Vážení čtenáři, vítám vás u první části třídílného seriálu. Ten si klade za úkol představit několik úloh, které s ohledem na aktuální problematiku a možnosti v oblasti prediktivní analytiky považuji pro průmyslové podniky za zajímavé. Článek se pokusím pojmout poněkud netradičně, odpoutám se na okamžik od často používaných frází typu: výrobní podniky v dnešní době musí, výrobní podniky dnes čelí, dnešní doba nutí, v konkurenčním prostředí musí manažeři a vedoucí pracovníci... Rozhodl jsem se ponechat odborníkům volné pole působnosti a nekonfrontovat je s tím, že něco musí. Rád bych pouze nastínil několik možností, pro některé již známých, pro některé ne.

Vážení čtenáři, vítám vás u první části třídílného seriálu. Ten si klade za úkol představit několik úloh, které s ohledem na aktuální problematiku a možnosti v oblasti prediktivní analytiky považuji pro průmyslové podniky za zajímavé. Článek se pokusím pojmout poněkud netradičně, odpoutám se na okamžik od často používaných frází typu: výrobní podniky v dnešní době musí, výrobní podniky dnes čelí, dnešní doba nutí, v konkurenčním prostředí musí manažeři a vedoucí pracovníci... Rozhodl jsem se ponechat odborníkům volné pole působnosti a nekonfrontovat je s tím, že něco musí. Rád bych pouze nastínil několik možností, pro některé již známých, pro některé ne. Nejdříve krátce k plánování a řízení výroby, respektive oblastem, ve kterých je v tomto procesu užitečná prediktivní analytika. Nečekejte spleť zkratek a „business“ termínů. Proč? Protože věřím, že oblasti, do kterých zabřednu, jsou především o lidech, nejen o počítačových systémech. Řekl-li jsem „a“, tedy predikce, měl bych zmínit také „b“ – data. Nejsou-li k dispozici, není z čeho predikovat. Bez predikce není znalost budoucích událostí a taková absence znalosti může dnes znamenat ten maličký, nicméně rozhodující rozdíl mezi úspěchem a neúspěchem. Proto si dovolím apelovat na zodpovědný sběr dat a jejich uchovávání. V datech je skryta opravdu velká hodnota. Z běžných, ve světě business intelligence omílaných frází, patří tato k pravdivým. Když už máme k dispozici dostatek dat, co s nimi tedy dělat?

Prediktivní údržba

Mohlo by se zdát, že prediktivní údržba (PM) nemá s plánováním a řízením výroby nic společného, je tomu ale přesně naopak. Od zavedení pásové výroby jsme se posunuli dále a dnes, s využitím prediktivní analytiky, se údržba výroby výrazně dotýká. PM je možno pojmout více způsoby. My si povíme o tom, jehož jádrem je predikce, schopnost předvídat budoucí události, nikoliv jen monitoring stavu. PM se snaží najít bod v budoucnu, kde stav zařízení dosáhne určité meze, která může být nepřijatelná z hlediska bezpečnosti, efektivity, provozuschopnosti, kvality, nákladů apod. Ale co výroba? V našem případě pojatá z pohledu údržby. Většina subjektů se stále spoléhá na expertní znalosti, zkušenosti a cit. Zkušenosti pracovníků jsou neocenitelným přínosem, který je ovšem vhodné – chci se vyhnout termínu nutné – doplnit o analytická řešení, která jdou řekněme nad rámec lidského myšlení. Výhody takové spolupráce člověka a analytiky prozatím čerpá jen několik největších hráčů, jako například Škoda Auto, BMW, Sikorsky, ale se stále dostupnějšími technologickými řešeními už tomu tak být nemusí. I střednímu výrobnímu podniku může PM výrazně pomoci v plánování oprav, kontrole kvality a dalších. Dovolte mi představit některé z klasických úloh.

PM dokáže určit, jaký činitel způsobuje pokles kvality a najít příčinu poklesu. Je-li příčin více, dokáže identifikovat, jak se tyto příčiny navzájem ovlivňují v celkovém dopadu na kvalitu, efektivitu či bezpečnost. Velkou výhodou je schopnost předkládat doporučení, jak se v dané situaci zachovat. Například, indikuje-li systém PM blížící se kritický bod, ve kterém dojde k nežádoucímu efektu (např. snížení kvality), nejen že nás může informovat o blížícím se nebezpečí, ale může i předložit doporučení, jak se zachovat, aby byla kvalita zachována. Může nabídnout klíčovým osobám optimální nastavení parametrů daného výrobního zařízení tak, aby se výroba nemusela zastavit a zároveň byl udržen výrobní standard.

Často není problém automatizovat celý proces rozhodování. V takovém případě systém sám na základě zjištěných (a blížících se) okolností provede změny. Upraví kupříkladu provozní parametry, aby předešel snížení kvality a provoznímu personálu poskytl dostatek času na naplánování odstávky, výměny obráběcího nástroje apod. Podstatnou výhodou tohoto postupu je to, že z neplánovaných odstávek a úkonů se stávají plánované. Ty jsou kratší a levnější. Máme šanci se připravit s předstihem a připravit lidské, materiální, finanční i časové zdroje tak, abychom čas nutný k provedení opravy, kalibrace nebo výměny maximálně zkrátili. Nehledě na skladové hospodářství, které se tímto přístupem díky predikci značně optimalizuje. Nemusíte vytvářet velké zásoby součástek, náhradních dílů ani obráběcích nástrojů, protože víte s velkou přesností, jaké množství bude reálně nutné. Značně tím skladovému hospodářství odlehčíte.

Schopnost odhalit s předstihem blížící se poruchu či jakýkoliv jiný jev je klíčová pro eliminaci nežádoucích přerušení výroby. Odstraňuje prostoje a řadu preventivních úkonů, pro které v rámci výroby a údržby často neexistuje reálně opodstatnění, ale jsou zkrátka „v plánu“. Podstatně snižuje nejen náklady na údržbu, ale také náklady výrobní. Dotýká se i nákladů provozních. Dokáže totiž zjistit optimální provozní parametry daného zařízení, a zda není provozováno se zbytečnými náklady. Získáme tak energetickou, provozní úsporu.

Jedním z hlavních přínosů také je, že PM se nám nehlásí jen ve chvíli, kdy se něco stane. Říká také, jak se máme chovat, aby se to či ono nestalo. Jak máme provozovat dané zařízení, zvolit poměr mazání a jeho interval, kdy provádět servisní prohlídku, jak nastavit otáčky, teplotu, jak redukovat vibrace, jakou zvolit hladinu oleje a další parametry, abychom maximalizovali dobu mezi jednotlivými opravami (kterým se samozřejmě občas nevyhneme) a prodloužili maximálně životnost zřízení a komponent. Tyto jevy mají přímý dopad na výrobní proces a na jeho kvalitu. Byť prediktivní údržba není stále primárně určena kvalitě, je zjevné, že její zavedení se v kvalitě, provozu a plánování pozitivně odráží. Na závěr si dovolím přiložit výsledek výzkumu, který probíhal v USA, Velké Británii, Kanadě a Austrálii v rámci pěti set průmyslových firem, které prediktivní údržbu zavedly:

• náklady na údržbu: pokles o 25 až 30 procent,
• počet poruch: pokles o 70 až 75 procent,
• počet prostojů: snížení o 35 až 45 procent,
• spotřeba energie: snížení až o 15 procent.

Přičemž analyzované společnosti ve většině uváděly výrazně prodlouženou životnost používaných strojů a návratnost vložené investice okolo tří měsíců.

Řízení kvality výrobního procesu

Ve výrobě je kvalita stěžejní. Dobrý systém pro řízení kvality by měl umožnit sledování a analýzu kvalitativních parametrů výrobků a celých výrobních procesů. Proniknutí do průběhu zadávaných výrobních procesů v reálném čase umožňuje nalézat odchylky od výrobních standardů a jejich příčiny. Výroba tak dostává do rukou podklady pro učinění lepších rozhodnutí a celý proces řízení kvality se také stává přehlednější. Důležitý je zde faktor reálného času. Pokud je systém schopen neustále analyzovat příchozí data a okamžitě je na základě historického vývoje vyhodnocovat, získáváte kompletní přehled o průběhu, a hlavně budoucím vývoji výrobního procesu. Tím se dostáváme opět k určité formě predikce, tedy schopnosti předvídat budoucí okolnosti. Výhodou je, pokud daný systém umožňuje automatizaci. Ta šetří čas a snižuje náklady.

Prostředí analytického nástroje pro kontrolu kvality a výroby - QI Analyst

Mezi základními funkcionalitami takového systému, by neměly chybět regulační diagramy umožňující bližší analýzu zkoumaných dat z historického hlediska i sledování porušení nastavených standardů. Další povinnou výbavou by měly být histogramy. Ty zobrazí četnosti a rozdělení zapsaných dat. Cennou funkcí jsou potom Paretovy diagramy, které zobrazují počty výskytů překročení vymezených limitů. Obsahuje-li systém také testy vymezitelných příčin a alarmy, je schopen mapovat aktuální průběh a pravděpodobný budoucí vývoj. Pokud tento vývoj nespadá do vymezených hranic, zašle systém upozornění o nastávající nebo příchozí události. Ideální je, pokud lze toto upozornění zaslat více způsoby tak, aby vás zastihlo, kdekoliv se budete vyskytovat. Lepší porozumění výrobnímu procesu a zajištění příčin problémů kvality vede nejen ke zvýšení kvality výrobků a výroby, ale také k odstranění zmetkovitosti. Nehledě na odpad, jehož snížení přispívá k poklesu celkových výrobních nákladů a vyšší ziskovosti.

Vojtěch Suchan
Autor je account manažerem pro komerční sféru ve společnosti Acrea CR.