예측 분석:유지 관리 이상의 가치 실현

예측 분석 프로그램을 통해 실질적인 이점을 얻고 있습니까? 대부분의 예측 분석 프로그램은 진동 기반 예측 유지 관리 프로그램을 대체합니다. 실패 예방이라는 단일 임무에 초점을 맞췄습니다. 1980년에 마이크로프로세서 기반 데이터 수집기가 시작된 이래로 이러한 프로그램 중 3% 미만이 반복 비용을 상쇄하는 검증 가능한 절감 효과를 가져왔습니다.

전반적으로 이러한 프로그램은 계획되지 않은 가동 중지 시간을 줄인다고 선전했지만, 모든 경우에 감지된 오류를 방지하는 데 필요한 계획된 가동 중지 시간은 늘어났습니다. 이러한 프로그램의 대부분은 전체 유지 관리 가동 중지 시간은 물론 전체 유지 관리 인건비 및 자재 비용도 증가시켰습니다. 겉으로는 혜택이 있는 것처럼 보이지만 이러한 프로그램은 비생산적인 것으로 입증되었습니다. 기술적 한계 때문이 아니라 이러한 기술을 부적절하게 사용했기 때문입니다.

예측 분석의 이점을 제한하는 세 가지 주요 요인이 있습니다. 제공할 수 있는 기능은 다음과 같습니다. 

• 실패 예방에 집중하다 보면 긍정적인 결과가 나오지 않을 것입니다. - 그것이 당신이 원하는 것이라면 그것이 달성할 수 있는 최선이며, 실패 예방은 신뢰성을 높이거나 비용을 줄이는 데 아무런 도움이 되지 않습니다. 
• 예측 분석을 유지 관리 및 유지 관리 결함으로 제한 - 데이터에 따르면 자산 오류의 17%는 유지 관리 문제로 인해 발생하고 대부분(83%)은 조직 내의 기타 결함으로 인해 발생합니다. 운영 모드와 같은 인과 요인을 분석에 포함하도록 범위를 확장하면 실패의 원인이 되는 기능을 이해하는 데 도움이 될 뿐만 아니라 안정성을 저하시키고 운영 비용을 증가시키는 결함을 식별하는 데도 도움이 됩니다.
• 프로그램에서 가치 흐름 자산 생략 - 기술 공급업체의 조건에 따라 진동 프로그램에는 단순 회전 자산, 전기 장비용 열화상 측정 및 진동 백업을 위한 윤활유 분석이 포함됩니다. 눈에 띄는 누락은 수익을 창출하는 자산입니다. 단순하지 않고 역동적이지 않을 수 있지만 자산이 없으면 회사는 생존할 수 없습니다.

예측 분석은 유지 관리일 뿐만 아니라 예측 유지 관리를 단순히 대체하는 것도 아닙니다. 제한이 없습니다. 예측 분석은 물리적 자산이든 관계없이 모든 반복 활동에 적용 가능합니다. , 생산 시스템 또는 조직의 재무 부서. 이 기사에서는 논의를 물리적 자산으로 제한하고, 운영 역학에 근거한 예측 분석을 통해 자산에서 최적의 성과를 얻고 유지할 수 있는 방법에 대해 설명합니다.

자산에서 최적의 성능, 신뢰성 및 경제적 내용 연수를 얻고 싶다면 진정한 예측 분석에 대한 계몽적인 접근 방식에 참여하십시오. 오류 예방에만 초점을 맞추는 대신 설계 또는 최적의 운영 조건에서 가치 흐름과 중요한 보조 자산을 유지하는 데 중점을 두면 오류를 줄일 수 있을 뿐만 아니라 동시에 경제적 유효 수명을 연장하고 조직의 총 소유 비용을 줄일 수 있습니다. 이는 투자 자본에 대한 최적의 수익과 수익 창출을 얻을 수 있는 유일하고 효과적인 방법입니다.

소개

이러한 레거시 프로그램의 실패를 이끄는 공통 요인 중 하나는 그 원인 요인이 아니라 자본 자산의 실패 모드에 대한 집착입니다. 간단한 예는 불량 베어링을 식별하고 베어링을 교체하기 위한 시정 조치를 취하는 것입니다. 그러나 베어링 실패의 원인이 무엇인지에 대한 명백한 질문을 하지 않고서는 실패할 운명에 처해 있는 자기 실현적 예언입니다.

물리적 오류가 가동 중지 시간과 높은 유지 관리 비용을 초래하는 주요 원인이더라도 이 접근 방식으로는 문제를 해결할 수 없습니다. 신뢰성, 경제적 유효 수명을 감소시켜 운영 비용 및 유지 관리 자본 지출을 증가시키는 근본적인 원인 요소에 초점을 맞추기 전까지 예측 분석 프로그램은 실패할 수밖에 없습니다. 

고장 기반 접근 방식의 한 가지 예는 공장에 대한 계약 예측 유지 관리 프로그램을 구현한 대규모 통합 제철소였습니다. 프로그램이 시작되기 전에는 예상치 못한 가동 중단 시간과 높은 유지 관리 비용으로 인해 공장이 어려움을 겪었습니다. 프로그램을 시작한 지 6년 후에는 예기치 않은 다운타임이 감소했다고 보고했습니다. 35% 증가.

성공적인 결과죠? 6년 동안의 실제 변화를 살펴보면 그렇지 않습니다. 실제로 예정되지 않은 가동 중지 시간은 더 낮았지만 불량 베어링, 기어 및 기타 마모 부품을 교체하기 위해 계획된 가동 중지 시간은 65% 증가했습니다.

또 다른 주목할만한 변화는 연간 유지 관리 비용이었습니다. 총 인건비와 재료비가 80% 이상 증가했습니다. 교체 베어링 비용은 240만 달러에서 1,470만 달러로 증가했으며 기어 및 기타 마모 부품도 비슷한 패턴을 따랐습니다. 

실패는 일반적인 것이 아닙니다. 신뢰할 수 있고 설계 한계 내에서 지속적으로 작동하며 적절한 유지 관리를 받도록 설계된 자산은 설계 수명이 지나도 신뢰할 수 있는 상태를 유지합니다. 실패 중심 예측 분석의 문제는 자산을 운영하고 유지하는 방식이 자기 실현적 예언이 될 수 있다는 점을 인정하지 않는다는 것입니다. 우리는 마모를 가속화하고 마모를 가속화하는 비정상적인 작동 조건을 유도한 다음 최소한 손상을 완화할 수 있는 유지 관리를 연기합니다.

해결책

예측 분석의 한계를 해결하는 것은 적어도 기술적인 관점에서는 그리 어렵지 않습니다. 고전적인 예측 기술은 제한이 아닙니다. 효과적으로 사용하면 긍정적인 결과를 얻을 수 있는 수단이 될 것입니다.

제철소가 좋은 예이다. 프로그램이 실패 중심 분석에서 진정한 예측 분석으로 전환되자 변화는 거의 즉각적으로 이루어졌습니다. 1년도 채 되지 않아 유지 관리 자재 비용이 200만 달러 미만으로 떨어졌습니다.

새로운 프로그램은 베어링을 예로 들어 보고된 베어링 고장의 원인 요소에 초점을 맞추고 이를 제거하기 위한 시정 조치를 구현했습니다. 원인 요인을 제거하면 비용이 증가하고 교체 비용이 급락하는 만성 조기 고장이 즉시 제거됩니다.

두 번째 해에는 베어링 및 기타 마모 부품 비용이 더욱 떨어졌습니다. 유지 관리 비용이 60% 감소하여 공장은 초점 변경 전보다 30% 더 높은 속도로 지속적으로 생산할 수 있었습니다. 

예측 분석 프로그램의 성공은 공장을 구성하는 자산, 시스템 및 프로세스의 운영 역학을 고려해야 합니다. 이는 고유한 설계 한계, 작동 모드 및 역학을 정의하는 유지 관리 수준을 고려해야 합니다. 

고장 중심 분석과 실제 예측 분석의 차이점을 보여주는 또 다른 예는 정유소에 있는 700개의 슬러리 펌프와 관련이 있습니다. 정유소에는 휴대용 데이터 수집기를 사용하여 잘 확립된 예측 유지 관리 프로그램이 있었습니다. 기술자들은 매일 자신의 길을 충실히 걸었고 시스템은 임박한 고장을 방지하기 위해 각 펌프에 유지 관리가 필요한 시기를 보고했습니다.

시간이 지남에 따라 펌프 재구축과 관련된 비용은 연간 천만 달러 이상으로 증가했습니다. 기록에 따르면 프로그램은 작동 중이었고 펌프 고장으로 인한 가동 중지 시간은 거의 보고되지 않았습니다. 

진정한 운영 역학 예측 분석 프로그램이 예측 유지 관리 프로그램을 대체한 경우 , 결과가 극적으로 바뀌었습니다. 새로운 프로그램은 고장 모드로 중단하는 대신 원인 요인을 찾았기 때문에 펌프의 11%가 매년 대대적인 수리를 필요로 하는 이유가 작동 모드 때문임이 분명해졌습니다.

원격으로 제어되는 배출 밸브는 각 펌프를 제어했습니다. 분석 결과, 제어 범위로 인해 펌프가 모범 사례 권장 사항을 벗어나 작동하도록 강제된다는 사실이 인식되었습니다. 그로 인한 불안정성으로 인해 회전하는 어셈블리와 케이스에 마모가 가속화되고 심각한 손상이 발생했습니다.

문제를 해결하기 위해 고객은 제어 범위를 BEP의 +/- 10%로 제한하도록 작동 매개변수를 변경하여 연간 수리 비용을 100만 달러 미만으로 줄였습니다. 예측 분석의 또 다른 이점은 기존 제어 범위가 전력 소비에 미치는 영향을 인식했다는 것입니다.

BEP의 160브레이크 마력 대신 펌프는 평균 거의 300Hp를 끌어냈습니다. 연간 전력 소비량의 차이는 700만 달러 이상이었습니다. 이 애플리케이션에서는 예측 분석을 통해 전년 대비 미화 1,600만 달러 이상의 비용이 절감되었습니다. . 

작동 방식

자산 관리에 예측 분석을 적용하는 것은 그리 복잡하지 않습니다. 조직 내 자산의 신뢰성과 지속 가능성 요구 사항을 논리적이고 명확하게 생각하여 결정해야 합니다. 

다음 단계는 프로세스를 정의합니다.
 

각 자산의 고유한 신뢰성 결정

신뢰성은 설계에 따라 결정됩니다. 설계 이후의 모든 활동은 최적의 투자 수익을 얻기 위해 고유한 신뢰성을 유지해야 합니다. 이 첫 번째 중요한 단계는 각 자산이나 시스템의 고유한 약점뿐만 아니라 고유한 신뢰성을 유지하고 각 자산의 최적의 경제적 유효 수명을 달성하는 데 필요한 운영 및 유지 관리 모드를 결정합니다. 

실패의 물리학

각 자산 또는 시스템에 대한 모든 실패 모드와 원인 요인을 명확하게 정의하십시오. 이는 단순 FMEA 이상이어야 합니다. 또는 인지된 실패 목록. 다양한 운영 모드(생산 및 유지 관리)의 영향과 같은 모범 사례와의 모든 편차를 고려해야 합니다. 자산 고장의 17%만이 부적절한 유지 관리로 인해 발생한다는 점을 기억하십시오. 나머지 83%는 운영상의 결함으로 인한 것입니다.

실패를 이해하는 것도 중요하지만, 실패를 초래하는 원인 요인이나 강제 기능을 이해하는 것도 중요합니다. 장애 모드를 알면 이를 예측하고 신속하게 복구할 수 있지만 이는 신뢰성을 향상하거나 재발을 방지하는 데 아무런 도움이 되지 않습니다. 원인 요소는 실패의 초기 및 모든 재발을 방지하는 데 필요한 지식을 제공합니다.

실패 모드 및 원인 요인을 식별하는 매개변수

고유한 신뢰성, 고장 모드 및 원인 요인을 심층적으로 이해한 후 다음 단계는 예측 분석 엔진에 대한 입력으로 필요한 진동 또는 열 분포와 같은 특정 매개변수를 결정하는 것입니다. 다른 형태의 진단과 마찬가지로 예측 분석은 입력 데이터의 품질과 완전성에 따라 달라집니다.

예를 들어, 고해상도 광대역 및 이산 협대역 진동 데이터 입력은 펌프의 기계적 상태를 효과적으로 분석하는 데 충분하지만, 알려지지 않은 채 실패를 초래할 수 있는 편차를 조기에 감지하고 수정하는 원인 요인을 결정하는 데는 충분하지 않을 수 있습니다. 대부분의 경우 이러한 매개변수는 기존 모니터링 및 제어 시스템에서 추출된 프로세스 데이터와 예측 분석 엔진에 필수적인 직접 측정 데이터의 조합입니다. 동적 자산 및 시스템에서 후자에는 자산, 프로세스 또는 시스템에 전략적으로 위치한 엣지 분석, 기계 학습 및 인공 지능을 통합하는 스마트 센서의 사용이 포함됩니다.

이상 탐지 모델

지금까지 이 토론에서 얻은 지식을 결합하여 효과적인 예측 분석의 마지막 단계는 각 자산, 시스템 또는 프로세스에서 지속적인 데이터를 수집하고 모든 변수를 자동으로 분석하고, 정상과의 모든 편차를 식별하고, 각 편차의 원인 요인을 식별하고, 시정 조치에 대한 규범적 지침을 생성할 수 있는 운영 역학 또는 물리 기반 모델을 개발하는 것입니다. 분명히 ODA 모델은 효과적인 예측 분석의 핵심입니다. 숙련된 신뢰성 엔지니어라면 수명 주기의 특정 시점에서 특정 자산을 평가하고 동일한 작업을 수행할 수 있어야 합니다.

차이점은 모든 자산을 지속적으로 분석하기에는 자격을 갖춘 신뢰성 엔지니어 또는 하루 시간이 충분하지 않다는 것입니다. 예측 분석 엔진은 지치거나 지루해지거나 주의가 산만해지지 않습니다.

결론적으로, 예측 분석 프로그램의 진정한 효능은 단순한 존재 자체가 아니라 전략적 구현에 있습니다. 실패 예방에 대한 일반적인 초점은 좋은 의도에도 불구하고 근본적인 원인 요인을 해결할 수 없기 때문에 종종 부족합니다. 자산 역학과 운영의 복잡성을 포괄하는 전체적인 접근 방식으로 전환하면 실패 중심 패러다임에서 진정한 예측 분석 패러다임으로의 성공적인 전환에서 입증된 것처럼 실질적인 이점을 얻을 수 있습니다. 

가치 흐름과 보조 자산을 유지하는 것의 중요성을 인식함으로써 조직은 오류를 완화할 수 있을 뿐만 아니라 성능을 최적화하고 총 소유 비용을 줄일 수 있습니다. 신뢰성 향상, 경제적 유효 수명 연장, 운영 비용 최소화를 위한 도구로 예측 분석을 수용하는 것은 투자 자본에 대한 최적의 수익과 지속적인 수익 창출을 보장하는 적극적인 자산 관리 전략으로의 패러다임 전환을 의미합니다.

저자 소개

저자 소개