Как математика предсказывает поломки и сокращает расходы на ремонт

Любое производственное оборудование рано или поздно изнашивается, а значит, его нужно регулярно инспектировать и — при необходимости — чинить или заменять. За техническое обслуживание и ремонт (ТОиР) на предприятии обычно отвечает отдельное подразделение — ремонтный цех или служба ремонта. Ресурсы подразделения не бесконечны, а ошибка в лучшем случае может обернуться потерями для бизнеса, а в худшем — трагедией (если вовремя не заменённое оборудование откажет в самый неподходящий момент и приведёт к серьёзной аварии на производстве).

Ремонтные работы бывают двух видов: плановые и внеплановые. Причём их проведение может осуществляться с остановкой или без остановки производственной линии. Определённое оборудование проверить или починить без остановки процесса посреди рабочего дня невозможно — к примеру, прохудившийся котёл с кислотой для варки щепы на целлюлозно-бумажном производстве.

Расскажу, как математика может повысить эффективность ТОиР в случае как плановых, так и внеплановых работ.

Плановые ремонтные работы и оптимизационная модель

На предприятии существуют нормативные сроки по проведению планово-предупредительных работ, которые диктуются производителем того или иного оборудования. Инспектировать станки, машины и технику желательно регулярно. Здесь можно провести аналогию с техосмотром автомобиля: лучше перестраховаться и потратить время на плановую проверку, чем столкнуться с внезапной поломкой двигателя посреди перегруженной трассы. Авария в любом случае обойдётся дороже регулярных профилактических чекапов.

Таким образом, возникает задача со следующими вводными: провести инспекцию оборудования с учётом квалификаций и допусков специалистов и наложить всё это на производственную программу, которая составляет план и выдаёт сменно-суточные задания, чтобы определить возможности для остановки производства. Если предприятие не работает в круглосуточном режиме, тогда для осуществления планового техосмотра бригаду ТОиР выводят на работу в ночную смену.

Чем масштабнее производство, тем сложнее составить расписание для ремонтной службы в ручном режиме. Здесь в игру вступает автоматизированная система планирования. Математическая модель может подобрать наиболее подходящий регламент, режим и последовательность проведения техобслуживания и ремонта.

Задача может быть осложнена необходимостью существенного территориального перемещения. Эта проблема касается, например, нефтегазовых компаний. Их деятельность организована следующим образом: никто не «сторожит» скважину круглые сутки, компания запускает работы по бурению, все разъезжаются, и мониторинг осуществляется удалённо. По мере истощения запасов, выполняются различные технические мероприятия по повышению отдачи и ремонт скважин (цементировка, замена насосного оборудования для повышения давления и т. п.). Выполнение работ упирается в ограниченные ресурсы буровой бригады (люди, техника и снаряжение) и план ТОиР.

Как раз для одной такой компании мы однажды оценивали потенциал оптимизации режима работы буровых бригад. Заказчик столкнулся с тем, что графики работ препятствовали росту эффективности. Много времени терялось при переездах между участками месторождений, так как изначально были выбраны неоптимальные маршруты. Кроме того, графики различных специалистов, отвечающих за разные виды работ, не были синхронизированы. Это приводило к пересечению бригад на месторождении и непредвиденным простоям. Автоматизированная система планирования позволила преодолеть все эти нюансы, исключить случаи пересечения бригад на месторождениях и помогла повысить среднюю выработку бригад за выбранный период.

Внеплановые ремонтные работы и предиктивная модель

Поломка оборудования может произойти посреди производственного цикла. Иногда это означает полную остановку производства (например, если сломался не один станок, а целый конвейер). Тогда ремонтная служба должна отреагировать максимально оперативно — каждая минута простоя означает финансовые убытки для предприятия.

Если вернуться к примеру нефтегазовой компании, добыча будет остановлена в случае поломки погружного насоса — что, конечно, скажется на объёмах добычи. Следовательно, насос нужно осматривать и заменять в соответствии с нормативным сроком службы. Но вот проблема: насос вряд ли сломается ровно в тот день, в какой его необходимо заменить по инструкции — точно так же, как продукты не портятся по щелчку в день истечения срока годности. Получается, что буровая бригада будет вынуждена заменить рабочий насос, который мог бы прослужить ещё полгода-год. Эх, вот если бы знать заранее, когда именно оборудование выйдет из строя! Не вздыхайте: это возможно.

Для этого создаётся предиктивная модель отказа оборудования, которая предсказывает вероятность поломки на горизонте примерно от месяца до полугода. Каким образом? Модель анализирует данные с датчиков оборудования и замечает отклонения от режима нормальной работы — перед поломкой зачастую можно наблюдать повторяющиеся паттерны незначительных сбоев (например, минимальное, но регулярное увеличение давления).

Эффекты точного прогнозирования конкретно для нашего заказчика из нефтегазовой отрасли были весьма заметны. Полученная с помощью математической модели информация помогла клиенту:

— предупредить остановки выработки по причине поломки;

— расширить периоды техосмотра и замены оборудования;

— разрядить графики ТОиР;

— увеличить общий срок использования оборудования;

— сократить затраты.

Разумеется, тема предиктивного ТОиР актуальна не только для нефтегазовой отрасли, но и для всей производственной сферы в целом. Но стоит понимать, что никакая модель не может предсказать абсолютно все потенциальные поломки в мире. Иногда вещи просто выходят из строя без каких бы на то ни было предпосылок или сигналов. Тем не менее, предиктивные системы демонстрируют очень высокую эффективность, в разы сокращая число непредвиденных поломок. Можно смело утверждать, что своевременное внедрение таких моделей на производствах помогло бы избежать многих аварий.

Возвращаясь к оптимизации, прогноз поломок, рассчитанный предиктивной моделью, может быть использован как вход для формирования графика ремонтных работ и расписания ремонтных бригад. В целом, применение математических моделей и автоматизированных систем в рамках управления ТОиР обеспечивает более эффективное использование человеческих ресурсов и техники и снижение расходов предприятия.