Zvyšování úrovně spolehlivosti aktiv díky efektivnějšímu rozhodování na úrovni podniku

Manažeři podniků denně přijímají složitá rozhodnutí, která mají dopad na hospodářský výsledek organizace. Začíná to klíčovými ukazateli výkonnosti (KPI), jež definují provozní výkonnost výrobního podniku – jde o několik klíčových nástrojů, které v konečném důsledku řídí provoz podniku a vedou k finanční výkonnosti. Lze je rozdělit do dvou skupin. Zaprvé KPI, jež vyjadřují a chrání licenci k provozu, mezi něž patří bezpečnost, ochrana životního prostředí a dodržování zákonných předpisů. Pokud tyto indikátory nejsou úspěšně provedeny, nemusí být výrobci povoleno provozovat podnikatelskou činnost. Obrázek 1 ukazuje některé kritické KPI pro výrobní podnik.

Druhý tematický okruh se týká efektivity a optimální výkonnosti výrobního provozu:

1. dostupnost zařízení – procento času potřebného k provozování zařízení;
2. spotřeba energie – množství energie spotřebované na podporu dostupnosti zařízení;
3. výrobek s vysokou hodnotou – objem/hodnota výrobku vyrobeného s ohledem na dostupnost a energii.

Tyto klíčové ukazatele výkonnosti jsou velmi obecné, někdy vyjádřené podobným způsobem, a mohou podporovat jakýkoli typ výroby, od zpracování ropy po výrobu čokolády nebo minibusů. Bez ohledu na pečlivost při ochraně licence k činnosti se tento dokument zaměřuje na čistě provozní aspekty výkonnosti. V tomto ohledu lze tvrdit, že dostupnost zařízení bude vždy nejdůležitější, protože pokud zařízení nefunguje, pak energie a výroba nemají žádný důsledek ani vliv na výkonnost.

Zjednodušeně řečeno jsou v rámci výrobního procesu zpracovávány suroviny a dodávána energie v pravidelném, uspořádaném procesu, aby byly vyrobeny žádané produkty. Existují však prvky, které mohou podpořit nebo omezit čas, efektivitu a nakonec i ziskovost procesu. Důležitou roli hrají rozhodnutí o tom, jak je proces plánován, rozvržen a provozován; vnější vlivy pak mohou způsobit negativní důsledky. Ty jsou patrné z obrázku 2, který na příkladu integrovaného chemického výrobního závodu znázorňuje jednotlivé kroky procesu od surovin k výrobkům.

Obrázek 2: Procesní kroky vedoucí od surovin až po produkty v integrovaném chemickém výrobním závodě

Proces je předem navržen a zaveden s určitými zakomponovanými omezeními, jako je duplicita zařízení, kapacita zařízení/souprav/jednotek, meziskladů a konečného skladování. Mnoho položek je možno přizpůsobit aktuálním požadavkům. Každý podnik si po svém nastavuje provozní logistiku, plány výroby, způsob provádění údržby a expedici finálních produktů.

Některé položky, jež ovlivňují celkovou výkonnost podniku, jako je kolísavost trhu, počasí, logistika a přeprava, však není v lidských silách předem určit. Všechny tyto faktory ovlivňují konečnou výkonnost a ziskovost podniku. Některé z nejvýznamnějších faktorů se týkají mechanického vybavení a dostupnosti provozního závodu. Zařízení může selhat nebo se opotřebovat, což způsobí přerušení výroby. Jakákoli neplánovaná odstávka zařízení kvůli servisní údržbě může znamenat značné ztráty ve výrobě, které mohou být exponenciálně vyšší než náklady na údržbu a opravy.

Kritické rozhodování na úrovni aktiv

S ohledem na všechny tyto skutečnosti je třeba neustále přijímat mnoho rozhodnutí týkajících se aktiv, limitů a prahových hodnot výkonnosti, strategie a načasování údržby, předpokládané míry spolehlivosti atd. V minulosti byla rozhodnutí o kritičnosti aktiv nebo analýze rizik nepodložená, s využitím omezené či vůbec žádné matematické metodiky. Důvodem bylo, že analýza zvažovala kritičnost a riziko na základě osamoceného stroje. Každý stroj však funguje v kontextu procesu a ve vztahu k ostatním strojům. Výrobní podniky nemohou oddělit stroj od procesu nebo proces od stroje a rozhodně by neměly vycházet z rozhodnutí o jednom osamoceném stroji.

Dříve se také běžně rozhodovalo na základě maximální spolehlivosti, což nemusí být nutně optimální strategie. Nejkritičtějšími položkami nemusejí být pouze ty, co způsobí největší přerušení výroby, když dojde k jejich poruše. Kritické položky se na první pohled nemusejí zdát tak důležité, proto je třeba je odhalit důkladnějším posouzením. Cílem posouzení kritičnosti je nakonec nastavení vhodné strategie údržby pro to, kdy a jak provádět kontroly, servis a opravy. Pokud jsou základní předpoklady nesprávné, co potom s výsledky? Dnes to můžeme změnit.

Dřívější přístup ke stanovení kritičnosti aktiv lze modelovat v digitálním dvojčeti a využít jej ke komplexnějšímu zkoumání nejrůznějších činností a důsledků, které mají strategičtější výsledky. Prvním krokem je pochopit, jak jsou všechna aktiva integrována dohromady, a stanovit skutečná omezení výrobního procesu. Zde může pomoci rozhodování s pomocí digitalizace, například simulace založená na spolehlivosti, dostupnosti a udržovatelnosti aktiv (SDU).

Obrázek 3: Graf spolehlivosti, dostupnosti a udržovatelnosti (SDU) zobrazuje pravděpodobnost výsledků výkonnosti a ukazuje pravděpodobnost provozní činnosti při různých úrovních výroby

Výhody simulace založené na SDU

Procesní a strojní inženýři často posuzují výkonnostní omezení a podle toho je nastavují, což je moudré, pokud se jedná o udržení zařízení v bezpečných provozních a mechanických bezpečnostních limitech. Pokročilé řízení procesů a nástroje s objektivními funkcemi mohou často posunout provoz k vyšší produktivitě. Žádný z nich se však nezabývá všemi skutečnými finančními omezeními, která plně ovlivňují výsledný výkon.

V průmyslu se začínají objevovat aplikace SDU, které integrálně zdůrazňují skutečná omezení, včetně dalších provozních a mechanických omezujících faktorů. Simulační aplikace založená na SDU poskytuje analýzu stromu poruch na základě skutečných materiálových toků výrobním procesem, tedy s fázovými hradly, modelováním zásob, rozdělením zátěže, pohotovostí/nadbytečností zařízení, provozními fázemi a pracovními cykly. Kromě toho může aplikace SDU simulovat očekávání různých náhodných událostí, jako je počasí, dynamika trhu, logistické události v oblasti dodávek/distribuce a další. V jednom logistickém příkladu se předpokládalo, že kalové čerpadlo koksovací jednotky je poddimenzované a omezuje výrobu jednotky. Výměna čerpadla za větší velikost problém nevyřešila, protože další šetření ukázalo, že nedostatečný počet nákladních vozidel ve vlaku, která by odvážela produkt, by neumožnil jednotce pracovat na plnou kapacitu.

Na obrázku 3 je znázorněn typický graf pocházející z aplikace SDU. Ukazuje pravděpodobnost výsledků výkonnosti, které představují pravděpodobnost provozu na různých úrovních výroby. Obrázek 4 zobrazuje ve vzestupném pořadí položky, které mají největší podíl na nesplnění cílů na dané finanční úrovni. Je to jasný ukazatel toho, co se s největší pravděpodobností stane, a ukazuje, na čem je nejdůležitější pracovat, tj. co má být první v pořadí. Takový výsledek je mnohem užitečnější než dosavadní analýza kritičnosti založená na osamoceném stroji nebo na absenci matematické metodiky.

V návaznosti na tyto informace jsou aplikace SDU efektivnější díky:

• vynikající analýze spolehlivosti jednotlivých aktiv a celých systémů aktiv;
• pravdivější identifikaci kritických komponent a jejich vlivu na návratnost životnosti aktiv;
• správnému počtu náhradních dílů v zásobách;
• optimálnímu procesnímu a mechanickému provozování aktiv vedoucímu k zaručenému úspěchu.

Když výstražné hlášení naznačuje, že stroj během několika týdnů pravděpodobně selže, aplikace SDU může také poradit, kdy jej vyřadit z provozu a provést servis a opravu, aby se minimalizovaly provozní ztráty a prostoje, aby bylo možné přizpůsobit se náhradním dílům dodaným „just-in-time“ a aby došlo k vytvoření meziskladu, který umožní zvládnout odstávku s menšími ztrátami při dodávkách výrobků.

Obrázek 4 znázorňuje ve vzestupném pořadí položky, které mají největší vinu na nesplnění finančních cílů

Rozhodování na základě vstupů podložených daty

Výrobci zaměstnávají odborníky v určitých oborech a procesech. Tím se neúmyslně vytvářejí informační a znalostní sila. Odborník v jedné oblasti může optimalizovat určitý proces nebo strategii údržby či návrh, ale při zohlednění komplexní, integrované povahy celého podniku nemusí toto lokální optimum vést ke globálnímu optimu nebo optimu podniku kvůli předcházejícím a navazujícím omezením.

Využití zmíněné aplikace SDU k pochopení toho, jak do sebe všechny součásti, lidé a procesy zapadají, povede k cíleným zlepšením, která zase povedou k vyšší přidané hodnotě a ochraně omezených dostupných zdrojů. To se stane transformačním faktorem pro efektivnější rozhodování podniku a nakonec i celé společnosti. Konečným výsledkem bude, že manažeři podniku dosáhnou vyšší návratnosti aktiv díky:

• posílení odborných znalostí tím, že dokážou vedení a dalším zúčastněným stranám, že složité rozhodnutí učiněné nikoli na základě jednoho osamoceného aktiva, ale na základě konsolidovaného výkonu skupiny zařízení je nejlepším možným rozhodnutím pro optimalizaci celkového výkonu podniku;
• vyhodnocování rizik v reálném čase a za určité časové období pro datové vzorce, které průmyslovým organizacím říkají, jakému riziku jsou denně vystaveny, a organizace pak podle toho mohou jednat;
• pochopení možností a důsledků, například optimalizace příležitostí a proaktivní reakce na hrozící selhání aktiv; manažer podniku se například může rozhodnout vyřadit aktivum nebo zařízení z provozu současně s jinou událostí, aby zmírnil dopad odstávky nebo provedl jiné údržbářské úkony;
• omezení rozhodování na základě „intuitivního pocitu“ a nahrazení „pocitů“ poznatky založenými na datech.

Po léta se o aktivech a zařízeních rozhodovalo izolovaně nebo na základě vnímané kritičnosti. Průmyslovým organizacím v současné době umožňují iniciativy v oblasti digitalizace, jako jsou simulace založené na SDU, více se spoléhat na datové vzorce a činit inteligentnější rozhodnutí týkající se aktiv.

Mike Brooks je globální ředitel pro řešení APM ve společnosti AspenTech. Mike Strobel je poradce pro technická řešení ve společnosti AspenTech.