全面生产维护和工业物联网
随着工业 4.0 在全球制造企业中不断成熟，许多人认为新技术将取代旧方法，以促进效率和生产的持续改进。虽然某些应用可能会出现这种情况，但这些新技术确实可以补充现有实践。
与工业物联网应用程序的价值产品非常吻合的一种方法是全面生产维护 (TPM)。 Total Productive Maintenance 建立在精益方法推广的 5S 基础之上，是一种有助于减少停机时间和提高生产的维护模型。在此模型中，维护停机时间作为制造计划的一部分包含在制造中。作为其职责的一部分，最熟悉设备的操作员和技术人员有责任进行某些方面的定期和预防性维护。
TPM 的八大支柱
全面生产性维护旨在提高生产力、效率和安全性，同时建立一种文化，将基本维护纳入生产线员工的标准操作程序。这包括八个活动支柱：
- 自主维护 – 操作员监控其工作站的状况。
- 流程和机器改进 – 领导和操作员收集信息并确定维护任务的优先级。
- 预防性维护 – 操作员执行基本的预防性维护任务。
- 早期装备 管理 – 领导和操作员使用早期设备管理主动评估新组件并报告维护记录。
- 过程质量管理 - 质量改进理念源于共同的运营和维护责任。
- 行政工作 – 与潜在客户和运营商共享基于数据的结果。
- 教育和培训 - 持续改进导致对操作员和领导的持续教育。
- 安全 – 改进的设备性能提供更安全的操作环境。
使 TPM 与工业物联网保持一致
那么，全面生产性维护如何与工业物联网的价值产品保持一致呢？与其作为一种与新技术格格不入的方法，很容易看出诸如全面生产性维护之类的程序几乎是为 IIoT 量身定制的。一个强大而全面的工业物联网平台将提供以下几点：
- 首先，它 '将提供传感器、温度传感器、磨损传感器和其他设备形式的设备，无论年龄大小，都可以安装到任何机器上 .这将工厂内的所有设备带入了完整数据收集的生态系统。该生态系统包括最先进的边缘设备，以简化跨以太网、Wi-Fi 和蜂窝技术的物联网连接。直接连接到设备 PLC 允许将更旧的传统设备接入数据采集。
- 其次，IIoT 平台将提供工厂的全可视化 .许多人都听说过“隐藏工厂”，效率和更高的生产力正在等待解锁。这种效率是通过实时数据可视化实现的，并且在需要它的操作员、技术人员、领导和经理的指尖。据估计，仅可视化就可以将效率提高多达 20%。这种可视化由直观、动态和可定制的仪表板捕获，这些仪表板显示生产数据和设备状况。这些相同的仪表板视图可通过平板电脑、手机和其他便携式设备访问，以便在需要时做出决策。
车间可视化在组织的多个层面都很重要，从技术人员到工厂经理。
- 第三，IIoT 平台应允许全面监控机器状况并建议采取行动。 这种监控是通过数据分析收集完成的。收集机器性能数据后，可用于分析历史趋势、了解实时性能并发送通知以采取行动。
在 MachineMetrics，数据的目标是为您提供与这三者完全一致的实时可视化和分析。数据是使 MachineMetrics 如此擅长我们所做的事情的原因。 MachineMetrics 通过分析推动价值，帮助客户提高整体设备效率和制造效率，并识别生产瓶颈。这种改进通过在整个运营过程中使用分析来推动价值。
TPM 的好处
全面生产性维护的一个关键驱动因素是它使用了 5S 的精益方法工具。通过创造一个工作场所高度组织和标准化程序的环境，安全、质量、士气、维护和其他关键绩效因素都会受到影响。
- 更少的故障 – 操作员不仅负责监控其设备的状况，而且他们还有权执行传统上由维护技术人员保留的自主维护维修。借助全面生产性维护的另一个支柱，由于设备是由维护人员和操作员主动评估的，因此更加具有协作精神，并且对设备的日常功能和可能遇到的问题有更深入的了解。通过这些共同努力，我们能够开发出可减少故障的预测性维护。
- 更安全的工作场所 - 全面生产性维护的其他支柱共同创造更安全的工作场所。由于安全是整个设施的优先事项，因此提高了对潜在安全隐患的认识。这种意识会持续到教育和培训中，在那里它们可以有机地融入任何持续改进的工作中，从而成为文化的一部分。
- 更好的整体性能—— 随着全面生产性维护开始影响维护工作并减少故障，士气正提高，协作创造了团队环境。教育和培训以及对质量维护的关注有助于实现这一目标。操作的整体效率显着提高。可以使用整体设备效率 (OEE) 计算来衡量总生产性维护，以建立显示工作成功和改进的指标。使用 TPM 原则可以快速识别出性能不佳的设备和流程并将其推送给团队考虑。
如何实施全面生产维护 (TPM)
TPM 使用 5S 的精益方法工具，通常可能是精益实施的一部分。它也可用于 IIoT 的部署和工厂监控。两者都需要承诺将全面生产性维护作为一种改进过程，其目标是融入公司文化。 TPM 实施有五个基本步骤。
第 1 步：确定试点区域
试验区为 TPM 团队提供了一些可用作试验场的东西。它建立了员工的支持，并让他们看到工作中的好处。如果实施团队包括来自许多不同角色和层级的工作人员，则更容易获得认同。
当然，试点区域的选择将包括特定设备。一个成功的技巧是找到一个明显的、立即的改进来获得“团队胜利”。这场胜利并没有完全审查这个过程，而是建立了成功的信心。它还使员工更容易看到更具挑战性的改进领域的路径。
选择设备进行改进的另一种方法是选择瓶颈。这个瓶颈可能涉及多台设备，并可能导致一些前期停机。但是通过专注于生产“总是”卡顿的领域，收益可能会更高。
选择试验机的最后一种方法是关注似乎总是具有最长维护停机时间的设备。它可能是一台旧机器，也可能是运行时间和培训较少的机器。但这是每个人都会喜欢解决的头痛问题。
第 2 步：将设备恢复到最佳运行状态
在 5S 中高度锚定的是将设备效率恢复到其主要运行状态。在 TPM 计划之前，操作员、技术人员和维护人员可能已经创建了多年的“变通办法”来解决实际和感知到的问题。通过将5S工具部署到设备本身，使其恢复到最佳状态。
促进此过程的步骤包括图片之前和之后。它还需要移除日常操作不需要的多余工具、设备和用品。
在阴影盒或下拉式线束中组织工具并清洁机器周围的区域也很重要。因此，应该添加正式的 5S 日志，并在生产 SOP 中添加一个审计步骤，以确保随着时间的推移努力保持有效。
第 3 步：测量 OEE
整体设备效率 (OEE) 是建立性能指标和设定改进目标的绝佳工具。 OEE 不是一个指标。它可以用公式计算出来，以衡量质量、性能或可用性。
TPM 团队的既定目标将决定使用哪个指标或指标组合。
OEE 跟踪是建立数据驱动洞察力的好方法，可以帮助管理者和决策者了解工厂自动化项目和 IIoT 部署的未来目标。随着指标随着时间的推移，它允许公司进行基准测试并查看 TPM 的进展。它还可以帮助团队了解下一步该做什么以进一步改进。
由于计划外停机是导致效率低下的最大因素，因此建议间隔两到四个星期，以便清楚地了解团队的状况和问题。它还有助于就停机时间类别达成共识，以用于未来生产监控的自动化。
第 4 步：解决/减少重大损失
随着时间的推移，计划外停车的可靠数据点数量，团队可以开始着手改进。最明显需要解决的领域是类别列表中最大的计划外停机时间来源。
在这里，可以使用其他精益和六西格码工具，例如鱼骨图、帕累托图等。
根本原因分析应该是考虑的重要组成部分。通过观察、实物和照片证据以及生产历史进行分析，并将这些发现与可能的原因进行比较，可以确定问题的根本原因。
进行更改后，监控并记录结果。如果结果不起作用，可能需要重新运行该过程。
但是，再次运行该过程以尝试对有效的更改达到更高的改进水平也是可以接受的。
第 5 步：实施计划内维护
一旦更改被验证为有效，就可以将其纳入主动维护计划。
这种维护可能包括对确定了根本原因的热故障的设备进行热和温度监测。或者它可能涉及对承受高应力或剪切力的机器进行振动分析。
也是在这个阶段应该建立维护间隔。此间隔应基于运行时间而不是日历日期。
并应保留记录和图表，以确定主动更换磨损部件或建立预测故障率的实际间隔。这些程序一旦成熟，也可以在以后添加到生产监控 IIoT 软件程序中，以进一步优化系统。
砥砺前行
TPM 不同于传统的预防性维护。在传统的维护计划中，基于 OEM 建议使用以时间为导向的列表。这种维护方法不考虑对设备可靠性或状况造成严重或轻微压力的生产材料，这意味着设备故障比预期更快或比预期长得多。一种以故障的形式增加成本，另一种增加了更换仍处于最佳工作状态的零件的成本。 MachineMetrics 通过高级机器学习、深度分析以及直观和定制的仪表板帮助客户，使操作员、技术人员和管理人员能够以前所未有的水平实时采取行动。
传统维护无法预测。它没有能力提供 IIoT 技术来安排维护以及转换或其他计划的停机时间以减少整体停机时间。由于基于矩阵而不是基于分析，传统维护依赖于预先设定的时间来执行维护。我们在 MachineMetrics 一次又一次地看到了这一点。我们的软件将工业物联网的优势带到了生产车间，使客户能够开发动态的、数据驱动的维护程序，从而节省时间和金钱。
直观地说，TPM 的有效性是由工业物联网的价值提供的。通过提供机器性能和健康数据，IIoT 允许准确且可操作地捕获信息，从而使 TPM 的全面实现成为可能。这样一来，“隐藏工厂”的潜力就会被释放出来，并且可以通过基于精益原则的 IIoT 技术来实现数字精益。
头图来源：Unsplash
工业技术