Jak údržba založená na datech transformuje manipulaci s materiály

 

Statistiky založené na datech mohou pomoci optimalizovat výkon, údržbu a udržitelnost automatizace skladů a manipulace s materiálem, vysvětluje Dan Migliozzi, ředitel prodeje a marketingu ve společnostiSkupina Invar.

 

Současná manipulační a intralogistická zařízení jsou úžasně spolehlivá. Přesto je zde mnoho chyb – všechny ty mechanické části jako válečky, ložiska, motory, řemeny, nemluvě o spínačích, senzorech a zbytku elektroniky. Pro mnoho podniků je toto vybavení zásadní – pokud je offline, vše se zastaví.

 

Neočekávané poruchy a neplánovaná údržba a opravy nejen zvyšují náklady a zhoršují služby zákazníkům, ale mají přímý a významný dopad na životní prostředí a udržitelnost. Ale implementací strategií údržby řízených daty lze tyto náklady, výkon a dopady na životní prostředí výrazně snížit.

 

Nenechte se zamrkat

Některé společnosti, zejména ty s omezenými interními schopnostmi, pracují na principu „pokud to není rozbité, neopravujte to“. Může se zdát, že to snižuje zbytečné prostoje a náklady, ale jedná se o vysoce rizikovou strategii. Existuje známý zákon, který říká, že pokud něco může selhat, tak se to stane, a to v nejhorší možnou chvíli – hlavní sezóna, spěchá objednávka, víkend o státních svátcích, kdy je sklad náhradních dílů zavřený. Nedoporučuje se.

 

Sofistikovanějším přístupem je plánovaná, plánovaná údržba. Součásti, které podléhají opotřebení nebo jinak pravděpodobně selžou, jsou vyměňovány v pravidelných intervalech – podle doporučení výrobce zařízení nebo na základě hořkých zkušeností. I tento přístup má nevýhody.

 

Očekávaná životnost součásti je statistický konstrukt – některé brzy selžou; jiné mohou být dobré mnohem déle. Intervaly údržby jsou často založeny na kalendáři, spíše než na množství a povaze používání zařízení – obvykle budou vyměněny všechny části dané „životnosti“, ať už to potřebují nebo ne. Dokonale dobré díly se posílají do šrotu. Mezitím se může výkon ostatních součástí zhoršit, a to v dostatečném předstihu před jejich „splatným“ datem výměny. To může mít vedlejší účinky na stav nebo

životnost ostatních součástí systému a zároveň se zvyšuje spotřeba energie, maziv a dalšího spotřebního materiálu. Nic z toho není dobré pro udržitelnost.

 

Inteligentní přístup založený na datech

Údržba nemusí být tak libovolná. Většina automatizace manipulace s materiálem shromažďuje nepřeberné množství monitorování stavu a dalších údajů, které lze použít v rámci preventivní údržby – lze monitorovat klíčové parametry, například spotřebu energie motorů nebo teplotu ložisek, a generovat výstrahy a varování před nejhorší se stane.

 

Ale místo toho, aby pracovníci údržby pouze reagovali na varování, že některý prvek je nebo se chystá odejít mimo svůj výkon, můžeme použít inteligentní analytický software k řízení procesu údržby tím nejefektivnějším a nejudržitelnějším směrem.

 

Můžeme dát dohromady jak historická data, tak data v reálném čase, odSCADAa dalších systémů k identifikaci oblastí a příčin poruch – jak jednorázových událostí, tak pravidelného opotřebení, střední doby mezi poruchami a prostojů nutných k provedení opatření. Můžeme použít údaje o skutečném zatížení a využití, spíše než o uplynulých časech, abychom předpověděli, které komponenty budou pravděpodobně vyžadovat výměnu a kdy – a které identické komponenty by měly být stále v pořádku. Všechny weby, které instalujeme, mají tato data čekající na použití a máme softwarové nástroje schopné tato data analyzovat, abychom mohli informovat naše rozhodnutí o nejvhodnějších a přiměřených opatřeních, která je třeba podniknout.

 

Software dále umožňuje učení, podporuje neustálé zlepšování a potenciálně odhaluje, kde mohou být zapotřebí investice do nového vybavení nebo vhodných upgradů a vylepšení – nebo dokonce školení personálu a operátorů.

 

Údržba založená na datech znamená, že zařízení může pracovat déle při maximální kapacitě a omezuje drobné záseky a jiné nehody, přičemž nutné prostoje lze optimalizovat tak, aby vyhovovaly vzorcům práce. To nejlépe využívá technický personál (interní nebo externí) k předvídání potřeby a zajištění dostupnosti nezbytných náhradních a náhradních dílů, aby nedocházelo k prostojům při údržbě.

 

Strategie udržitelnosti

Analýza dat o automatizaci skladů a jejich potřebách údržby přispívá k širšímu souboru environmentálních cílů a strategií.

Analytics umožňuje efektivní využití nejkritičtějšího zdroje – plánování, kde a kdy bude potřeba vyškolený personál a jaké jsou jeho potřeby školení.

Efektivní strategie údržby podporují cíle snižování odpadu tím, že snižují zbytečné používání nákladných (z ekonomického a ekologického hlediska) náhradních dílů. Díly mohou být obnoveny, pokud je stále lze repasovat, nikoli sešrotovat.

 

Preventivní údržba založená na datech zajišťuje efektivní výkon automatizace, a tím snižuje spotřebu energie a spotřebního materiálu – silně opotřebovaný pásový dopravník může spotřebovat 2-6krát více energie než pás v dobrém stavu. Obecněji lze analytiku použít k řízení automatizace v energeticky nejúčinnějších režimech.

 

Sníží se spotřeba a plýtvání obalových materiálů a jejich obsahu, poškozených nedostatečně fungujícím nebo vadným zařízením. Automatizace také snižuje nebo eliminuje používání více znečišťujících forem manipulačních zařízení, jako jsou vysokozdvižné vozíky.

 

Automatizace může zmírnit nebo odstranit mnoho zdravotních a bezpečnostních rizik spojených se skladovými operacemi, jako je zvedání. Zařízení, které je dobře udržováno tak, aby zůstalo v určeném provozním prostoru, je ze své podstaty bezpečnější.

 

Důležité je, že analýzy mohou odhalit rozdíly v dopadech životního cyklu dílů a materiálů od různých dodavatelů, což může pomoci při vytváření udržitelných zásad zásobování.

 

A zatímco operace fyzické údržby nevyhnutelně způsobují prostoje a další kolo v odvěké bitvě mezi provozem a inženýrstvím, monitorování stroje znamená, že nutnost zastavit linku kvůli kontrole a posouzení je z velké části eliminována. Je ironií, že demontáž zařízení za účelem kontroly je sama o sobě uznanou příčinou selhání!

 

Všichni se oprávněně obáváme o udržitelnost provozu našich společností. Inteligentní automatizace skladu podporovaná datovým analytickým přístupem k údržbě, který předpovídá a předchází poruchám zařízení, sníží prostoje, zlepší náklady a úroveň služeb a výrazně sníží dopad provozu, údržby a oprav na životní prostředí.