자산 성과 관리 전략

무너지지 않는 세상을 만드는 것은 공정 산업에 200억 달러의 기회를 제공합니다. 계획되지 않은 가동 중지 시간을 줄이고 자산 활용도를 높이는 것은 생산 운영의 재정적 개선을 위한 가장 큰 기회입니다. 알버트 아인슈타인(Albert Einstein)은 다음과 같이 말하면서 스마트 제조를 암시했을 수 있습니다. 질문, 5분 이내에 문제를 해결할 수 있습니다."

유지 관리의 진화

지난 50년 동안 유지 관리는 점점 더 복잡해지는 프레임워크와 함께 신뢰성 및 가용성 영역에서 제조에 더 나은 서비스를 제공하기 위해 발전했습니다. 그러나 변화가 임박했습니다. run-to-failure, 달력 기반, 사용 기반, 상태 기반 및 RCM(신뢰성 중심 유지보수)과 같은 현재 접근 방식은 기계 검사 및 서비스에 대한 과학의 부족으로 인해 어려움을 겪고 있습니다. 현재 유지 관리 방법론은 고장의 근본 원인으로 마모에 중점을 두고 있지만 기계 장비의 성능 저하 및 고장의 80%는 프로세스 중심입니다.

오늘날 업계의 현실은 수익성을 극대화하기 위해 프로세스가 가능한 한 핵심 한계에 가깝게 운영되는 경향이 있다는 것입니다. 그러나 공정 이탈로 인해 자산이 손상되거나 과도한 마모가 발생하는 바람직하지 않은 작동 지점에 놓일 수 있습니다. 정확하고 사실에 기반한 유지 관리 결정을 내리려면 프로세스가 자산에 미치는 영향을 더 잘 이해해야 합니다. 자산, 프로세스 및 이들 간의 상호 작용에 대한 더 깊은 통찰력을 제공하려면 새로운 세대의 분석 기능이 필요합니다. 운영자는 임박한 문제를 경고하기 위한 예측 솔루션이 필요하며 소프트웨어는 규범적 지침을 통해 문제를 예방할 수 있어야 합니다. 이러한 특성을 파악하려면 설계, 생산 및 유지 관리 시스템에서 데이터를 추출 및 분석할 수 있는 빅데이터 기계 학습 기능과 함께 심층적인 프로세스 모델링 전문 지식이 필요합니다.

차세대 자산 성과 관리

차세대 자산 성능 관리는 실행 가능한 데이터로 가동 시간을 최대화하고 모든 장애의 근본 원인을 정확하게 예측하고 제거하는 기능을 제공합니다. 문제를 예측하고 작업자 조치를 규정할 수 있는 고급 분석을 통해 제조의 미래를 나타냅니다. 고급 데이터 분석 및 데이터 과학은 기계 학습을 포함하는 안정성 전략을 가능하게 합니다. 자본 집약적인 산업 자산에 가치를 추가하려면 기계 학습이 복잡하고 문제가 있는 센서 및 유지 관리 이벤트 데이터를 해석하고 관리해야 합니다. 결국 프로세스 운영 패턴을 포착하고 이를 장애 정보와 병합하여 자산에 부정적인 영향을 미칠 수 있는 운영 조건 및 패턴을 결정할 수 있습니다.

성공 시스템

예측 분석은 다운타임을 줄일 수 있지만 중단은 거의 단독으로 발생하지 않습니다. 대신 수십 가지의 안정성, 프로세스 및 자산 문제가 동시에 발생합니다. 이것은 의사결정 과정을 지연시켜 정적인 평가를 수행하는 현재의 유지보수 접근 방식인 RCM에 대한 시스템적 문제를 나타냅니다. 리소스의 우선 순위를 지정하고 할당하기 위해 다른 활성 조건과 함께 새로운 경고를 평가해야 하므로 동적 평가가 필요합니다. 그러나 모든 것을 한 번에 해결할 수 없기 때문에 문제를 해결하고 문제가 나타내는 위험 수준에 따라 우선 순위를 지정하려면 성공 시스템이 필요합니다. 고급 소프트웨어를 사용하면 각각의 새로운 경보가 위험 프로필의 재계산을 트리거하여 최신 재무 및 위험 확률 평가가 신뢰성 평가에 사용되도록 보장할 수 있습니다.

물론 기업이 완전히 성공하려면 다음 단계를 포함하여 구현에 대한 전체적인 접근 방식을 채택해야 합니다.

운영 우수성과 수익성이 위태로운 상황에서 효과적인 자산 성과 전략을 개발하는 것은 비즈니스의 필수 요소입니다. 무너지지 않는 세상을 만드는 데 도움이 되는 기술로 실패는 선택 사항이 아닙니다.