Preventive Maintenance VS. Predictive Maintenance
โดยปกติแล้วการทำงานในโรงงานอุตสาหกรรมส่วนใหญ่จะเป็นการทำงานตลอดเวลา เมื่ออุปกรณ์และเครื่องจักรถูกใช้งานหนักและทำงานต่อเนื่องเป็นเวลา นาน ทำให้เกิดการการเสื่อมสภาพของอุปกรณ์และเครื่องจักร หากอุปกรณ์และเครื่องจักรที่ถูกใช้งานเหล่านั้นเสื่อมสภาพลงจนการทำงานเริ่มมีความผิด ปกติแต่ไม่ได้รับการบำรุงรักษาอย่างทันท่วงทีก็จะเกิดความเสียหายขึ้นจนบางครั้งอาจทำให้โรงงานต้องหยุดกระบวนการผลิตโดยไม่ได้วางแผนมาก่อน ซึ่ง เป็นเหตุการณ์ที่ทุกโรงงานไม่อยากให้เกิดขึ้น ดังนั้นการบำรุงรักษาอุปกรณ์และเครื่องจักรจึงเป็นสิ่งสำคัญ ในบทความนี้จะเป็นเนื้อหาเกี่ยวกับแนวคิดด้าน การบำรุงรักษาที่ได้รับความนิยม และวิธีการใหม่ๆ ด้วยมุมมองที่แตกต่างกันออกไป การนำวิธีการบำรุงรักษาแต่ละรูปแบบไปใช้นั้นก็ขึ้นอยู่กับความเหมาะ สมของลักษณะงาน ความสำคัญของอุปกรณ์และเครื่องจักรนั้นๆ โดยวิธีการที่ได้รับความสนใจและได้รับความนิยมมีดังนี้
Preventive Maintenance คืออะไร?
Preventive Maintenance หรือ การบำรุงรักษาเชิงป้องกัน เป็นหนึ่งในวิธีการบำรุงรักษาที่เป็นที่รู้จักกันมาอย่างยาวนานและ เป็นวิธีการที่ถูกนำมาใช้อย่างแพร่หลาย โดยมีจุดประสงค์เพื่อให้เครื่องจักรและอุปกรณ์อื่นๆ สามารถทำงานได้อย่างเต็มประสิทธิภาพที่สุด ซึ่งเป็นการบำรุง รักษาก่อนที่จะมีอุปกรณ์ชำรุดเสียหาย กล่าวคือทำการ “เปลี่ยน” หรือ “บำรุงรักษา” เพื่อ “ป้องกัน” ความเสียหายที่อาจจะเกิดขึ้น เช่น สมมติว่ามอเตอร์สามารถใช้งานได้ 10,000 ชั่วโมง(ประมาณการจากผู้ผลิต) หมายความว่าเมื่อเรานำมาใช้ครบ 10,000 ชั่วโมงแล้วต้องเปลี่ยน ซึ่งในความเป็นจริงอาจจะใช้ได้นานกว่านั้น แต่เราก็ไม่อยากรอให้เสียก่อนแล้วค่อยเปลี่ยน ดังนั้นก่อนที่จะใช้งานครบ 10,000 ชั่วโมง เราก็ต้องวางแผนในการเปลี่ยนมอเตอร์เพื่อป้องกันไม่ให้มอเตอร์เสียจนทำให้การทำงานส่วนที่เกี่ยวข้องจะต้องหยุดทำงานไปด้วย
Predictive Maintenance
ส่วนแนวคิดสมัยใหม่ที่กำลังได้รับความสนใจเป็นอย่างมาก คือ Predictive Maintenance หรือการบำรุงรักษาเชิงคาดการณ์ เป็นวิธีการบำรุงรักษาที่ได้รับการยอมรับในเรื่องของความแม่นยำในการบำรุงรักษาและลดเวลาในการหยุดทำงานของเครื่องจักร ในอดีตนั้นการทำ Predictive Maintenance อาศัยโมเดลการวิเคราะห์ตามความต้องการและทีมงานนักวิเคราะห์ข้อมูลที่มีทักษะสูงจำนวนมาก ผู้เชี่ยวชาญเหล่านี้จะใช้งานเครื่องจักรเพื่อรอให้เกิดความล้มเหลว แล้วจึงวิเคราะห์ข้อมูลที่พวกเขาบันทึกไว้ และใช้เป็นพื้นฐานในการที่จะเห็นรูปแบบที่ คล้ายกันที่จะเกิดขึ้นในอนาคต
สิ่งที่เกิดขึ้นคือ แทนที่จะต้องทำงานตามตารางการบำรุงรักษาที่กำหนดไว้ล่วงหน้า หรือตอบสนองเมื่อเกิดความล้มเหลว วิศวกรสามารถทำการบำรุงรักษา ที่ถูกต้องในเวลาที่เหมาะสม แต่การทำแบบนี้เป็นการสิ้นเปลืองต้นทุนทั้งด้านเวลาและค่าใช้จ่าย เนื่องจากต้องจ้างทีมนักวิเคราะห์ข้อมูลที่มีความเชี่ยว ชาญจำนวนมากเพื่อวิเคราะห์ข้อมูล ต่อมาเมื่อความก้าวหน้าด้านเทคโนโลยีมีมากขึ้นจนสามารถนำปัญญาประดิษฐ์ (A.I) เข้ามาใช้งาน ทำให้ สามารถนำการบำรุงรักษาแบบ Predictive Maintenance มาใช้ได้อย่างเต็มที่ในราคาที่เหมาะสมสำหรับการปรับใช้ทั่วทั้ง โรงงาน
โดยในปัจจุบันการบำรุงรักษาแบบ Predictive Maintenance จะใช้ข้อมูลจากสถานะการทำงานที่เกิดขึ้นจริงของอุปกรณ์ และเครื่องจักรที่รวบรวมได้แบบ Real-time มาทำการวิเคราะห์ เช่น อุณหภูมิ ค่ากระแสไฟฟ้าที่ใช้ ค่าการสั่นสะเทือน แรงดันของของเหลวหรือแก๊ส การหล่อลื่นของเครื่องจักร เสียงที่เกิดขึ้นจากการเสียดสี และข้อมูลอื่นๆ ที่จำเป็น โดยทำการแจ้งเตือนให้เราทราบว่าเมื่อไหร่จะมีความผิดปกติเกิดขึ้น และ ประเมินว่าเมื่อไหร่เครื่องจักรหรืออุปกรณ์นั้นต้องการการซ่อมแซม หรือแม้กระทั่งน้ำหลักการของ Feedback Control มาใช้เพื่อปรับปรุงการ ทำงานอัตโนมัตเพื่อให้การทำงานมีประสิทธิภาพยาวนานยิ่งขึ้น

ข้อดีที่แตกต่างกันของ Predictive Maintenance และ Preventive Maintenance
Predictive Maintenance สามารถช่วยลดต้นทุนและลดเวลาในการหยุดเครื่องจักรได้ เนื่องจากการทำ Predictive Maintenance นั้นจะเป็นการ monitoring อุปกรณ์ที่เชื่อมต่อในเครือข่ายแบบ Real-Time ผ่าน Industrial Internet of Things หรือ IIoT ทำให้ข้อมูลทั้งหมดที่ถูกจัดเก็บมีการแบ่งปันกันและสามารถเข้าถึงได้ผ่านการ เชื่อมต่อระยะไกล ดังนั้นเมื่อเรานำอุปกรณ์ทั้งหมดมาเชื่อมต่อบนเครือข่ายทำให้เราสามารถแสดงผลการทำงานในรูปแบบของ Dashboard ได้ใน หน้าจอเดียว นอกจากนี้การเชื่อมต่ออุปกรณ์ต่างๆ ในโรงงานยังช่วยให้ผู้เชี่ยวชาญด้านการบำรุงรักษาสามารถค้นหารูปแบบของความล้มเหลวของเครื่อง จักรแต่ละเครื่อง และยังใช้แพลตฟอร์ม Machine Learning ที่สามารถเพิ่มประสิทธิภาพและพัฒนาอัลกอริทึมได้ตลอดเวลา ในขณะที่การทำ Preventive Maintenance นั้นเป็นการบำรุงรักษาเชิงป้องกันที่ป้องกันการเสียหายหรือการหยุดทำงานของอุปกรณ์และ เครื่องจักร โดยการเปลี่ยนหรือบำรุงรักษาตามเวลาการใช้งาน ซึ่งในความเป็นจริงอุปกรณ์นั้นๆ อาจจะยังสามารถใช้งานต่อไปได้อีก ทำให้เป็นการเปลือง ต้นทุนและหยุดการทำงานโดยไม่จำเป็น
ยกตัวอย่างให้เห็นภาพง่ายๆว่า สมมติเครื่องจักร A มีการใช้งานลูกปืนอยู่ 3 จุด โดยอายุการใช้งานของลูกปืนอยู่ที่ราวๆ 4 เดือน โดยมีค่าเปลี่ยนต่อจุด (ค่าลูกปืนรวมค่าบริการ) คิดเป็นเงิน 5,000 บาท ถ้าเป็น Preventive Maintenance ก็จะคิดแบบเส้นตรง คือ เปลี่ยนทั้ง 3 จุด ทุกๆ 4 เดือน เท่ากับว่าในหนึ่งปีจะต้องเปลี่ยนลูกปืนทั้งสิ้น 3 ครั้ง ครั้งละ 3 จุด คิดเป็นเงิน 45,000 บาท แต่ถ้าเป็นการบำรุงรักษาแบบ Predictive Maintenance มีการนำ sensor มาติดวัดการสั่นสะเทือน วัดลักษณะของ คลื่นเสียงและอุณหภูมิที่เกิดจากการเสียดสี เพื่อดูว่าลูกปืนยังมีการทำงานเป็นปกติดีหรือไม่ แล้วจากการเก็บข้อมูลพบว่าลูกปืนสามารถใช้งานได้จริงถึง 6 เดือน เท่ากับว่าในหนึ่งปีจะเปลี่ยนลูกปืนเพียงแค่ 2 ครั้ง คิดเป็นเงิน 30,000 บาท เท่ากับว่าหากทำการบำรุงรักษาด้วยวิธีการ Predictive Maintenance จะลดระยะเวลาในการหยุดเครื่องจักรได้ และยังช่วยให้ต้นทุนในการดูแลรักษาลดลงอีกด้วย
ไม่ใช่ว่าการทำ Preventive Maintenance จะไม่มีข้อดีเลย ข้อดีของการทำ Preventive Maintenance ที่เหนือกว่า Predictive Maintenance ก็คือ มีความเรียบง่ายมากกว่า เพราะการทำ Predictive Maintenance นั้นต้องใช้ข้อมูลจำนวนมาก และมีการทำระบบสำหรับรองรับข้อมูลเยอะ มีการนำอุปกรณ์ต่างๆ เข้ามาใช้เพื่อตรวจจับสถานะการทำงานของเครื่องจักร จึงทำให้มีความซับซ้อนมากกว่า และยังต้องใช้ความรู้ ความชำนาญเฉพาะด้านมากกว่าในการวิ เคราะห์ลักษณะของข้อมูลที่รวบรวมได้อีกด้วย

5 ขั้นตอนในการทำ Predictive Maintenance แบบอัตโนมัติ
โดยทั่วไป ขั้นตอนแรกควรเริ่มจากสายการผลิตเดียว หรือเริ่มจากเครื่องจักรเพียงไม่กี่เครื่อง โดยใช้เวลา 3 - 4 เดือน ในสองขั้นแรกจะเริ่มจากการ สังเกตและตรวจสอบการทำงานของเครื่องจักรพร้อมทั้งนำเสนอข้อมูลแบบ Real-time และทำการบำรุงรักษาตามสภาพของเครื่องจักรโดยอาศัย ข้อมูลที่ได้จากการสังเกตและตรวจสอบการทำงานของเครื่องจักร ในบางครั้งคุณไม่สามารถทำ Predictive Maintenance ได้ทันทีเพราะว่าข้อมูลที่เก็บมาไม่เพียงพอที่จะสอน (Teaching) ให้ระบบรู้ว่าข้อมูลแบบไหนคือเครื่องจักรเสีย อุปกรณ์อะไรที่เสีย ดังนั้นจึงต้องใช้ เวลาสักระยะเพื่อให้เกิดความผิดปกติของเครื่องจักรก่อนเพื่อให้อัลกอริทึมสามารถเรียนรู้และทำงานได้อย่างมีประสิทธิภาพ ยิ่งเครื่องจักรมีความล้มเหลวให้ เรียนรู้ได้บ่อยขึ้นและหลากหลายขึ้น การคาดการณ์ก็จะทำได้ดียิ่งขึ้น
เมื่อข้อมูลที่เชื่อถือได้ถูกบันทึก และเครื่องจักรได้ให้ข้อมูลของข้อผิดพลาดเพียงพอ นักวิเคราะห์ข้อมูลก็จะสามารถเริ่มโมเดลการคาดการณ์ได้ การทำ Predictive Maintenance สามารถเพิ่มระยะเวลาการทำงานของเครื่องจักรจากการหยุดเครื่องจักรเพื่อบำรุงรักษาได้ราวๆ 20 ถึง 30 เปอร์เซ็นต์ ยิ่งเกิดความผิดพลาดมากขึ้นเท่าไร การเรียนรู้ของอัลกอริทึมยิ่งทำได้ดีมากขึ้นตาม เมื่ออัลกอริทึมเรียนรู้ความผิดพลาดได้มาก ขึ้นจะช่วยทำให้พยากรณ์ความผิดพลาดล่วงหน้าเพื่อลดเวลาที่เครื่องจักรจะหยุดทำงานกระทันหันได้ดีขึ้น การตั้งค่าและพัฒนาแพลตฟอร์มดังกล่าวอาจ ใช้เวลาพอสมควร ดังนั้นการเริ่มนำแพลตฟอร์มการทำ Predictive Maintenance ยิ่งนำมาใช้เร็วยิ่งจะทำให้ได้เปรียบ และ ควรให้ความสำคัญกับทรัพยากรที่สำคัญที่สุดก่อน โดยกลยุทธ์การบำรุงรักษาในลักษณะนี้จะช่วยเพิ่มปริมาณผลผลิต เพิ่มประสิทธิภาพในการทำงาน เพิ่มความปลอดภัยในการทำงาน ลดความสูญเสียด้านเวลาจากการหยุดเครื่องจักรพร่ำเพรื่อ และลดปริมาณสินค้าที่คุณภาพไม่ผ่านเกณฑ์ได้ ที่สำคัญ ยังช่วยลดต้นทุนในการบริหารจัดการและการสำรองอะไหล่ (Spare Parts) อีกด้วย
บทความแนะนำ
- เว็บไซต์สมาชิก
CC-Link Partner
Association (CLPA)