RCM-анализ. Управление надежностью

Самый распространенный и применимый ко всем достижениям НТП риск — бездумная вера во всемогущество новых технологий и уверенность, что они сразу заменят человека, его жизненный и профессиональный опыт и квалификацию. По мере увеличения внедрения предиктивной аналитики и искусственного интеллекта в процессе принятия решений будет расти значимость экспертов, имеющих возможность оценить данные системы.
Как разработчики решения по управлению надежностью (1С:RCM Управление надежностью), в котором применяются элементы машинного обучения для предиктивного анализа, мы выделяем три ключевые позиции для принятия решений. В первую очередь непосредственно технический специалист, отвечающий за первичное наполнение базы необходимой информацией, обеспечивающий техническую организацию взаимодействия. Во-вторых, нам необходимы эксперты, отвечающие за проведение анализа функциональных отказов, подбор стратегий и мероприятий к ним, то есть за формирование программы техобслуживания и ремонтов. В этом качестве могут выступать: главный механик, инженерно-технический персонал, обслуживающий оборудование, специалисты, владеющие необходимой информацией по последствиям отказов оборудования. И третий уровень — это руководитель, который утверждает решения специалистов и контролирует эффективность сформированной программы техобслуживания и ремонтов.
Принятию решений предшествуют три этапа для его выработки. Первый — подготовка данных — глубокая проработка активов предприятия с точки зрения их иерархической соподчиненности, построение единой базы оборудования, оценка производственного контекста всех объектов, оценка рисков и последствий отказов, отбор критичного для аналитики оборудования и создание разноуровневых отчетов.
Второй этап — анализ отказов — работа комиссии по отбору критичных объектов анализа (объектов обследования), обозначению тяжести последствий всех отказов, установление границ приемлемых отклонений, определение критичных видов отказов, формирование отчета по анализу рисков. Особенность этого этапа в том, что к определению тяжести последствий привлекаются не только производственники и экономисты, но и маркетологи, поскольку в случае отказов оборудования речь может идти не только о производственных и финансовых, но и о репутационных рисках для компании.
Третий этап — формирование программы ТОиР — выбор наиболее рациональных мероприятий и экономичных стратегий, оптимизация планов, проверка общей программы с точки зрения экономичности, эффективности и сокращения рисков.
Принятие решений на основе RCM-анализа позволяет опираться на обоснованные данные о необходимости совершенствования конструкции оборудования или введения дополнительного резервирования тех его составных частей, выявленный уровень безопасности которых оказался недостаточным. При принятии управленческих решений есть возможность единовременно учесть широкий спектр вопросов по управлению активами: необходимость поддержания функционирования оборудования с требуемыми показателями надежности в заданных условиях эксплуатации, обеспечение безопасности оборудования для персонала и окружающей среды, снижение рисков непредвиденных и повторных отказов.
В связи с увеличением количества компонентных задач, решаемых на основе полученных данных, навыки работы в информационных системах становятся необходимым элементом профессиональной квалификации специалиста. Внедряя решения для управления материальными активами, руководство предприятий нередко сталкивается с негативным восприятием этих задач со стороны работников: высокая загруженность основной деятельностью, непривычный формат работы и в целом непонимание, почему предприятию нужно это программное обеспечение. Поэтому обучение для сотрудников подразумевает также и идеологическую вовлеченность. Практикуются экологичные методы: в работу с начала проекта вовлекаются руководители среднего звена, IT-специалисты непосредственно участвуют в организации оперативных совещаний и анализе отчетов, оказывают помощь сотрудникам любого уровня в подготовке к совещаниям у руководства. Таким образом вырабатываются навыки работы с системой.
Обычной становится ситуация, когда специалистов выращивают на местах, осваивая систему с помощью разработчиков и интеграторов IT-решений. Также на предприятиях появляются отдельные специалисты по вопросам ТОиР (кроме IT-директоров и главных инженеров/механиков, в чьем ведении обычно находится работа системы). Их задачей становится глубокое освоение и развитие методологий, нацеленных на предотвращение отказов оборудования и работу с рисками.
По этому пути движется, например, Иркутская нефтяная компания (ИНК), где с 2014 года внедрена и развивается система по управлению техобслуживанием и ремонтами 1С:ТОИР.
Опыт ИНК говорит о том, что последовательная и вдумчивая работа по предотвращению сбоев, формирование таких механизмов, как матрица рисков, подводит вплотную к методологии RCM (Reliability Centered Maintenance — Управление надежностью). Такой подход оправдывается с точки зрения эффективности: за время работы в 1С:ТОИР ИНК практически решила проблему отказов, непредвиденные ситуации сведены к минимуму, коэффициент технической готовности насосного оборудования вырос с 65 до 98%, компрессорного оборудования — с 45 до 99%. Кроме того, анализ статистики, получаемой из системы, сократил затраты на закупки оборудования — экономия составила 40% (данные на конец 2018 года).
Как правило, у предприятий на настоящий момент нет исторических данных за длительные промежутки времени, пригодных для полноценного использования технологий машинного обучения. Большинству приходится компенсировать этот недостаток привлечением людей (своих инженеров) к анализу аномалий в работе оборудования, найденных искусственным интеллектом. Что, в свою очередь, требует от персонала высокой квалификации и понимания основ работы оборудования. В свете этого на нынешнем этапе использование современных технологий не снижает, а повышает требования к профессионализму инженерно-технического персонала. Аккумуляция реального опыта — основа для появления тиражных решений, которые позволяют вывести аналитику на качественно новый уровень. Недостаток накопленных данных для анализа методами машинного обучения накладывает ограничения на использование ИИ, приходится использовать симбиоз искусственного и «естественного» интеллекта.
Развитие возможностей информационных систем, адекватное развитию бизнеса, в конечном счете ведет к цифровой трансформации компаний и — шире — изменяет стандарты всей отрасли.