai efektif, itu dapat diintegrasikan ke dalam rencana pemeliharaan proaktif.

Pemeliharaan ini dapat meliputi pemantauan panas dan suhu untuk peralatan di mana penyebab akhar yang diidentifikasi adalah kegagalan panas. Atau ini dapat melibatkan analisis getaran untuk mesin yang menjadi subjek stres tinggi atau gaya geseran.

Ini juga pada tahap ini bahwa interval pemeliharaan harus ditetapkan. Interval ini harus didasarkan pada waktu operasi daripada tanggal kalender.

Dan catatan serta diagram harus disimpan untuk mengidentifikasi interval yang realistis untuk mengganti bagian aus secara proaktif atau menetapkan tingkat kegagalan yang diramalkan. Prosedur ini, setelah matang, juga dapat ditambahkan ke program perangkat lunak pemantauan produksi IIoT nanti untuk mengoptimalkan sistem lebih lanjut.

Melangkah Maju

TPM berbeda dari pemeliharaan preventif tradisional. Dalam program pemeliharaan tradisional, daftar yang berorientasi waktu digunakan berdasarkan rekomendasi OEM. Metode pemeliharaan ini tidak mempertimbangkan bahan produksi yang menempatkan tekanan agresif atau ringan pada keandalan atau kondisi peralatan, berarti peralatan rusak lebih cepat dari yang diharapkan atau jauh lebih lama dari yang diharapkan. Satu menambahkan biaya dalam bentuk kerusakan, dan yang lain menambahkan biaya dalam mengganti bagian yang masih dalam kondisi kerja optimal. MachineMetrics membantu pelanggan dengan machine learning lanjutan, analitik mendalam, dan dasbor yang intuitif dan dapat disesuaikan yang memungkinkan operator, teknisi, dan manajer bertindak secara real-time pada tingkat yang sebelumnya tidak mungkin.

Pemeliharaan tradisional tidak prediktif. Ia tidak memiliki kemampuan yang diberikan teknologi IIoT untuk menjadwalkan pemeliharaan bersamaan dengan pergantian atau downtime terjadwal lainnya untuk mengurangi downtime keseluruhan. Dan didasarkan pada matriks daripada analitik, pemeliharaan tradisional bergantung pada waktu yang ditetapkan untuk melakukan pemeliharaan. Kami telah melihat ini berkali-kali di MachineMetrics. Perangkat lunak kami membawa manfaat Industrial IoT ke lantai produksi, memungkinkan pelanggan mengembangkan program pemeliharaan yang dinamis dan berbasis data yang menghemat waktu dan uang.

Secara intuitif, efektivitas TPM dibuat mungkin oleh penawaran nilai Industrial IoT. Dengan menyediakan data kinerja dan kesehatan mesin, IIoT memungkinkan tangkapan informasi yang akurat dan dapat ditindaklanjuti yang membuat realisasi penuh TPM mungkin. Dengan demikian, potensi dari "Hidden Factory" dibuka kunci, dan lean digital dapat direalisasikan melalui penggunaan teknologi IIoT dengan membangun pada prinsip-prinsip lean.

Sumber gambar header: Unsplash