IBM:EAM으로 안정성과 안전성을 사전에 보장

IBM의 Skip Snyder가 제조업체를 위한 효과적인 EAM 솔루션의 이점에 대해 설명합니다.

소프트웨어, 시스템 및 서비스를 결합하는 EAM(Enterprise Asset Management)은 수명 주기 동안 운영 자산의 품질을 유지 관리, 제어 및 최적화하는 데 도움이 됩니다. IBM 글로벌 비즈니스 서비스의 수석 파트너인 Skip Snyder와 대화하면서 그는 EAM 솔루션의 이점을 품질 최적화 및 자산 활용, 생산적인 가동 시간, 비용 절감이라는 세 가지 범주로 분류합니다.

품질 최적화 및 자산 활용

간단히 말해서 "잘 관리된 장비는 안정적인 고품질 출력을 지원합니다"라고 Snyder는 말합니다. "그러나 예방 유지 관리는 매우 비용이 많이 들 수 있으며 조직은 가능한 한 불필요한 검사를 줄이기 위해 지속적으로 노력하고 있습니다."

품질을 최적화하고 자산을 활용하는 한 가지 방법은 센서를 통해 자산 상태를 모니터링하고 고장을 방지하기 위해 조치를 취할 수 있는 잠재적인 저하를 나타내는 경향을 관찰하는 것입니다. 다른 방법으로는 카메라와 마이크를 사용하여 장비 상태를 모니터링하는 방법이 있습니다. 경우에 따라 루트가 센서, 카메라 및 마이크를 장비에 전달하고 데이터를 수집합니다. 이 방법은 기술자의 생산성을 향상시켜 계속해서 데이터를 수집하면서 더 높은 가치의 작업을 수행할 수 있도록 합니다.

“자산에 있는 센서와 장치의 수가 증가함에 따라 추적되는 데이터의 양이 기하급수적으로 늘어났습니다. 인간 혼자 모든 것을 모니터링하는 것은 불가능해졌습니다. AI는 이제 추세를 학습하고 식별할 수 있기 때문에 모든 데이터를 이해하고 가치를 도출하는 데 도움이 되는 엔터프라이즈 자산 관리(EAM)에서 중요한 역할을 하고 있습니다. 이 기술은 데이터를 보다 효과적인 유지 관리에 사용할 수 있는 실행 가능한 통찰력으로 변환하여 자산에 대한 이해를 심화할 수 있습니다.”라고 Snyder는 말합니다.

“예를 들어, 조건 기반 유지 관리가 시간 기반 유지 관리를 대체하고 있습니다. 몇 개월마다 또는 정해진 일정에 따라 검사 또는 수리를 수행하는 대신 운영 데이터 및 분석의 통찰력을 통해 자산 오류를 예측할 수 있습니다. 이를 통해 주의가 필요한 자산을 적시에 가져와 안정성을 개선하고 유지 관리를 최적화할 수 있습니다. 원격 모니터링 기능을 통해 지속적인 이상 탐지가 가능합니다. 자산 성능은 인공 지능(AI)에 의해 지속적으로 추적 및 평가되며, 이는 평평한 상태 및 센서 판독값의 급격한 변화와 같은 지표를 기반으로 경고를 트리거할 수 있습니다."

슈가 크릭 양조장

"Sugar Creek Brewery는 품질을 최적화하고 손실을 줄이기 위해 EAM, AI 및 IoT를 사용하는 IBM Maximo 고객의 한 예입니다. 그들은 제조 공정을 통한 맥주 유출로 한 달에 30,000달러 이상 손실을 보고 있었습니다. 이 기술을 통합함으로써 양조 과정에서 그들은 제품의 품질에 영향을 미치는 문제를 식별할 수 있습니다. 충전 시간, 온도, pH, 중력, 압력, 탄산화 및 수준과 같은 매개변수는 모두 분석을 위해 클라우드에 제공됩니다. 이 데이터는 새로운 정보를 제공할 수 있습니다. 제품이 제조 기대치를 충족하고 제조 손실로 인한 비용 절감이 이제 비즈니스에 다시 재투자되도록 기존 제품을 개선하거나 프로세스를 개선하세요." - Skip Snyder, IBM 글로벌 비즈니스 서비스 수석 파트너

생산적인 가동 시간

개방형 하이브리드 클라우드 플랫폼과 AI 기반 지능형 워크플로를 기반으로 하는 올바른 EAM 시스템을 보유함으로써 제조업체는 "잠재적인 장비 고장을 감지하고 기술자에게 문제를 해결하는 데 필요한 모든 정보와 함께 이를 방지하기 위해 자동으로 작업 지시를 내릴 수 있습니다. , 도구, 자산 기록, 근본 원인 분석 및 모범 사례를 포함합니다.”라고 Snyder는 덧붙였습니다.

비용 절감

비용 평가와 관련하여 Snyder는 이것이 두 가지 방법으로 수행될 수 있다고 설명합니다. 기술자가 적시에 올바른 방식으로 올바른 작업을 수행하고 있습니까? 초 고장, 수리 지연 또는 누락된 부품으로 인한 장비 가동 중지 시간이 제거되거나 최소화됩니까?"

이제 첫 번째 부분에 대해 , 기술자가 더 효율적일수록 더 많은 장비를 지속적으로 유지하고 실행할 수 있습니다. Snyder는 "효율성이 높을수록 가치도 더 높습니다."라고 덧붙입니다. "실시간 인사이트 및 자동화 기능을 통해 직원은 빠르고 자신 있게 데이터 기반 의사 결정을 내리고 더 높은 가치의 작업에 에너지를 집중할 수 있습니다."

두 번째 부분의 경우 장비 유지 관리 요구 사항과 관련하여 알려지고 예상할 수 있는 정보가 많을수록 운영 효율성이 높아집니다. “결과적으로 예기치 않은 고장으로 인한 가동 중지 시간이나 수리할 부품이 없어 수리를 지연해야 하는 시간이 줄어듭니다. 올바른 정보가 있으면 오류를 예측할 수 있고, 올바른 EAM 프로그램을 통해 올바른 부품을 올바른 시간에 올바른 수량으로 확보하여 장비 성능을 최적화하고 전반적인 장비 효율성(OEE)을 개선할 수 있습니다."

EAM 솔루션을 채택하는 제조업체를 위한 모범 사례

결론적으로 Snyder는 EAM 솔루션을 채택하기 위한 모범 사례가 많이 있지만 궁극적으로 장비 상태를 파악하고, 직원에게 올바른 정보와 도구를 제공하고, 신뢰성과 안전을 사전에 보장하는 것이 중요하다고 생각합니다.

“이를 실현하려면 하이브리드 클라우드와 AI 기능을 갖추는 것이 중요합니다. 개방형 하이브리드 클라우드 아키텍처를 통해 제조업체는 프로세스를 작업에 더 가깝게 이동하고 데이터 대기 시간을 줄여 적절한 정보와 도구를 적시에 인력에게 제공할 수 있습니다. 그런 다음 AI는 인력이 제조 현장과 그 너머의 산더미 같은 데이터를 분류하여 장비에서 실제로 무슨 일이 일어나고 있는지, 그리고 발생할 수 있는 모든 잠재적 문제를 해결하기 위한 최선의 조치는 무엇인지 이해하도록 돕습니다.”

제조업체의 주요 초점은 또한 우수한 데이터 관행이어야 합니다. EAM이 결정을 내리기 위해 데이터에 의존한다는 점을 감안할 때, "낮은 데이터 품질이나 데이터 부족으로 인해 기술자가 잘못된 우선 순위에 시간을 낭비하고, 필요할 때 언제 어디서나 인벤토리를 사용할 수 없으며, 올바른 도구를 사용할 수 없으며, 궁극적으로, 장비 고장 및 생산 지연.”

예방에서 사전 예방으로 전환하기 위해 제조업체는 "IoT, 모바일, AI, 로봇 및 기타 기술 혁신을 활용하여 데이터를 수집, 분석 및 조치하고; 장비의 상태를 이해하기 위해 마지막으로 기술에서 생성된 통찰력에 따라 조치를 취하는 프로세스를 자동화합니다."