Utrzymanie ruchu — strategie prewencyjne i predykcyjne

Predykcyjne utrzymanie ruchu wykorzystuje dane o pracy urządzeń do prognozowania usterek i planowania interwencji¹. W artykule wyjaśniamy, jak wybrać maszyny i metody diagnostyczne, zorganizować pracę serwisu oraz mierzyć nieplanowane przestoje. McKinsey podaje, że utrzymanie predykcyjne może ograniczyć przestoje maszyn o 30–50%. To zakres opisany w analizie, a nie wynik gwarantowany każdemu zakładowi².

Czym jest predykcyjne utrzymanie ruchu?

O terminie interwencji decyduje tu sygnał pogorszenia stanu maszyny, nie sam upływ czasu. Przy przeglądach według harmonogramu jest odwrotnie: serwis planuje prace na wyznaczony termin, niezależnie od bieżących pomiarów³. Klasyfikacja strategii utrzymania ruchu, uwzględniająca predictive maintenance, wyróżnia 4 poziomy⁴. Dla porównania instrukcja sprężarki Gardner Denver Electra-Screw EBE_EH nakazuje wymianę oleju co 4000 godzin pracy, a w trudnych warunkach częściej⁵.

Jak dane o stanie maszyn pomagają przewidywać awarie?

Dane o stanie maszyn pomagają przewidywać awarie, gdy można porównać obecne pomiary z wcześniejszą pracą urządzenia. Ważne są zarówno same odczyty, jak i warunki, w których je zebrano. W zbiorze NASA IMS zapisywano sekundowe serie drgań co 10 minut. Podana częstotliwość próbkowania wynosiła 20 kHz⁶.

• Pomiary parametrów pracy pokazują zmiany temperatury, drgań lub poboru energii.
• Historia usterek pozwala powiązać zmiany parametrów z wcześniejszymi awariami i naprawami.
• Algorytmy analityczne wykrywają wzorce w danych i wskazują odchylenia, które powinien ocenić technik.

Analiza stanu maszyny daje serwisowi czas na kontrolę przed zatrzymaniem produkcji. Sama obserwacja trendu nie wystarczy, jeśli kontrole odbywają się zbyt rzadko. Orientacyjnie odstęp między nimi nie powinien przekraczać połowy oszacowanego przedziału P–F, czyli czasu od wykrywalnego objawu do awarii⁷.

Czym strategia predykcyjna różni się od prewencyjnej i reaktywnej?

Strategie predykcyjna, prewencyjna i reaktywna różnią się chwilą rozpoczęcia prac, a nie rodzajem naprawy. Przegląd według harmonogramu opisuje instrukcja ciągników John Deere 6230, 6330 i 6430. Przewiduje ona m.in. kontrolę zużycia paska napędowego silnika co 500 godzin pracy⁸.

Tabela porównuje moment serwisu, ograniczenia oraz sytuacje, w których dana strategia nie odpowiada potrzebom zakładu.

Pierwszy etap wdrożenia: wybór maszyn, danych i odpowiedzialności

Pierwszy etap wdrożenia to wybór maszyn, których awaria zakłóciłaby produkcję. Trzeba też ustalić dostępne sygnały o ich stanie i wskazać osoby odpowiedzialne za reakcję. Dział utrzymania ruchu dobiera pomiary opisujące zużycie urządzeń, a kierownik produkcji uzgadnia możliwy termin kontroli. W tradycyjnej FMEA liczba RPN jest iloczynem ocen dotkliwości, występowania i wykrywalności; mieści się w zakresie 1–1000⁹.

Jak włączyć prognozy awarii do pracy działu utrzymania ruchu?

Prognoza awarii pomaga dopiero wtedy, gdy ktoś oceni sygnał, podejmie decyzję serwisową i przypisze wykonawcę. Bez tego alert pozostaje informacją, a nie planem działania. Podział obowiązków porządkuje drogę od ostrzeżenia do naprawy.

• Technik utrzymania ruchu ocenia sygnał ostrzegawczy w kontekście stanu maszyny.
• Planista utrzymania ruchu ustala zakres prac, potrzebne części i termin dostępu do urządzenia¹⁰.
• Zespół serwisowy zapisuje wynik kontroli i naprawy, by późniejsze analizy uwzględniały rzeczywisty stan sprzętu.

Planowanie napraw i przeglądów zamienia prognozę w zadanie dla działu utrzymania ruchu. Miarą organizacji pracy może być udział zleceń zaplanowanych co najmniej tydzień wcześniej wśród wszystkich zleceń serwisowych. Taki wskaźnik pokazuje, czy ostrzeżenia dają zespołowi czas na przygotowanie interwencji¹¹.

Dobór maszyn i diagnostyki: od ryzyka awarii do sygnałów ostrzegawczych

Dobór diagnostyki zaczyna się od ustalenia mechanizmu uszkodzenia. Monitoring ma sens, jeśli przed awarią pojawia się mierzalny objaw¹². Od mechanizmu zależą wymagane pasmo pomiarowe, czyli zakres rejestrowanych sygnałów, częstotliwość próbkowania i warunki, w których odczyt ma wartość diagnostyczną¹². Dane o stanie maszyny warto zestawić z danymi procesowymi. Pozwala to rozpoznać warunki sprzyjające awarii, zamiast tylko śledzić rozwój uszkodzenia^3,13.

Które maszyny warto objąć monitoringiem stanu?

Monitoringiem stanu warto objąć najpierw maszyny krytyczne dla produkcji, kosztowne w konserwacji lub zależne od trudno dostępnych części⁴. Kandydatami do predictive maintenance są też zakłady pracujące 24 godz./dobę i 7 dni/tydzień. W takim trybie zatrzymanie urządzenia utrudnia wyznaczenie terminu serwisu^4,14.

• Krytyczność maszyny określa, jak jej zatrzymanie wpływa na przebieg produkcji.
• Dostępność części zamiennych wpływa na czas potrzebny do wykonania naprawy.
• Możliwość pomiaru pozwala ustalić, czy przed uszkodzeniem pojawia się sygnał przydatny diagnostycznie.

Jakie metody diagnostyczne pomagają wykryć pogorszenie stanu maszyn?

Diagnostyka maszyn powinna mierzyć parametr związany z przewidywanym uszkodzeniem. Taką obserwację stanu urządzenia na podstawie pomiarów określa się jako condition monitoring. Norma ISO 20816-3:2022 dotyczy oceny drgań określonych maszyn przemysłowych o mocy powyżej 15 kW i prędkości od 120 do 30 000 obr./min¹⁵.

• Analiza drgań pozwala obserwować zmiany w pracy elementów wirujących.
• Termografia pokazuje rozkład temperatury na powierzchni urządzenia.
• Czujniki IoT przesyłają pomiary przez sieć i mogą dostarczać do analizy dane o temperaturze oraz ciśnieniu⁴.

Wybór metody diagnostycznej zależy od objawu, który da się zmierzyć podczas pracy maszyny. Innego sygnału będzie wymagać obserwacja temperatury, a innego analiza pracy elementów wirujących. W przypadku łożyska uszkodzenie bieżni zewnętrznej może wskazywać BPFO. Wartość tę oblicza się m.in. z prędkości obrotowej i liczby elementów tocznych¹⁶.

Wpływ utrzymania predykcyjnego na efektywność: które KPI mierzyć?

Efektywność predykcyjnego utrzymania ruchu warto oceniać przez czas nieplanowanych przestojów, liczbę interwencji i zużycie części zamiennych. Strategia może ograniczyć zarówno postoje, jak i niepotrzebne prace serwisowe³. Porównanie wskaźników sprzed wdrożenia z późniejszymi wynikami pokazuje, czy prognozy wpływają na pracę zakładu¹⁷.

MTBF oznacza średni czas pracy maszyny między awariami, a MTTR – średni czas przywracania jej do pracy. Dział utrzymania ruchu powinien liczyć te wskaźniki osobno dla monitorowanych maszyn. Inaczej zmiany dotyczące pozostałych urządzeń mogłyby zniekształcić ocenę. MTBF to liczba godzin pracy danej maszyny podzielona przez liczbę jej awarii w tym okresie; wynik podaje się w godzinach¹⁸. Systemy CMMS do utrzymania ruchu zestawia się także pod kątem obsługi wskaźników MTBF i MTTR, liczonych osobno dla monitorowanych maszyn.

Koszty utrzymania maszyn warto zestawiać z liczbą napraw i zużyciem części. Żywotność maszyn można z kolei oceniać na podstawie historii pracy oraz wymian podzespołów. O skuteczności strategii świadczą wyniki operacyjne, nie liczba wygenerowanych alertów. McKinsey opisuje obniżenie kosztów utrzymania o 10–40% dzięki analityce predykcyjnej w firmach dóbr konsumpcyjnych; osiągnięty efekt zależy od wdrożenia¹⁹.

Predykcyjne utrzymanie ruchu bez mitów: czas uruchomienia i granice skuteczności

Prognoza nie powinna od razu stawać się podstawą zlecenia serwisowego. Najpierw trzeba przygotować dane i ocenić wyniki modelu. Sztuczna inteligencja może wspierać tę pracę, ale nie zastąpi oceny inżynierskiej¹².

Mit: wystarczy podłączyć czujniki, by system zaczął działać

Podłączenie czujników zapewnia pomiary, lecz samo nie daje gotowej prognozy. Dane wymagają oczyszczenia i przygotowania z uwzględnieniem specyfiki zakładu²⁰. Algorytm trzeba dostroić do konkretnej maszyny, także do jej niestandardowych ustawień²⁰. Ten sam sposób interpretacji sygnału nie musi więc pasować do wszystkich urządzeń.

Tabela pokazuje różnice między zbiorami NASA C-MAPSS pod względem warunków pracy i trybów awarii.

Dane w tabeli: 21

Mit: prognozy awarii są dostępne od pierwszego dnia

Prognozowanie awarii wymaga danych i jasno określonego problemu, który model uczenia maszynowego ma rozwiązać²⁰. Potrzebna jest też jednoznaczna definicja awarii. Bez niej model może pomylić uszkodzenie z postojem wynikającym z rutynowej konserwacji²⁰. Spadek temperatury maszyny może poprzedzać awarię, ale może też wynikać z uruchomienia wentylatorów przez operatorów; sam odczyt nie wskazuje przyczyny²⁰.

Mit: monitorowanie stanu maszyn eliminuje wszystkie awarie

Monitorowanie stanu maszyn może zmniejszyć awaryjność, ale nie pozwoli przewidzieć każdego uszkodzenia²⁰. Dalsze obserwowanie urządzeń i doskonalenie modeli uczenia maszynowego może poprawiać trafność prognoz oraz skracać przestoje²⁰. Sygnał z modelu wspiera decyzję o serwisie. Nie daje gwarancji bezawaryjnej pracy²².

Strategie utrzymania ruchu: koszty i zasoby potrzebne do wdrożenia

Strategia predykcyjna wymaga budżetu na pomiary, połączenie danych z pracą serwisu i zaangażowanie zespołu. Analiza wymagań finansowych wyróżnia 3 obszary kosztów: sprzęt i infrastrukturę, integrację technologii oraz przygotowanie pracowników do zmiany³. Osobną decyzją pozostaje sposób finansowania rozwiązania analitycznego. Nie należy utożsamiać opłaty za korzystanie z niego z kosztem uruchomienia prac w zakładzie.

Koszty wdrożenia: sprzęt, integracja, utrzymanie i praca zespołu

Koszt wdrożenia predykcyjnego utrzymania ruchu trzeba oddzielić od opłat za późniejsze korzystanie z rozwiązania i jego utrzymanie. Model zbliżony do SaaS oznacza udostępnianie oprogramowania jako usługi. Może wiązać się z opłatami okresowymi zamiast wyłącznie z dużym wydatkiem początkowym³. Integracja pozostaje przy tym odrębną częścią prac wdrożeniowych.

• Sprzęt i infrastruktura obejmują urządzenia pomiarowe oraz środowisko do przesyłania danych.
• Integracja oznacza połączenie pomiarów z narzędziami używanymi przez dział utrzymania ruchu.
• Praca zespołu obejmuje przygotowanie pracowników do interpretowania sygnałów i planowania interwencji.
• Utrzymanie rozwiązania obejmuje bieżącą obsługę pomiarów, połączeń i procesu analitycznego.

Czy strategia predykcyjna wymaga pełnoetatowego zespołu IT?

Zakład nie musi zatrudniać pełnoetatowego wewnętrznego zespołu IT, jeśli wdraża model z pomocą zewnętrznego dostawcy SaaS²⁰. Nadal odpowiada jednak za opis maszyn i organizację pracy serwisu. Własny zespół daje bezpośrednią kontrolę nad pracami technicznymi, ale wymaga przydzielenia do nich pracowników. Tabela rozdziela obowiązki zakładu w obu wariantach.

Jak ocenić gotowość zakładu na podstawie danych i procesów?

Gotowość zakładu zależy od tego, czy potrafi powiązać historię awarii i kosztów z pomiarami oraz sposobem prowadzenia napraw. Prace można zacząć od analizy awaryjności i kosztów, a później dobrać monitoring i zintegrować dane. Następny krok to testowanie modeli i dostosowywanie ich do warunków zakładu⁴. Operacyjna gotowość oznacza, że pracownicy umieją powiązać ostrzeżenie z konkretną maszyną i decyzją serwisową.

Od ograniczonego zakresu do szerszego zastosowania w zakładzie

Ograniczony zakres wdrożenia pozwala sprawdzić monitoring i obieg decyzji na wybranych maszynach. Dopiero potem można objąć nim kolejne urządzenia. Rozszerzenie wymaga wskazania nowych źródeł danych, osób obsługujących alerty oraz sposobu dokumentowania napraw. Wybór architektury wpływa na zakres integracji i techniczne obowiązki zakładu²³.

Tabela pokazuje, gdzie dane są przetwarzane w obu architekturach.

Predictive maintenance w praktyce: od sygnału ostrzegawczego do zlecenia serwisowego

Sygnał ostrzegawczy prowadzi do zlecenia serwisowego dopiero po ocenie technika i określeniu potrzebnych prac. Systemy predykcyjnej konserwacji mogą porównywać bieżące dane maszyn, produkcji i otoczenia z historią prawidłowej pracy oraz awarii²⁴. Takie porównanie wskazuje odchylenie. Decyzja o naprawie musi jednak uwzględniać warunki pracy urządzenia.

Systemy klasy MES i EMS mogą łączyć dane z monitoringu maszyn i zużycia energii elektrycznej na potrzeby predykcyjnego utrzymania ruchu⁴. MES służy do zarządzania wykonaniem produkcji. EMS wspiera zarządzanie energią. Ich dane pomagają osadzić sygnał z maszyny w kontekście pracy zakładu.

• Sygnał ostrzegawczy wskazuje maszynę i parametr wymagający oceny.
• Ocena technika rozstrzyga, czy odchylenie uzasadnia kontrolę lub naprawę.
• Zlecenie serwisowe zapisuje zakres pracy, wykonawcę i wynik interwencji²⁵.

Prognoza przynosi skutek operacyjny dopiero wtedy, gdy prowadzi do decyzji i wykonania prac.

Predykcyjne utrzymanie ruchu z AI w produkcji półprzewodników: plan szkolenia

Szkolenie z predykcyjnego utrzymania ruchu w produkcji półprzewodników powinno łączyć ocenę stanu urządzenia z przebiegiem procesu i decyzją serwisową. Program dotyczy pracowników utrzymania ruchu, inżynierów procesu i osób analizujących dane. Każda z tych grup wnosi inną wiedzę do oceny ostrzeżenia. Potrzebują więc wspólnego sposobu opisywania alertów i wyników kontroli.

• Inżynierowie procesu opisują warunki pracy urządzenia w chwili alertu, aby serwis mógł ocenić go w kontekście produkcji.
• Pracownicy utrzymania ruchu zestawiają alert z oględzinami maszyny i dokumentują decyzję o interwencji.
• Osoby analizujące dane porównują wskazania modelu z wynikami kontroli, by wychwycić błędnie interpretowane sygnały.

Efektem szkolenia jest uzgodniony sposób przekazywania alertu od analizy danych do zespołu serwisowego.

Najczęściej zadawane pytania

Czy pojedynczy odczyt temperatury wystarczy do rozpoznania awarii?

Nie. Spadek temperatury może wynikać z uruchomienia wentylatorów przez operatorów, dlatego odczyt trzeba ocenić w kontekście pracy maszyny.

Jak odróżnić awarię od postoju na rutynową konserwację w danych?

Trzeba jednoznacznie zdefiniować awarię. Bez tego model może błędnie uznać planowany postój za uszkodzenie.

Czy ten sam model można stosować do maszyn o różnych ustawieniach?

Nie zawsze. Algorytm trzeba dostroić do konkretnej maszyny i jej ustawień, bo ten sam sposób interpretacji sygnału nie musi pasować do wszystkich urządzeń.

Co oznacza wskaźnik RPN w analizie FMEA?

To iloczyn ocen dotkliwości, występowania i wykrywalności uszkodzenia. W tradycyjnej FMEA jego zakres wynosi od 1 do 1000.

Jak uwzględnić różne warunki pracy maszyny w analizie danych?

Warto zestawiać pomiary z warunkami, w których je zebrano. Zbiory danych mogą obejmować różne warunki pracy i tryby awarii.

Jak często prowadzić kontrole, gdy znany jest przedział P–F?

Odstęp między kontrolami nie powinien przekraczać połowy oszacowanego przedziału P–F, czyli czasu od wykrywalnego objawu do awarii.

Ceny i warunki sprawdzone u źródeł: październik 2026.