Mengoptimalkan Pemeliharaan dalam Manufaktur: Memanfaatkan Data Digital untuk Performa Puncak

Univers digital melipat ganda ukurannya setiap dua tahun, diproyeksikan bertumbuh dari 4,4 triliun gigabyte pada 2013 menjadi 44 triliun pada 2020. Perusahaan memiliki tanggung jawab terhadap sekitar 85 persen data yang tersimpan dalam univers digital ini, menurut EMC Digital Universe.

Pabrik manufaktur hanyalah salah satu jenis perusahaan yang berkontribusi pada produksi data ini, mengumpulkan data proses untuk memantau status mesin. Insinyur pabrik dapat memanfaatkan data ini sebaik mungkin dan memastikan jadwal pemeliharaan mereka menguntungkan pabrik, menurut Claudia Jarret, manajer AS di pemasok bagian otomatisasi EU Automation.

Produsen, yang menghadapi tekanan konstan untuk tetap mengejar permintaan pelanggan sambil tetap fleksibel, sangat menyadari ancaman downtime pabrik, Jarret menjelaskan. Akibat dari berbagai faktor, termasuk kegagalan mesin, downtime dapat membiayai produsen hingga $260.000 per jam, menurut perusahaan analis Aberdeen Research.

Oleh karena itu, pemeliharaan pencegahan, di mana peralatan dirawat sebelum rusak, sangat penting, daripada pemeliharaan reaktif, yang berfokus pada perbaikan peralatan setelah kerusakan.

Tetapi bagi mereka di industri volume tinggi dan margin rendah seperti makanan dan minuman atau manufaktur bagian otomotif, pemeliharaan pencegahan mungkin salah dipandang sebagai tidak tercapai, karena biaya awal yang dianggap tinggi.

Pencegahan

Zaman menunggu sistem gagal karena motor yang berlebihan panas atau sistem transfer panas yang bocor, misalnya, untungnya sudah menjadi masa lalu, Jarret kata. Manajer pabrik kini merencanakan inspeksi, pengupgradean, dan pemecahan masalah secara teratur untuk menghindari kerusakan. Langkah-langkah sederhana ini adalah salah satu cara untuk melakukan pemeliharaan pencegahan.

Tetapi seiring dengan teknologi Industri 4.0 seperti pemantauan kondisi yang semakin dapat diakses, ada metode yang lebih cerdas, lebih akurat, dan lebih tidak memakan waktu yang tersedia.

Banyak pabrik manufaktur sekarang menggunakan pemeliharaan prediktif, bentuk canggih dari pemeliharaan pencegahan, untuk menentukan seberapa baik peralatan berfungsi dan memprediksi kegagalan secara akurat sebelum terjadi. Ini tidak hanya mengurangi risiko kerusakan yang menyebabkan downtime, tetapi juga dapat berarti suku cadang yang diperlukan dapat dipesan dan tersedia dalam stok jika terjadi kegagalan peralatan.

Selain itu, memantau kesehatan peralatan dapat memungkinkan penyesuaian bertahap, di mana sebelumnya diperlukan perbaikan besar untuk perbaikan. Perubahan dapat meningkatkan efisiensi proses, yang pada akhirnya mengurangi biaya dengan menghilangkan elemen yang tidak efisien dan meningkatkan umur pakai peralatan melalui pemeliharaan atau penggantian bagian yang aus.

Dimulai dari Mana

Langkah pertama yang harus diambil manajer pabrik saat menerapkan jadwal pemeliharaan pencegahan apa pun adalah mengumpulkan sebanyak mungkin data, menasihati Jarret. Ini harus termasuk estimasi yang akurat dari biaya nyata downtime untuk pabrik yang bersangkutan. Mengumpulkan data yang dikumpulkan oleh sensor cerdas, angka penjualan, dan sistem yang dipasang ulang harus memungkinkan Anda untuk memperhitungkan kehilangan penjualan, produk yang terbuang, dan biaya perbaikan darurat, yang dapat memberikan angka dasar yang berguna.

Menggunakan pengalaman mereka tentang pabrik, insinyur pemeliharaan juga harus terlibat untuk menghasilkan rencana ideal untuk pabrik, termasuk area yang menurut mereka akan memerlukan tingkat pemeliharaan yang lebih tinggi, seperti peralatan tua atau mesin yang secara inheren rapuh rusak seperti motor, turbin, atau bagian bergerak lainnya.

Rencana ini kemudian dapat digunakan bersama dengan anggaran untuk menghasilkan rencana pemeliharaan yang realistis, termasuk tingkat pemeliharaan pencegahan apa yang dapat diterapkan. Bagi beberapa produsen, ini akan berarti pemeriksaan peralatan secara teratur, seperti sekali sebulan untuk bagian pabrik, atau harian untuk mesin yang lebih tidak stabil.

Data

Jika pemeliharaan prediktif yang benar adalah tujuan, data seperti suhu, tekanan, dan getaran dikumpulkan oleh sensor dan akan terus terintegrasi, disimpan, dan dianalisis. Pertanyaan berikutnya bagi produsen adalah bagaimana memanfaatkan sebaik mungkin kumpulan data yang berharga, namun besar, ini.

Setelah data dikumpulkan, langkah berikutnya untuk memanfaatkan potensinya sebaik mungkin adalah memulai analisis. Salah satu opsi populer untuk analisis data adalah layanan analitik cloud. Di sini, data mentah ditransmisikan ke cloud, tempat dapat disimpan dan dianalisis untuk tren yang dapat memprediksi peristiwa termasuk kerusakan. Banyak layanan juga menyertakan sistem peringatan dan peringatan tentang kerusakan yang akan datang dapat dikirim melalui portal web, aplikasi, e-mail, atau pesan teks kepada personel yang relevan.

Produsen lain, mungkin khawatir tentang keamanan siber, stabilitas jangka panjang data yang disimpan di cloud, atau keterlambatan antara pengumpulan data dan analisis, akan menganalisis data mentah secara internal. Meskipun ini seringkali jauh lebih membutuhkan sumber daya, ini memberi manajer pabrik kontrol penuh atas data mereka.

Kesederhanaan (Obsolescence)

Terlepas dari sistem yang diimplementasikan, pemeliharaan prediktif dapat digunakan untuk mengelola usang, selain mengurangi downtime dan meningkatkan efisiensi proses.

Ini berarti bagian dapat dipesan pada waktu yang tepat untuk sesuai dengan jadwal pemeliharaan. Tradisionalnya, produsen harus menyimpan stok bagian yang mungkin perlu diganti, yang menempati ruang berharga di lantai pabrik yang sebaliknya dapat digunakan untuk operasi. Suku cadang juga dapat besar dan menghasilkan bahaya keselamatan dan kesehatan, termasuk bahaya tergelincah atau kebakaran, jika disimpan di lantai pabrik.

Alih-alih, produsen dapat memilih untuk memesan bagian pengganti hanya saat diperlukan, memaksimalkan ruang dan sumber daya yang tersedia bagi mereka. Dengan pemasok seperti EU Automation yang dapat mengirim bagian usang ke seluruh dunia dalam 24 jam, sekarang tidak perlu lagi menyimpan bagian di lokasi atau menderita downtime yang diperpanjang menunggu mereka tiba.

Ketika pemeliharaan prediktif diterapkan, data yang dikumpulkan juga dapat digunakan untuk tujuan lain, seperti meningkatkan efisiensi proses dan memastikan suku cadang dipesan dengan waktu yang cukup. Pengumpulan dan analisis yang tepat dari data ini sangat penting untuk memaksimalkan potensinya—dan ini hanya akan semakin penting setiap tahun seiring bertambahnya jumlah data.