Bagaimana Pemeliharaan Berbasis Data Mengubah Penanganan Material

 

Wawasan berbasis data dapat membantu mengoptimalkan kinerja, pemeliharaan, dan keberlanjutan otomatisasi gudang dan penanganan material, jelas Dan Migliozzi, Direktur Penjualan & Pemasaran, diGrup Invar.

 

Peralatan penanganan material dan intralogistik saat ini sangat andal. Meskipun demikian, ada banyak hal yang salah – semua bagian mekanis seperti roller, bantalan, motor, ikat pinggang, belum lagi sakelar, sensor, dan perangkat elektronik lainnya. Bagi banyak bisnis, peralatan ini sangat penting – jika offline, semuanya akan terhenti.

 

Kegagalan yang tidak terduga, serta pemeliharaan dan perbaikan yang tidak terencana, tidak hanya meningkatkan biaya dan mengganggu layanan pelanggan, namun juga mempunyai dampak langsung dan signifikan terhadap lingkungan dan keberlanjutan. Namun dengan menerapkan strategi pemeliharaan berbasis data, dampak biaya, kinerja, dan lingkungan ini dapat dikurangi secara signifikan.

 

Jangan berkedip

Beberapa perusahaan, khususnya yang mempunyai kemampuan internal yang terbatas, bekerja berdasarkan prinsip 'kalau tidak rusak, jangan diperbaiki'. Hal ini mungkin tampak mengurangi waktu henti dan biaya yang tidak perlu, namun merupakan strategi yang berisiko tinggi. Ada undang-undang terkenal yang menyatakan jika sesuatu bisa gagal, maka itu akan terjadi, dan pada saat yang paling buruk – musim puncak, pesanan terburu-buru, akhir pekan Hari Libur Bank ketika stok suku cadang tutup. Tidak direkomendasikan.

 

Pendekatan yang lebih canggih adalah pemeliharaan terencana dan terjadwal. Komponen yang mengalami keausan, atau kemungkinan besar akan rusak, diganti secara berkala – seperti yang direkomendasikan oleh produsen peralatan, atau berdasarkan pengalaman pahit. Pendekatan ini juga mempunyai kelemahan.

 

Perkiraan masa pakai suatu komponen merupakan konstruksi statistik – beberapa komponen akan gagal lebih awal; yang lain mungkin bagus untuk jangka waktu yang lebih lama. Interval perawatan sering kali didasarkan pada kalender, bukan berdasarkan jumlah dan sifat penggunaan peralatan – biasanya, semua bagian yang memiliki 'masa pakai' tertentu akan diganti baik diperlukan atau tidak. Suku cadang yang sangat bagus dikirim untuk dijadikan barang bekas. Sementara itu, kinerja komponen lain mungkin menurun, jauh sebelum tanggal penggantiannya yang 'jatuh tempo'. Hal ini mungkin berdampak langsung pada kondisi atau

masa pakai komponen sistem lainnya, sekaligus meningkatkan konsumsi energi, pelumas, dan bahan habis pakai lainnya. Semua hal ini tidak baik untuk keberlanjutan.

 

Pendekatan berbasis data yang cerdas

Perawatan tidak harus sembarangan. Sebagian besar otomatisasi penanganan material mengumpulkan sejumlah besar pemantauan kondisi dan data lain yang dapat digunakan dalam pendekatan pemeliharaan preventif – parameter utama, mungkin konsumsi energi motor, atau suhu bantalan, dapat dipantau, dan menghasilkan peringatan dan peringatan sebelum kerusakan terjadi. yang terburuk terjadi.

 

Namun alih-alih staf pemeliharaan hanya bereaksi terhadap peringatan bahwa suatu elemen berada, atau akan keluar, di luar batas kinerjanya, kita dapat menggunakan perangkat lunak analitis cerdas untuk mendorong proses pemeliharaan ke arah yang paling efisien dan berkelanjutan.

 

Kami dapat menyatukan data historis dan real-time, dariSCADAdan sistem lainnya, untuk mengidentifikasi area kegagalan dan penyebabnya – baik kejadian yang terjadi satu kali maupun keausan rutin, waktu rata-rata antara kegagalan, dan waktu henti yang diperlukan untuk mengambil tindakan. Kita dapat menggunakan data mengenai pemuatan dan penggunaan sebenarnya, bukan waktu yang berlalu, untuk memprediksi komponen mana yang mungkin perlu diganti dan kapan – serta komponen mana yang masih baik-baik saja. Semua situs yang kami instal memiliki data yang menunggu untuk digunakan dan kami memiliki perangkat lunak yang mampu menganalisis data ini, untuk memberi informasi kepada kami mengenai tindakan yang paling tepat dan proporsional untuk diambil.

 

Lebih jauh lagi, perangkat lunak memberdayakan pembelajaran, mendorong perbaikan terus-menerus dan berpotensi mengungkapkan di mana investasi pada peralatan baru, atau peningkatan dan penyempurnaan yang sesuai – atau pelatihan staf dan operator – mungkin diperlukan.

 

Pemeliharaan berbasis data berarti peralatan dapat beroperasi lebih lama pada kapasitas maksimum, dan mengurangi kemacetan kecil dan insiden lainnya, sementara waktu henti yang diperlukan dapat dioptimalkan agar sesuai dengan pola kerja. Hal ini memanfaatkan staf teknik (internal atau eksternal) sebaik-baiknya, untuk mengantisipasi kebutuhan, dan memastikan ketersediaan suku cadang dan suku cadang pengganti yang diperlukan sehingga waktu henti pemeliharaan tidak terbuang percuma.

 

Strategi keberlanjutan

Analisis data otomatisasi gudang dan kebutuhan pemeliharaannya berkontribusi pada tujuan dan strategi lingkungan yang lebih luas.

Analytics memungkinkan penggunaan sumber daya yang paling penting secara efisien – merencanakan di mana dan kapan staf terlatih akan dibutuhkan, dan apa kebutuhan pelatihan mereka.

Strategi pemeliharaan yang efektif mendukung tujuan pengurangan limbah dengan mengurangi penggunaan suku cadang pengganti yang mahal (dari segi ekonomi dan lingkungan) yang tidak perlu. Suku cadang dapat diperoleh kembali jika masih dapat direkondisi, bukan dibuang.

 

Pemeliharaan preventif berbasis data memastikan kinerja otomatisasi yang efisien, sehingga mengurangi konsumsi energi dan bahan habis pakai – ban berjalan yang sudah aus dapat menghabiskan energi 2-6 kali lebih banyak dibandingkan ban berjalan dalam kondisi baik. Secara umum, analitik dapat digunakan untuk mendorong otomatisasi dalam mode yang paling hemat energi.

 

Konsumsi dan pemborosan bahan pengemas beserta isinya, yang rusak akibat peralatan yang berkinerja buruk atau rusak, berkurang. Otomatisasi juga mengurangi atau menghilangkan penggunaan peralatan penanganan material yang lebih menimbulkan polusi seperti truk pengangkat.

 

Otomatisasi dapat memitigasi atau menghilangkan banyak risiko Kesehatan & Keselamatan yang terkait dengan pengoperasian gudang, seperti pengangkatan. Peralatan yang dirawat dengan baik agar tetap berada dalam jangkauan operasional yang dirancang secara inheren akan lebih aman.

 

Yang terpenting, analisis dapat mengungkap perbedaan dampak siklus hidup suku cadang dan material dari berbagai pemasok, sehingga dapat membantu memberikan masukan bagi kebijakan pengadaan berkelanjutan.

 

Meskipun operasi pemeliharaan fisik pasti memerlukan waktu henti (downtime) dan persaingan lama antara operasi dan teknik, pemantauan mesin berarti kebutuhan untuk menghentikan jalur inspeksi dan penilaian sebagian besar dihilangkan. Ironisnya, pembongkaran peralatan untuk inspeksi sendiri merupakan penyebab kegagalan!

 

Kita semua tentu saja merasa prihatin terhadap keberlanjutan operasi perusahaan kita. Otomatisasi gudang cerdas yang didukung oleh pendekatan analitik data terhadap pemeliharaan yang memprediksi dan mencegah kegagalan peralatan, akan mengurangi waktu henti, meningkatkan biaya dan tingkat layanan, dan secara signifikan mengurangi dampak lingkungan dari pengoperasian, pemeliharaan, dan perbaikan.