Pemeliharaan Pencegahan vs Prediktif: Mengapa Beralih ke Prediktif Esensial untuk Produsen
Saat berbicara dengan orang-orang, kami menemukan bahwa istilah Preventatif dan Prediktif sering kali saling tumpang tindih secara mental; namun ada perbedaan yang sangat mencolok dalam teknik implementasi dan efek dunia nyata sehingga penting untuk mendefinisikan keduanya dengan jelas sebelum kita membahas kelebihan, kekurangan dan mengapa Pemeliharaan Prediktif adalah masa depan yang satu-satunya untuk produsen.
Pemeliharaan pencegahan sangat bergantung pada Mean Time Between Failure (MTBF) yang ditentukan produsen yang menentukan rata-rata waktu antara kegagalan mesin dan komponennya. Aktivitas pemeliharaan dilakukan sebelum angka MTBF (biasanya dalam jam operasi) terlampaui.
Pemeliharaan prediktif bergantung pada informasi diagnostik (kondisi saat ini) dan prognostik (kondisi di masa depan) dari dunia nyata dari mesin dan komponennya (ini bisa jadi pemantauan getaran untuk bantalan / gearbox, pemantauan arus untuk motor listrik, pemantauan suhu untuk fluida, dll.). Pemeliharaan dilakukan berdasarkan kondisi aktual komponen dan Usia Berguna Tersisa (RUL) yang diharapkan, yang memungkinkan Anda untuk memprediksi kegagalan mesin dengan akurat dan menghindarinya.
Dunia nyata tidak ideal
Sayangnya untuk skema ini dan diagram rapi kami, dunia nyata tidak pernah sesuai dengan 'yang ideal' dan beberapa kompromi diperlukan.
Pemeliharaan pencegahan tidak mempertimbangkan penggunaan aktual mesin dan tidak dapat dengan cara apa pun menunjukkan titik kegagalan potensi. Seringkali hal yang gagal bukanlah apa yang ditemukan produsen dalam regime pengujian asli mereka dan seiring mesin menjadi tua, perilaku mereka berubah secara signifikan. Angka MTBF yang disediakan produsen biasanya sangat konservatif karena kecenderungan untuk pemeliharaan berlebihan secara umum lebih murah daripada kegagalan dan waktu henti yang ditimbulkannya.
Tidak hanya pemeliharaan terencana mengganggu operasi (waktu henti) tetapi kerusakan tidak terencana akan menyebabkan waktu henti ekstra – kadang-kadang bahkan tepat sebelum peristiwa pemeliharaan terencana. Di dunia nyata, skema ini menjadi semakin mahal dan tidak efisien seiring mesin menjadi tua.
Lihat bagaimana Nissan dan Senseye telah bekerja sama untuk mengurangi waktu henti produksi hingga 50%.
Pemeliharaan prediktif di dunia nyata kemungkinan besar akan memiliki elemen pemeliharaan terencana untuk jaminan tambahan tetapi ini akan cenderung lebih sedikit dan kurang mengganggu. Pemeliharaan berbasis kondisi teratur berdasarkan informasi prognostik memungkinkan penghindaran waktu henti tidak terencana. Dalam beberapa kasus, indikator kondisi dapat muncul sebelum peristiwa pemeliharaan terencana, pemeliharaan yang secara Opportunistik kemudian dapat digabungkan ke dalam peristiwa pemeliharaan terencana yang sudah ada untuk memberikan peningkatan efisiensi tambahan.
Perbandingan
Pemeliharaan Prediktif yang didorong oleh diagnostik dan prognostik yang andal adalah pemenang yang jelas dalam hal mengoptimalkan produktivitas dan meminimalkan waktu henti. Peringatan tunggal bagi adopter adalah bahwa ini sepenuhnya didorong oleh dunia nyata, membutuhkan data yang luas untuk dikumpulkan dan investasi awal untuk ini bisa terlihat menakutkan, meskipun itu berubah seiring Industri 4.0 dan IIoT semakin berkembang dan biaya sensor turun. Mesin yang lebih baru bahkan datang dengan sensor dan pengumpulan data bawaan untuk membantu pemeliharaan prediktif.
Peningkatan terbesar dibandingkan pemeliharaan pencegahan adalah bahwa ini memungkinkan Anda untuk memelihara berdasarkan penggunaan dan kondisi yang sesuai, bukan hanya berdasarkan MTBF. Anda menghemat uang dengan tidak hanya memiliki lebih sedikit peristiwa pemeliharaan mendalam tetapi juga lebih sedikit peristiwa waktu henti tidak terencana – Anda akan mendapat peringatan tentang kondisi komponen sebelumnya dan akan memiliki kesempatan untuk melakukan pemeliharaan korektif sebelum itu menjadi masalah waktu henti dan produktivitas.
Mengapa Pemeliharaan Prediktif adalah masa depan
Apakah Anda suka membuang-buang waktu dan uang? Tidak dipikirkan juga. Para pesaing Anda juga tidak. Lonjakan raksasa yang dibawa Industri 4.0 tidak ada pada bahan, mesin atau teknik produksi baru. Ini tentang meningkat dan mengoptimalkan apa yang sudah Anda miliki, memeras setiap titik produktivitas dari investasi Anda.
Pemeliharaan Prediktif diaktifkan oleh produk seperti Senseye, yang membantu Anda menghindari waktu henti dan memastikan produktivitas sambil mengeluarkan lebih sedikit uang. Itu cukup menarik!
Ingin melihat produk diagnostik, prognostik dan pemantauan kondisi yang mudah digunakan kami, Senseye, dalam tindakan dan mempelajari bagaimana itu dapat menghemat waktu henti Anda? Minta demo langsung di sini:
