Údržba a servis na míru

Přístup k údržbě může být reaktivní nebo proaktivní. Reaktivní přístup k údržbě různých zařízení spočívá jen v tom, že opravíme to, co se zrovna porouchá, v lepším případě na základě zkušeností obsluhy tušíme, že se něco velmi brzy porouchá a rychle se snažíme zajistit servis tohoto zařízení. Toto však rozhodně není cesta k vyšší efektivitě, protože dochází k neplánovaným odstávkám, které zejména ve výrobě mohou mít výrazné ekonomické dopady. Současně vzniká problém se zajištěním servisní organizace, která také velmi pravděpodobně nečeká ve startovních blocích, až ji zavoláme, ale má servisní pracovníky v terénu u jiných zákazníků. Je s podivem, že i dnes, kdy stále více skloňujeme výrazy jako Internet věcí nebo Průmysl 4.0, mnoho společností stále nevyužívá možnosti prediktivní údržby a stále jedná spíše reaktivně.

Minimalizace ztrát
Proaktivní přístup = prediktivní údržba. Pod tímto spojením si lze představit automatizovaný sběr informací ze zařízení. Ty se vyhodnocují v příslušném systému a na jejich základě lze predikovat - předvídat - možné problémy a poruchy a včas jim předcházet. Tím minimalizujeme ztráty, které mohou vzniknout výpadkem zařízení a zastavením výrobního procesu a náklady na výměnu a expresní údržbu. Současně jsme schopni efektivně plánovat servis zařízení, aby dobře zapadl do výrobního plánu a prostoje existovaly v době nižšího zatížení.
Příkladů může být mnoho, ale podívejme se třeba na „obyčejné výtahy“. Najdeme je téměř všude, například v hotelích. A asi žádný hotel si nepřeje vysvětlovat hostům, že výtah má poruchu a musí v lepším případě použít jiný, v horším jít po schodech.
A přitom je to tak jednoduché. Zařízení o sobě může odesílat informace do systému. Například ohledně toho, kolikrát byl v provozu, jak byl zatížen či jakékoli další informace. Z těchto informací lze následně predikovat možnou poruchu a předcházet jí tím, že včas zajistíme servis. Navíc - protože je výtah stále v provozu - můžeme si dovolit ten komfort, že servis domluvíme na noční dobu, kdy je nejméně vytížen a hosté to nebudou tolik pociťovat.

Senzory i černá skříňka
Zavedením prediktivní údržby zvyšujeme efektivitu a zpravidla sledujeme určité cíle. Mezi hlavní patří:
-zajištění plynulosti provozu
-plánování doby nutné odstávky s ohledem na délku trvání
-plánování vhodného termínu odstávky
-snížení finančních nákladů při výpadku (zejména výrobní společnosti)
-optimalizace zásob náhradních dílů (pokud si společnost provádí servisní činnosti sama)
Samozřejmě se lze zeptat: co se zařízeními, která neumí odesílat požadované informace? Nevadí - ne všechna zařízení jsou na vlně Průmyslu 4.0. Avšak kterékoli z nich lze vhodně doplnit čidly a senzory a také „černou skříňkou“, která data odešle do systému.
Ačkoliv zavedení prediktivní údržby lze obecně vřele doporučit, je třeba zvolit, pro která zařízení je opravdu nutná a vhodná. Ne všechna zařízení, která mohou být zavedena do režimu prediktivní údržby, to vyžadují a ne všechny jsou nutná pro zajištění plynulého provozu například výrobní linky.

Data (nejen) pro údržbu
Ruku v ruce s prediktivní údržbou jde inteligentní servis. Vždyť právě na základě analýzy dat z prediktivní údržby jsme schopni naplánovat včasný a vhodný servis. To nejen pokud si jej provádíme jako společnost sami, ale zejména pokud jsme servisní organizací a provádíme tuto službu pro jiné společnosti.
V běžném provozu jednotlivá zařízení odesílají poměrně velké množství dat. A to nejen pro potřeby údržby, ale je třeba s nimi nadále pracovat, aby byla efektivně využita. Tvoříme například grafy a tabulky, které nám napovídají v dalším rozhodovacím procesu pro lepší organizaci servisních pracovníků, nebo ukazují na možná slabá místa v zařízení, na která je třeba se více zaměřit při vývoji, nebo údržbě. Bohužel toto stojí nějaký čas a úsilí. Pokročilejší částí je implementování algoritmů, které tuto analytickou činnost provedou za nás a připraví nám nejen grafy a tabulky pro naše rozhodování, ale rovnou nám doporučí vhodnou úpravu predikce pro potřebný servis zařízení.

Inteligentní pracovník pro inteligentní servis
A proč tedy vlastně inteligentní servis? Proto, že systém dle zjištěné závady umí nabídnout správného servisního pracovníka, který má na dané zařízení správnou kvalifikaci a předpoklady, je blízko daného zařízení a má volný čas. Technik je informován o plánovaném zásahu přímo do svého zařízení a může kontaktovat zákazníka. Příkladem může být automobil. S trochou nadsázky lze říci, že pokud bude systém automobilu hlásit servis oleje, nepošleme na tuto činnost autoelektrikáře, který má sice volno, ale nemá na tuto činnost kvalifikaci, ale automechanika.
Na základě dat z prediktivní údržby je automaticky nebo pomocí dispečera generován servisní požadavek a naplánován servisní pracovník, kterému informace přijde na jeho mobilní zařízení a on může rovnou kontaktovat zákazníka. Systém navíc může pracovníka navigovat na místo zásahu.

Spokojenost na obou stranách
Závěrem lze konstatovat, že pro optimalizaci nákladů a zvýšení efektivnosti je více než vhodné pracovat proaktivně a tedy pracovat na rozvoji prediktivní údržby a inteligentního servisu. V takovém případě budou spokojení jak zákazník, tak servisní organizace. Zákazník sníží náklady za případné havárie a poskytovatel služeb naopak může lépe plánovat využití svých zdrojů a má spokojené zákazníky.

Jaroslav Otcovský
Manažer pro zavádění systému SCS v ČR, Asseco Solutions