Rozmowa o predykcyjnym utrzymaniu ruchu zwykle kończy się w tym samym miejscu: „to fajne, ale my nie mamy oczujnikowanych maszyn, a doposażenie kosztuje więcej niż roczny budżet działu”.
To prawda w odniesieniu do pełnego monitoringu drgań i temperatury w czasie rzeczywistym. Nie jest prawdą w odniesieniu do pierwszego kroku.
Dane, które już masz
Zanim kupisz pierwszy czujnik, sprawdź, co leży w systemie zleceń serwisowych. W większości zakładów jest tam komplet informacji z kilku lat:
- kiedy maszyna stanęła i na jak długo,
- co było przyczyną według zgłaszającego,
- jaka część została wymieniona,
- kto wykonywał naprawę,
- ile godzin maszyna przepracowała między zdarzeniami.
To wystarczy, żeby odpowiedzieć na pytania, które w praktyce mają największą wartość - i żadne z nich nie wymaga danych z czujników.
Cztery pytania warte zadania na start
Które awarie się powtarzają? Brzmi trywialnie, ale w systemie z pięcioletnią historią i tysiącami zgłoszeń nikt tego nie widzi, bo opisy są niespójne: „silnik”, „awaria silnika”, „wymiana silnika gł.”. Model językowy sprowadza te opisy do wspólnych kategorii w kilka minut - to zadanie, w którym akurat jest bardzo dobry.
Które awarie są poprzedzane sygnałem? Bardzo często okazuje się, że tydzień przed poważnym postojem było drobne zgłoszenie tego samego węzła, potraktowane jako incydent. Powtarzalny wzorzec tego typu to gotowa reguła ostrzegawcza.
Które maszyny generują nieproporcjonalnie dużo przestoju? Zwykle 20% parku odpowiada za większość strat. Warto wiedzieć, które to, zanim rozdzieli się budżet po równo.
Jaki jest realny czas między awariami dla każdego typu? To liczba potrzebna do zaplanowania przeglądów po fakcie, a nie po kalendarzu producenta.
Dlaczego to działa bez czujników
Bo pierwsza wartość nie leży w przewidywaniu awarii co do godziny. Leży w przestawieniu przeglądów z kalendarza na rzeczywiste zużycie i w wyłapaniu powtarzalnych wzorców, które dziś giną w opisach.
Czujniki są kolejnym etapem i wtedy mają sens - bo wiadomo już, którą maszynę i który węzeł nimi obłożyć. Kupowanie ich przed tą analizą to najdroższy możliwy sposób ustalenia, gdzie jest problem.
Gdzie ta droga się kończy
Trzeba powiedzieć uczciwie: na danych ze zleceń nie zbudujesz modelu, który powie „to łożysko padnie w czwartek o czternastej”. Do tego potrzebne są pomiary ciągłe.
Zbudujesz natomiast coś, co w wielu zakładach ma większą wartość: uporządkowany obraz tego, co się psuje, jak często i ile to kosztuje. Bez tego obrazu każda inwestycja w monitoring jest zgadywaniem.
Warunek, bez którego to nie zadziała
Jakość opisów w zgłoszeniach. Jeśli w polu przyczyny widnieje „nie działa” przy połowie zdarzeń, model nie wyciągnie z tego więcej niż człowiek.
Dobra wiadomość: to da się poprawić bez żadnej technologii. Wystarczy lista kilkunastu kategorii przyczyn do wyboru zamiast pustego pola tekstowego. Po kwartale takich danych analiza staje się dużo bardziej wiarygodna - i to jest sensowny pierwszy krok, jeśli dziś opisy są słabe.
Od czego zacząć w praktyce
Wyeksportuj zgłoszenia serwisowe z ostatnich trzech lat i policz dwie rzeczy: sumę godzin przestoju w podziale na maszyny oraz liczbę zdarzeń w podziale na kategorie przyczyn.
Jeśli te dwie tabele pokażą wyraźną koncentrację - masz gdzie zacząć i nie potrzebujesz na to nowego systemu. Jeśli wszystko rozkłada się równomiernie, problemem prawdopodobnie nie są maszyny, tylko organizacja pracy.
Chcesz sprawdzić, co da się wyciągnąć z Twoich danych serwisowych? Umów bezpłatną konsultację - zaczynamy od eksportu, który już masz.
