Pemeliharaan prediktif, yang juga disebut sebagai pemeliharaan berbasis kondisi, melibatkan pemantauan kinerja dan pemantauan kondisi peralatan selama operasi rutin untuk mengurangi kemungkinan kerusakan. Produsen mulai menggunakan pemeliharaan prediktif pada tahun sembilan puluhan.
Tujuan utama pemeliharaan prediktif adalah memprediksi kegagalan peralatan berdasarkan parameter dan faktor tertentu. Setelah diprediksi, produsen mengambil langkah-langkah yang diperlukan untuk mencegah kegagalan ini dengan pemeliharaan korektif atau terjadwal.
Pemeliharaan prediktif tidak dapat dilakukan tanpa pemantauan kondisi. Alat berat melakukan pemantauan terus menerus dalam kondisi kerja nyata untuk memastikan optimalisasi aset. Seperti halnya strategi pemeliharaan lainnya, pemeliharaan prediktif bertujuan untuk:
- Mengurangi terjadinya kerusakan dan memaksimalkan waktu kerja aset dengan meningkatkan keandalan aset.
- Mengoptimalkan biaya operasional dengan mengurangi pekerjaan pemeliharaan.
- Meningkatkan anggaran pemeliharaan dengan mengurangi biaya pemeliharaan dan dengan memaksimalkan waktu produksi.
Teknologi pemeliharaan prediktif
Tidak ada satu teknologi tunggal yang mencakup semua pemeliharaan prediktif. Namun, ada banyak perangkat dan teknik pemantauan kondisi yang digunakan produsen untuk memprediksi kegagalan secara efektif dan memberikan tanda bahaya ketika pemeliharaan diperlukan.
Termografi inframerah
Termografi inframerah adalah teknologi pengujian non-intrusif yang banyak digunakan dalam pemeliharaan prediktif. Dengan kamera inframerah, personel pemeliharaan dapat melihat suhu di atas normal pada peralatan. Komponen yang sudah aus atau memiliki sirkuit yang tidak berfungsi cenderung memanas - ini ditampilkan sebagai titik panas pada gambar termal. Inspeksi inframerah dapat menemukan titik panas ini sejak dini dan memperbaiki peralatan, sehingga mengurangi kemungkinan masalah yang lebih besar. Inframerah adalah teknologi serbaguna yang dapat digunakan dalam berbagai macam proyek mesin dan infrastruktur.
Pemantauan akustik
Dengan pemantauan akustik, personel pemeliharaan dapat mendeteksi suara emisi gas, cairan, atau kebocoran vakum pada peralatan pada tingkat sonik dan ultrasonik. Teknologi ultrasonik memiliki lebih banyak aplikasi daripada sonik dan bisa jadi lebih mahal; namun, ini adalah teknologi yang jauh lebih dapat diandalkan untuk mesin. Tentu saja, teknologi ini melengkapi alat terbaik teknisi: telinga mereka. Teknologi sonik dan ultrasonik dapat melengkapi pendengaran biasa untuk mendeteksi dengan lebih baik mengapa gearbox terdengar salah atau di mana kemungkinan kebocoran terjadi.
Analisis getaran
Analisis getaran digunakan untuk peralatan yang berputar dengan kecepatan tinggi. Teknisi menggunakan perangkat genggam atau sensor waktu nyata pada peralatan untuk memantau fungsi peralatan. Ketika mesin bekerja pada puncaknya, mesin akan mengeluarkan ritme getaran tertentu. Ketika komponen mulai aus, getaran berubah dan pola baru muncul. Dengan pemantauan yang konstan, teknisi yang terlatih dapat mencocokkan pembacaan pola getaran dengan kemungkinan kegagalan yang diketahui dan menyelesaikan masalah lebih awal.
Analisis getaran dapat mendeteksi ketidaksejajaran, poros yang tidak berbentuk, elemen yang tidak seimbang, komponen mekanis yang longgar, dan masalah motor. Teknisi harus terlatih dengan baik untuk pekerjaan ini karena memprediksi analisis getaran itu rumit. Hambatan utama untuk analisis getaran adalah biayanya yang mahal.
Analisis oli
Analisis oli adalah alat yang efektif dalam pemeliharaan prediktif. Dengan memeriksa kondisi oli, teknisi dapat menentukan keberadaan kontaminan. Analisis oli menentukan viskositas, air, jumlah partikel - dan menentukan angka asam atau basa. Manfaat utama dari analisis oli adalah bahwa hasil tes awal berfungsi sebagai dasar untuk setiap mesin dan pemeliharaan baru.
Teknologi pemeliharaan prediktif lainnya
Pemeliharaan prediktif menggunakan beberapa teknik lain seperti analisis kondisi motor, analisis arus pusar, dan lainnya. Analisis kondisi motor menguraikan kondisi fungsi motor. Analisis arus pusar menunjukkan perubahan pada ketebalan dinding tabung. Teknologi lain yang membantu pemeliharaan prediktif adalah inspeksi borescope, sistem manajemen pemeliharaan terkomputerisasi, integrasi data, dan pemantauan kondisi. Memilih yang tepat untuk organisasi Anda sangat penting untuk kesuksesan.
Bagaimana cara kerja pemeliharaan prediktif?
Berikut adalah langkah-langkah untuk memulai program pemeliharaan prediktif:
- Menganalisis riwayat peralatan Anda dan kebutuhan akan program pemeliharaan prediktif
- Tinjau semua catatan tentang waktu henti, kerusakan peralatan, kehilangan produksi dan energi, denda peraturan, dan tingkat keselamatan di tempat kerja
- Membangkitkan kesadaran para pemangku kepentingan utama tentang perlunya pemeliharaan prediktif, dan mendapatkan dukungan dari tim operasi dan pemeliharaan
- Mengevaluasi inventaris peralatan dan menilai kondisi peralatan
- Memilih peralatan yang akan diikutsertakan dalam implementasi awal program
- Membuat catatan rinci tentang sistem individual dan komponennya
- Mengevaluasi protokol pemeliharaan preventif atau prediktif yang sudah ada sebelumnya
- Menetapkan frekuensi dan penjadwalan untuk program pemeliharaan prediktif
- Menetapkan peran personel di semua tahap dan mengevaluasi kebutuhan sumber daya
- Mengatur program dan mengintegrasikannya dengan sistem penjadwalan
- Membuat sistem manajemen pemeliharaan terkomputerisasi (CMMS)
Elemen utama dari program pemeliharaan prediktif adalah diagnostik berbasis kondisi yang menggunakan formula prediktif dan Internet of Things:
Sensor pemantauan kondisi
Sensor yang memantau mesin dan menyediakan data waktu nyata merupakan bagian penting dari pemeliharaan prediktif. Teknisi dapat mengevaluasi data sensor untuk memastikan efisiensi alat berat dan keausan alat berat secara real-time. Sensor-sensor ini melakukan apa yang tidak dapat dilakukan oleh manusia - melacak kebutuhan pemeliharaan dari dalam peralatan tanpa mengganggu operasi. Banyak parameter yang menentukan fungsi sensor, dan parameter tersebut bervariasi berdasarkan alat berat. Parameter biasanya menggunakan analisis getaran, analisis kebisingan dan suhu, analisis tekanan dan level oli, dan bahkan arus listrik dan korosi untuk menentukan fungsi.
Internet of things (IoT)
Sensor-sensor ini mengumpulkan banyak data, dan digabungkan dengan Internet of Things, data ini dapat dikumpulkan dan dibagikan. Pemeliharaan prediktif sangat bergantung pada berbagai sensor yang menghubungkan aset ke sistem penyimpanan informasi terpusat. Hub berfungsi dengan konektivitas jaringan area lokal nirkabel atau memanfaatkan teknologi cloud.
Dari ruang terpusat ini, aset dapat berkomunikasi, bekerja bersama-sama, menganalisis data, dan merekomendasikan tindakan apa pun. Kemampuan untuk bertukar informasi inilah yang membuat pemeliharaan prediktif menjadi efisien.
Rumus prediktif
Dengan formula prediktif, pemeliharaan prediktif melangkah lebih jauh dan menjadi lebih dari sekadar pemeliharaan berbasis kondisi. Algoritme prediktif menganalisis data yang dikumpulkan dan mengidentifikasi tren yang melaporkan kapan suatu aset memerlukan perbaikan, servis, atau penggantian. Algoritme ini didasarkan pada aturan yang telah ditentukan sebelumnya yang secara konstan membandingkan perilaku aset saat ini dengan perilaku yang diharapkan. Setiap penyimpangan merupakan indikator kemungkinan kerusakan. Teknisi dapat melakukan intervensi pada titik ini dan mencegah kerusakan besar.
Manfaat pemeliharaan prediktif
Ada beberapa manfaat pemeliharaan prediktif:
Mengurangi biaya pemeliharaan
Pemeliharaan prediktif dapat menurunkan biaya operasi pemeliharaan. Hal ini terutama penting ketika organisasi harus berinvestasi dalam biaya tenaga kerja, pemeliharaan, suku cadang, peralatan, dan perlengkapan yang diperlukan jika terjadi kegagalan besar.
Lebih sedikit kegagalan mesin
Ada banyak penelitian tentang mengurangi kegagalan mesin. Pemantauan mesin dan sistem secara teratur dapat menurunkan kemungkinan terjadinya kegagalan yang tidak terduga dan berskala besar. Setelah dua tahun menerapkan program pemeliharaan prediktif, frekuensi dan sifat kerusakan alat berat sering kali menurun.
Mengurangi waktu henti
Dengan pemeliharaan prediktif, perbaikan peralatan membutuhkan waktu yang lebih singkat. Pemantauan dan analisis kondisi alat berat secara teratur membantu personel pemeliharaan menemukan komponen yang rusak pada semua alat berat dan menyelesaikan masalah dengan cepat. Hal ini mengurangi waktu henti dan dalam banyak kasus, mencegahnya sama sekali.
Pengurangan stok
Seringkali perusahaan harus berurusan dengan investasi stok yang besar untuk berbagai suku cadang, yang dapat mengunci modal. Jika suku cadang tidak segera digunakan, kualitasnya akan menurun dan bisa jadi sia-sia. Alih-alih menyimpan stok suku cadang dalam jumlah besar sebagai antisipasi, memesan suku cadang hanya saat dibutuhkan dapat mengurangi biaya persediaan.
Meningkatkan umur mesin
Mendeteksi masalah mesin (sebelum berubah menjadi kegagalan besar) dapat meningkatkan masa pakai mesin. Memiliki program pemeliharaan prediktif berbasis kondisi dapat memastikan bahwa peralatan tidak akan pernah mencapai tahap kerusakan parah. Masa pakai peralatan yang lebih lama memastikan laba atas investasi yang lebih baik bagi organisasi.
Waktu rata-rata antara estimasi kegagalan
Manfaat tambahan dari pemeliharaan prediktif adalah kemampuan untuk memperkirakan waktu rata-rata antara kegagalan (MTBF). Hal ini mengacu pada kerangka waktu yang paling hemat biaya untuk mengganti mesin. Beberapa perusahaan cenderung menggunakan peralatan dengan segala kerusakannya dan melakukan banyak perbaikan, dengan anggapan yang salah bahwa peralatan baru adalah investasi yang mahal. Dengan mengganti mesin di akhir masa pakainya, maka akan mencegah biaya perawatan yang tinggi untuk mesin yang sudah usang.
Peningkatan produksi
Program pemeliharaan prediktif berbasis kondisi perlu didukung oleh sistem proses yang kuat, yang meningkatkan efisiensi program. Program prediktif yang komprehensif yang mencakup pemantauan parameter dapat meningkatkan efisiensi operasional dan pada gilirannya meningkatkan jumlah produksi.
Meningkatkan keselamatan operator
Dengan pemeliharaan prediktif, sinyal peringatan dini dapat diterapkan untuk mencegah cedera akibat mesin yang rusak. Banyak penyedia asuransi mengakui dan menawarkan manfaat bagi produsen yang menggunakan program pemeliharaan prediktif berbasis kondisi. Menerapkan program ini dapat mengurangi biaya asuransi tanpa mengorbankan pertanggungan.
Verifikasi perbaikan
Saat memperbaiki satu masalah, perbaikan dapat membahayakan bagian lain dari alat berat. Dengan menggunakan analisis getaran, tim pemeliharaan dapat mendeteksi perilaku abnormal apa pun setelah perbaikan. Dengan pemeliharaan prediktif, perusahaan dapat menganalisis data untuk merencanakan dan mengatur penghentian pemeliharaan terjadwal, sehingga dapat memaksimalkan waktu henti alat berat.
Keuntungan meningkat
Manajemen pemeliharaan prediktif meningkatkan operasi manufaktur dan pabrik pengolahan. Sistem manajemen berbasis kondisi bernilai lebih dari biaya program. Dengan teknik pemeliharaan prediktif, perusahaan dapat menurunkan biaya operasional tahunan dan mengurangi risiko.
Tantangan pemeliharaan prediktif
Program pemeliharaan prediktif meningkatkan umur peralatan dan mengurangi (atau sepenuhnya mencegah) waktu henti yang dapat menyebabkan kesalahan atau penundaan dalam jaringan bisnis. Setelah diimplementasikan dengan benar, sistem pemeliharaan prediktif membantu alat berat mengantisipasi berbagai kemungkinan kegagalan.
Pada tahap awal implementasi, mungkin sulit untuk menghubungkan otomatisasi program dengan mesin yang ada dan sistem Perencanaan Sumber Daya Perusahaan (ERP). Namun, dengan perkembangan teknologi yang pesat, sebagian besar tantangan ini tidak lagi menjadi masalah. Komunikasi yang lancar antara mesin, sensor, perangkat yang terpasang, dan karyawan menjadi mungkin, sehingga sistem menjadi lebih efisien. Antarmuka visual telah mempersempit jarak antara manusia dan mesin. Antarmuka ini berbentuk dasbor visualisasi data atau peringatan alur kerja dan dapat berupa item tindakan, alarm pemicu, atau berbagai macam laporan.
Dengan teknologi baru, manajer pemeliharaan dapat memastikan bahwa sensor IoT mengumpulkan data yang dapat diandalkan secara real-time. Data yang berkualitas sangat menentukan keberhasilan program pemeliharaan prediktif.
Masa depan pemeliharaan prediktif
Mungkin ada beberapa rintangan dalam implementasi program pemeliharaan prediktif; namun, program ini tetap menjadi bagian integral dari pemeliharaan. Semua produsen yang berhasil mengatasi masalah integrasi dan mengotomatisasi proses dapat memperoleh keuntungan moneter dan keunggulan kompetitif yang besar. Semua produsen yang ingin tetap relevan dan fungsional di masa depan harus mengadopsi praktik pemeliharaan prediktif.
Disadur dari: spotfire.com