Strategi Pemeliharaan Modern untuk Kesuksesan Manufaktur

Produsen memahami bahwa pemeliharaan adalah aktivitas make-or-break, terutama di vertikal bernilai tinggi, bergerak cepat, dan kompetitif tinggi. Strategi pemeliharaan dari zaman lalu tidak lagi cukup untuk dunia yang bergerak cepat saat ini, dan produsen yang masih menggunakan praktik ini dengan cepat terpinggirkan. Pemeliharaan modern memanfaatkan teknologi termasuk perangkat IoT untuk pengumpulan data dan machine learning untuk pemrosesan data untuk mencapai prediksi dan insight yang dapat ditindaklanjuti yang lebih baik. Digabungkan, downtime yang tidak terduga dapat dikurangi hingga tingkat yang secara praktis dihilangkan, tidak menyebutkan manfaat lain seperti peningkatan moral karyawan, pengurangan biaya kesempatan, citra klien yang ditingkatkan, dan pengurangan limbah.

Sementara semuanya terdengar baik, pertanyaan yang patut diajukan: Bagaimana Anda membawa perusahaan manufaktur Anda dari keadaan pemeliharaan reaktif ke pemeliharaan prediktif dan preskriptif? Bagaimana Anda memanfaatkan manfaat strategi pemeliharaan modern sambil menghindari jeb-jeb di sepanjang jalan?

Untuk memahami jawaban atas pertanyaan-pertanyaan ini, seseorang harus pertama-tama memahami metode pemeliharaan yang saat ini digunakan dan apa yang berubah dari satu tahap ke tahap berikutnya. Dalam artikel ini, kami akan membahas berbagai teknik pemeliharaan industri.

Jenis Pemeliharaan dalam Manufaktur

Kami membahas setiap strategi pemeliharaan di bawah ini dalam konteks manufaktur. Pilih salah satu untuk melompat ke bagian yang sesuai:

• Reactive Maintenance: Ketika rusak, Anda memperbaikinya.
• Preventive Maintenance: Anda menjadwalkan penggantian sebelum bagian rusak, biasanya pada interval teratur.
• Usage-Based Maintenance: Anda mengganti bagian ketika mesin telah digunakan sejumlah tertentu sebelum mereka rusak.
• Condition-Based Maintenance: Anda mengganti bagian ketika mereka terlihat terlalu aus untuk terus berfungsi dengan baik.
• Predictive Maintenance: Anda menggunakan data historis untuk membuat prediksi tentang kapan suatu bagian akan rusak dan mengganti bagian berdasarkan prediksi ini, sebelum mereka rusak. Ini biasanya, tetapi tidak selalu, menggunakan kecerdasan buatan dan machine learning.
• Prescriptive Maintenance: Metode analisis data lanjutan digunakan untuk lebih dari sekadar memprediksi titik kegagalan, melainkan memberikan hasil hipotetis untuk memilih tindakan terbaik yang dapat diambil sebelum kegagalan, bahaya keselamatan, dan masalah kualitas timbul serta waktu implementasi.

Pemeliharaan Reaktif

Pemeliharaan reaktif adalah titik awal untuk sebagian besar produsen. Ini adalah metode pemeliharaan tradisional yang telah ada bersama manufaktur selama manufaktur ada.

Apa Itu Pemeliharaan Reaktif?

Seperti namanya, jenis pemeliharaan ini berarti Anda bereaksi terhadap apa pun yang terjadi. Anda mungkin atau mungkin tidak siap atau mengharapkannya. Suatu bagian rusak dan menyumbat seluruh garis produksi, seringkali secara harfiah dan metaforis. Downtime yang tidak terjadwal terjadi. Pekerja kehilangan gaji. Perusahaan kehilangan pendapatan. Dan semua orang hanya harus menunggu sampai Ralph The Maintenance Guy datang mengganti bagian yang menyalahkan (yang mungkin Anda punya atau tidak).

Ini bisa berarti hari-hari downtime, tenggat waktu yang terlewatkan, dan pukulan besar pada anggaran Anda, terutama jika alat, mesin, atau bagian yang rusak mahal atau sulit ditemukan. Karyawan dibayar untuk menghubungi klien dengan pesan yang ditakuti "Telah terjadi penundaan…". Dan biaya dan risiko merembat melalui seluruh rantai pasok. Ini adalah siklus yang mematikan dan mahal.

Pemeliharaan Berbasis Kalender (Pemeliharaan Preventif)

Setelah produsen melihat bahwa pemeliharaan reaktif tidak bekerja, langkah logis berikutnya adalah pemeliharaan berbasis kalender, juga dikenal sebagai pemeliharaan berbasis waktu (TBM) atau pemeliharaan preventif.

Apa Itu Pemeliharaan Berbasis Kalender?

Ini adalah bentuk pemeliharaan terencana yang dijadwalkan sebelumnya untuk mengganti bagian sebelum mereka rusak. Ini dilakukan pada interval yang ditetapkan seperti setiap 30, 60, atau 90 hari. Dengan cara ini, produsen dapat mengharapkan sejumlah downtime atau menjadwalkan pemeliharaan di luar jam kerja. Ini membantu memastikan peralatan akan beroperasi selama semua periode produksi yang direncanakan kecuali darurat atau keadaan yang tidak dapat diprediksi. Pemeliharaan berbasis kalender menggunakan konsep "Mean Time Between Failure" (MTBF) untuk menentukan interval terbaik untuk mengganti bagian berdasarkan kapan mereka gagal di masa lalu. Ini bekerja paling baik untuk bagian yang mengalami penggunaan teratur dan aus yang dapat diprediksi.

Pemeliharaan preventif dapat bekerja baik untuk mesin yang digunakan pada jadwal teratur, yang memiliki bagian yang terjangkau dan dapat diganti dengan mudah, dan memiliki tingkat aus yang dapat diprediksi. Ini sederhana, dapat diprediksi, dan efektif dalam kasus ini. Pemeliharaan preventif dapat bermanfaat ketika dipadukan dengan strategi pemeliharaan lain seperti pemeliharaan prediktif atau preskriptif.

Pemeliharaan Berbasis Penggunaan

Bagaimana dengan semua kasus yang tidak tertutup oleh pemeliharaan preventif atau untuk yang metode ini akan terlalu berlebihan dan mahal? Produsen kemudian beralih ke pemeliharaan berbasis penggunaan untuk mengakibatkan penggunaan mesin yang bervariabel, membuat timeline yang lebih wajar, dan mengurangi biaya dalam jangka panjang.

Apa Itu Pemeliharaan Berbasis Penggunaan?

Sama seperti pemeliharaan berbasis kalender menggunakan interval waktu yang ditetapkan untuk mengganti bagian, pemeliharaan berbasis penggunaan menggunakan interval penggunaan, misalnya:

• Ganti gantung mandi Anda setiap 30 hari (pemeliharaan berbasis kalender)
• Ganti oli mobil Anda setiap 5.000 mil. (pemeliharaan berbasis penggunaan)

Dalam skenario terakhir, tidak masalah apakah membutuhkan waktu satu bulan atau satu tahun untuk mencapai lima ribu mil, oli hanya perlu diganti setelah telah digunakan hingga potensinya dan penggunaan lebih lanjut dapat menyebabkan degradasi bagian lain dari mobil.

Untuk melanjutkan metafora, untuk seseorang yang membutuhkan waktu satu tahun untuk mengemudi 5.000 mil, ganti oli bulanan akan konyol. Mereka akan mendapatkan ganti oli sekitar setiap 416 mil jika mereka mengemudi sekitar jumlah yang sama setiap bulan. Ini berarti biaya ganti oli mereka 1200% lebih tinggi dari yang diperlukan, ditambah waktu dan risiko yang terlibat pada perubahan yang tidak diperlukan belas kali. Pada sistem pemeliharaan berbasis penggunaan, mereka memiliki risiko downtime yang sama atau lebih rendah dan menghemat banyak uang selama waktu dua belas bulan. Hal yang sama berlaku untuk mesin manufaktur. Untuk mesin yang tidak digunakan secara konsisten, pemeliharaan berbasis penggunaan dapat mencegah pemeliharaan berlebihan pada peralatan dan menghemat banyak waktu dan uang.

Pemeliharaan berbasis penggunaan adalah langkah ke arah yang benar karena mempertimbangkan penggunaan aktual seiring interval waktu yang dalam beberapa kasus bisa arbitrari. Ini mengurangi kemungkinan pemeliharaan berlebihan dan mengurangi limbah. Namun, ini dapat ditingkatkan lebih lanjut dengan efek yang lebih besar dengan pemeliharaan prediktif dan preskriptif.

Pemeliharaan Berbasis Kondisi

Pemeliharaan Berbasis Kondisi mengurangi beberapa tebakan dalam memprediksi jadwal pemeliharaan menggunakan metode pemeliharaan berbasis kalender dan berbasis kondisi yang disebutkan sebelumnya.

Apa Itu Pemeliharaan Berbasis Kondisi?

Bentuk pemeliharaan ini mirip dengan pemeliharaan berbasis penggunaan, tetapi dengan pemantauan yang jauh lebih sering dan volume serta kedalaman data yang lebih besar. Apakah alat menunjukkan tanda aus? Apakah performa menurun atau menunjukkan tanda lain kegagalan yang akan datang? Pemeliharaan hanya terjadi ketika kualitas sebuah item menurun di bawah ambang batas yang telah ditetapkan sebelumnya. Pengukuran dapat terjadi secara terus-menerus menggunakan sensor yang terhubung ke alat atau mesin, atau mungkin berasal dari metode pengumpulan data analog yang kurang sering seperti pemeriksaan visual.

Keuntungan & Kerugian Pemeliharaan Berbasis Kondisi

Pemeliharaan berbasis kondisi adalah langkah di atas pemeliharaan berbasis penggunaan, berbasis kalender, dan reaktif ketika berkaitan dengan biaya bagian. Karena pemeliharaan berbasis kondisi hanya mengganti bagian saat mereka diperkirakan akan segera gagal, produsen mendapatkan penggunaan lebih banyak untuk uang mereka tanpa kerusakan dan downtime yang datang dari mendorong bagian sampai titik kegagalan seperti yang terjadi dengan strategi pemeliharaan reaktif.

Ada biaya tambahan yang terkait dengan pemantauan yang sering, baik itu dilakukan melalui sensor atau pemeriksa manusia. Namun, biaya ini biasanya diimbangi dengan penghematan dari downtime yang dikurangi serta umur bagian dan mesin yang lebih panjang.

Jika sensor digunakan, biaya terkait instalasi dapat menumpuk, terutama di lingkungan operasi yang hostility di mana sensor mungkin hancur secara teratur. Beberapa sensor mungkin memerlukan produsen untuk memodifikasi mesin mereka untuk menerapkannya, seringkali membuat garansi batal. Selain itu, melatih karyawan untuk memeriksa, memasang, dan mengkalibrasi sensor dapat menjadi mahal.

Waktu antara tindakan pemeliharaan dapat tidak dapat diprediksi menggunakan metode ini, karena bagian hanya diganti sesuai kebutuhan. Ini membuatnya lebih sulit untuk merencapkan downtime terjadwal jauh sebelumnya.

Pemeliharaan berbasis kondisi meningkatkan penggunaan bagian sambil sebagian besar melindungi mesin dari kegagalan kritis dan downtime yang tidak terjadwal, namun melatih pekerja dan menggunakan sensor aftermarket dapat menjadi mahal dan memakan waktu, terutama jika sensor harus diganti secara teratur. Jadwal yang tidak dapat diprediksi juga dapat menyebabkan biaya kesempatan yang meningkat. Sistem ini paling baik diimplementasikan pada mesin yang memerlukan penggantian bagian yang sering yang mudah dipantau dan mudah diperbaiki. Untuk manfaat yang lebih luas bagi produsen, pemeliharaan prediktif dan preskriptif sering kali jauh lebih efektif.

Pemeliharaan Prediktif

Pemeliharaan prediktif mengungguli opsi yang telah kita bahas sebelumnya dengan menggabungkan banyak manfaat dari setiap kategori. Sistem ini membantu produsen memprediksi kapan pemeliharaan paling mungkin diperlukan, dan ia melakukannya dengan akurasi yang semakin meningkat.

Apa Itu Pemeliharaan Prediktif?

Pemeliharaan prediktif memanfaatkan teknologi seperti kecerdasan buatan, machine learning, dan perangkat IoT untuk memprediksi kapan kegagalan akan terjadi sehingga produsen dapat merencapakannya di masa lalu dan mengganti bagian sebelum konsekuensi timbul. Tujuan pemeliharaan prediktif adalah untuk mencapai zona Goldilocks frekuensi pemeliharaan—tidak terlalu sering dan tidak terlalu jarang. Ini menghindari jebakan pemeliharaan berlebihan seperti biaya bagian dan tenaga kerja yang berlebihan, limbah, dan risiko kesalahan manusia yang meningkat. Ini juga mencegah masalah yang terkait dengan pemeliharaan kurang seperti kegagalan kritis, downtime yang tidak terduga, dan kerusakan pada mesin atau karyawan.

Untuk melakukan ini, data dikumpulkan dari mesin pabrik yang dilengkapi sensor IoT yang kemudian dianalisis berdasarkan data saat ini dan historis, sering menggunakan machine learning, untuk menemukan tren dan memprediksi kegagalan.

Solusi Pemeliharaan Prediktif MachineMetrics

Learn More

Keuntungan dan Kerugian Pemeliharaan Prediktif

Produsen perlu menyimpan lebih sedikit bagian cadangan ketika mereka mengetahui periode kegagalan yang paling mungkin untuk suatu potong peralatan tertentu. Pengguna teknik pemeliharaan prediktif mendapatkan yang terbaik dari kedua dunia dengan mengurangi downtime sambil mengoptimalkan penggunaan sumber daya.

Sama seperti pemeliharaan berbasis kondisi, beberapa sensor IoT yang digunakan untuk tujuan ini tidak dapat menahan lingkungan manufaktur yang hostile seperti yang melibatkan cacahan logam, pelumas, bahan korosif, dan serupa. Penggantian dan kalibrasi ulang sensor dapat menjadi mahal, terutama jika sensor tersebut membuat garansi mesin pabrik batal. Selain itu, mempekerjakan profesional data untuk memantau dan menganalisis data sensor guna menciptakan insight yang dapat ditindaklanjuti dapat datang dengan harga yang mahal.

MachineMetrics memecahkan semua masalah ini dan lebih banyak. Perangkat pemantauan data kami menjaga garansi mesin Anda tetap utuh dan, karena mereka tidak memerlukan kalibrasi yang sensitif, mereka dapat menahan permintaan lingkungan manufaktur yang paling intens. Perangkat kami menarik data dari komputer mesin Anda dan mengirimkannya, tentu saja terenkripsi, ke cloud. Tidak ada data scientist internal? Tidak masalah, kami dapat menanganinya untuk Anda. Platform Industrial IoT kami fleksibel dan intuitif, jadi Anda dapat melihat hasil dari upaya transformasi digital Anda hampir segera—hanya lima hari untuk ROI.

Pemeliharaan Preskriptif (RxM)

Pemeliharaan preskriptif (RxM) membawa pemeliharaan prediktif satu langkah lebih jauh untuk memberikan solusi paling berharga untuk masalah pemeliharaan yang akan datang. Pemeliharaan preskriptif memberdayakan produsen untuk menyelesaikan kebutuhan pemeliharaan mereka sendiri tanpa kebutuhan akan sejumlah besar ahli.

Apa Itu Pemeliharaan Preskriptif?

Pemeliharaan preskriptif menggunakan teknologi yang sama dengan pemeliharaan prediktif—Industrial IoT dan machine learning—tetapi juga menawarkan simulasi skenario untuk memandu tindakan. Jika pemeliharaan prediktif memberitahu Anda bahwa alat Anda akan gagal dalam 30 menit karena pola getaran saat ini dan data masa lalu yang mengatakan pola tersebut mendahului kegagalan, maka pemeliharaan preskriptif akan memberitahu Anda bahwa jika Anda mengurangi beban pada alat tersebut sebesar 30% sekarang, Anda dapat memperpanjang umur alat selama tiga jam. Pemeliharaan preskriptif memberitahu Anda apa yang harus dilakukan selanjutnya untuk mendapatkan nilai paling banyak dari apa yang Anda miliki—waktu dan alat sama.

Tingkat Kematangan: Pemeliharaan Preskriptif

Strategi pemeliharaan yang matang menggunakan pendekatan multivariat dan dapat menggabungkan kemampuan pemeliharaan prediktif dan preskriptif. Ini memungkinkan produsen untuk memprediksi, dengan akurasi paling tertinggi yang dapat ditolak saat ini, kapan mengharapkan kegagalan bagian pada skala pendek, menengah, dan panjang. Ini juga membantu dalam mengoptimalkan proses untuk mendapatkan umur terpanjang dari alat dan bagian sambil menghindari downtime yang tidak terduga dengan presisi yang luar biasa. Solusi pemeliharaan preskriptif dapat membantu memandu teknisi menuju perbaikan yang cepat dengan memperkaya intelijen situasional dan basis pengetahuan mereka dengan penggunaan kecerdasan buatan.

Sementara beberapa implementasi pemeliharaan preskriptif dan prediktif dapat rapuh dan mahal, MachineMetrics menawarkan platform Industrial IoT yang dapat menahan berbagai macam lingkungan manufaktur, mengumpulkan data pada 10.000 titik per detik, dan mengirim informasi ini ke profesional data yang siap, bersedia, dan menunggu untuk mengoptimalkan lantai pabrik Anda. Ahli dalam transformasi digital lanjutan, kami telah menggunakan pengalaman kami untuk menyederhanakan proses kami sehingga Anda dapat memasang perangkat IoT kami pada mesin Anda—tanpa membuat garansi batal—tanpa kami pernah langkah kaki di pabrik Anda dengan rencana Do-It-Yourself kami. (Tapi kami senang datang membantu jika Anda ingin, juga.)

Kemudian, Anda sedang dalam jalan menuju sistem super yang matang, mudah dipahami, meningkatkan moral, dan mendorong pendapatan untuk semua kebutuhan pemeliharaan dan manufaktur Anda. Hubungi kami untuk melihat apa yang dapat kami lakukan untuk Anda hari ini.