返回
打印據(jù)克拉克森研究公司稱,航運業(yè)的備件和維護成本一直在穩(wěn)定增長,約占船舶運營支出的18%。設(shè)備故障維修計劃不當、備件不足等情況都可能對總的維護成本造成不利影響。而且,由于購置、服務(wù)和運輸需求的增加,故障維修的頻率可能遠遠高于計劃中的數(shù)量。另外,隨著船齡的增長,所有維護成本要素都可能進一步惡化。
在急劇波動的不定期船運市場中,油輪、干散貨和集裝箱船等細分市場之間的費率往往浮動很大,毫無疑問,船東需要對船舶維護成本進行嚴格控制,這件事對他們來說非常緊迫。目前在優(yōu)化此類成本支出時,技術(shù)部門所采用的傳統(tǒng)方法是將預(yù)防性和糾正性維護系統(tǒng)相結(jié)合。船員根據(jù)特定的運行時間或日期間隔執(zhí)行檢查和清潔主要組件等操作。一旦船舶出現(xiàn)設(shè)備故障,只要船上有足夠的庫存,就可以對其進行維修或更換。定期重復(fù)進行掃氣口清理和主要部件潤滑等維護操作可以使設(shè)備保持良好的運行狀態(tài),但并不能充分預(yù)防機械故障。
為了確保最高程度的業(yè)務(wù)連續(xù)性以及對維護成本進行最佳控制,部署預(yù)測性維護方案,利用數(shù)字化技術(shù)來進行主動設(shè)備分析并及時安排糾正性維護任務(wù)是一種很好的方式。通過對系統(tǒng)進行監(jiān)測以及對備件的采購來源、船齡、之前的維護歷史以及船員的經(jīng)驗等各種參數(shù)進行分析,各類數(shù)據(jù)都得到了適當?shù)奶幚?就可以對船舶零部件的狀況得出更準確的評估。這樣的維護框架有助于預(yù)測潛在的設(shè)備故障,然后可以通過動態(tài)調(diào)整維護計劃以及隨后重新評估P-F(潛在故障-功能故障)曲線來預(yù)防故障的發(fā)生。
這種預(yù)測性維護框架需要分三個階段來實施:
1. 以設(shè)備為中心進行跨職能協(xié)作
從企業(yè)的角度來看,遵循一套穩(wěn)固的預(yù)測性維護框架是一項跨職能的工作,需要關(guān)鍵的一線部門(例如技術(shù)、采購和安全質(zhì)量等部門)積極參與。結(jié)構(gòu)化的流程可以促成協(xié)作,在這個過程中,各個部門的利益相關(guān)者須就未來12個月的維護預(yù)測達成共識,執(zhí)行戰(zhàn)略性采購計劃以確保備件供應(yīng)和維修人員的到位,并訂購運輸服務(wù),確保備件能以經(jīng)濟高效的方式及時送達。
正確地識別將會涉及這種批量訂購流程的設(shè)備對于航運公司,尤其是姐妹船重疊很小的公司始終是一個挑戰(zhàn)。船舶維修保養(yǎng)計劃(PMS)包 含有關(guān)設(shè)備歷史記錄的重要信息,例如工單頻率、缺陷、停機時間等等。為了能夠有效地處理非常細碎的數(shù)據(jù),需要將設(shè)備聚合成更大的類別或“預(yù)測組”。PMS包含每艘船舶組件的完整功能層次結(jié)構(gòu),以及制造商和各種相互依賴的其他詳細信息,這些信息有助于進一步細分。例如,一個簡單的經(jīng)驗法則通常是:由同一制造商制造的所有配備了柴油發(fā)電機的船舶都是姊妹船,屬于同一組。
2.利用高級數(shù)據(jù)分析輔助決策
以無監(jiān)督學習的形式進行數(shù)據(jù)分析在正確識別預(yù)測組方面發(fā)揮著關(guān)鍵作用。將組件按主機、柴油發(fā)電機等較大的群組進行分類,航運公司就可以重置戰(zhàn)略性采購計劃,提高與供應(yīng)商的議價能力,獲得批量折扣。
在每個預(yù)測組內(nèi)進一步部署聚類分析后,基礎(chǔ)備件可以基于類似屬性,例如制造商、船型、價格和需要相同零件的船舶的數(shù)量等,再進行劃分。例如,柴油發(fā)電機組預(yù)測組可以具有多個細分類別,以突出顯示不同程度的重要性,然后以此來確定每個備件的庫存策略,以便與諸如TMSA 3之類的全球政策或其他法規(guī)保持一致。
此后,公司可以將設(shè)備轉(zhuǎn)換為監(jiān)督學習,并部署預(yù)測模型來預(yù)判各種預(yù)測組下面的所有備件集群的未來需求。運用哪種基本算法可能取決于數(shù)據(jù)可用性和自動化程度,舉個例子,如果數(shù)據(jù)稀缺就采用隨機森林(Random Forest)算法,如果具備足夠廣度和深度的時間序列數(shù)據(jù),則采用深度學習(Deep Learning)算法。在任何情況下,各種集成算法都能從對設(shè)備運行時間、船上傳感器數(shù)據(jù)、船齡以及船員經(jīng)驗等外生變量的利用中獲益。
通過納入規(guī)范性模型,可以增強圍繞預(yù)測性維護的分析框架,該模型利用所有相關(guān)成本來“指定”要采購的共識預(yù)測。這些模型將預(yù)測模型的數(shù)量與庫存、運輸、缺貨和購置成本進行對比,并使用運營研究算法來優(yōu)化確切的備件數(shù)量,確保船舶的商業(yè)可用性,同時最大程度地減少相關(guān)的上游供應(yīng)鏈支出
3.通過機器學習利用遙測數(shù)據(jù)不斷改進維護預(yù)測
為了完成差異化的預(yù)測性維護框架的閉環(huán),預(yù)測模型可以實時使用高頻遙測數(shù)據(jù),不斷提高預(yù)測準確性并重新校準P-F曲線。船載遙測系統(tǒng)可以收集并自動傳輸與高溫檢測、燃油分析、振動記錄等有關(guān)的數(shù)據(jù)。將數(shù)據(jù)反饋到任何機器學習模型都有助于未來PF曲線的重新設(shè)計,并且可以得出有關(guān)系統(tǒng)、設(shè)備、零件需求和時間間隔的不同結(jié)論,這些都是預(yù)測性維護計劃需要涵蓋的要素。舉例來說,如果主機流量計上安裝的傳感器在較長時間內(nèi)顯示高油耗,則將觸發(fā)維護措施,并且需要在備件的數(shù)量和質(zhì)量、運行條件和工時以及維修人員的能力等方面對設(shè)備進行重新評估。
上述預(yù)測性維護方案可以為選擇部署該策略的航運公司帶來巨大收益。預(yù)計僅在第一階段(無需任何先進分析或遙測技術(shù))就可以憑借供應(yīng)商提供的批量折扣節(jié)省約15%的購置成本。部署第二階段可將整個供應(yīng)鏈成本進一步降低約10%,而第三階段可以將維護成本再降低7%。此外,這種預(yù)測性維護框架不僅可以在成本方面帶來變革,而且可以改變辦公室和船上工作人員對設(shè)備維護的理解和執(zhí)行,從而減輕工作壓力,避免反復(fù)修改計劃,更好地利用工作時間并增強整個企業(yè)的彈性。（來源：中國船檢）
