Bảo trì thông minh: sửa trước khi hỏng, giảm dừng máy
Bảo trì thông minh kết hợp cảm biến IoT và lịch bảo trì số: phát hiện dấu hiệu hỏng sớm, tự lên lịch bảo dưỡng, quản lý phụ tùng. Giảm dừng máy đột xuất.
Trả lời nhanh
Bảo trì thông minh là mô hình chuyển từ sửa khi hỏng sang can thiệp dựa trên tình trạng thực tế của máy, sử dụng cảm biến IoT kết hợp phần mềm quản lý bảo trì (CMMS). Bốn cấp độ trưởng thành: bảo trì phản ứng, bảo trì định kỳ, bảo trì theo điều kiện, và bảo trì dự đoán. Phần lớn nhà máy Việt Nam đang ở cấp 1–2 và bước nhảy có giá trị nhất là lên cấp 3. Bảo trì dự đoán cần tối thiểu 6–12 tháng dữ liệu để mô hình đủ tin cậy.
Trong nhà máy, chi phí thật của một lần dừng máy đột xuất không phải tiền sửa mà là sản lượng mất, đơn hàng trễ và nhân công chờ việc. Với dây chuyền có giá trị sản lượng 20 triệu đồng mỗi giờ, một sự cố kéo dài 3 giờ gây thiệt hại lớn hơn nhiều lần chi phí phụ tùng. Bài viết này trình bày lộ trình bốn cấp độ, chi phí từng bước và điều kiện thực tế để triển khai bảo trì dự đoán.
Bốn cấp độ bảo trì
| Cấp | Mô hình | Cách vận hành | Điểm yếu | Chi phí đầu tư |
|---|---|---|---|---|
| 1 | Phản ứng | Sửa khi hỏng | Dừng máy đột xuất, hỏng lan | Thấp nhất |
| 2 | Định kỳ | Bảo dưỡng theo lịch cố định | Thay phụ tùng còn tốt, vẫn hỏng bất ngờ | Trung bình |
| 3 | Theo điều kiện | Can thiệp khi cảm biến báo bất thường | Cần đầu tư cảm biến | Trung bình cao |
| 4 | Dự đoán | Mô hình dự báo thời điểm hỏng | Cần nhiều dữ liệu lịch sử | Cao nhất |
Điểm quan trọng thường bị bỏ qua trong các bài quảng cáo về công nghiệp 4.0: cấp 4 không phải mục tiêu bắt buộc của mọi nhà máy. Bước nhảy tạo giá trị lớn nhất và rẻ nhất là từ cấp 1–2 lên cấp 3. Chỉ với cảnh báo khi rung động hoặc nhiệt độ vượt ngưỡng, phần lớn sự cố nghiêm trọng đã được ngăn chặn. Cấp 4 đòi hỏi dữ liệu lịch sử dài và số lần hỏng đủ nhiều để mô hình học được — điều kiện mà nhiều nhà máy không đáp ứng nổi trong vài năm đầu.
Triển khai bảo trì theo điều kiện
Chọn thông số giám sát
Ba thông số cho tín hiệu sớm tốt nhất với máy quay: rung động, nhiệt độ vòng bi và dòng điện tiêu thụ. Rung động tăng dần trong nhiều tuần là dấu hiệu điển hình của vòng bi hoặc trục sắp có vấn đề. Dòng điện tăng bất thường cho thấy tải cơ khí tăng.
Với máy nén khí và hệ thống thuỷ lực, bổ sung áp suất và nhiệt độ dầu. Với thiết bị điện, bổ sung nhiệt độ điểm nối bằng camera nhiệt.
Đặt ngưỡng cảnh báo
Ngưỡng đặt quá nhạy tạo ra cảnh báo giả liên tục và đội bảo trì sẽ bắt đầu bỏ qua cảnh báo — đây là cách hệ thống chết dần. Ngưỡng đặt quá cao thì cảnh báo đến khi đã muộn.
Cách làm đúng: chạy thu thập dữ liệu 3–4 tuần để biết dải giá trị bình thường của từng máy, rồi đặt ngưỡng dựa trên dữ liệu thực tế của chính máy đó, không dùng ngưỡng chung theo tài liệu nhà sản xuất. Tỷ lệ cảnh báo giả cần theo dõi và giữ dưới 10%.
Nối cảnh báo với quy trình xử lý
Cảnh báo không dẫn tới hành động là cảnh báo vô nghĩa. Mỗi cảnh báo cần tự động tạo lệnh công việc trong hệ thống CMMS, gán cho người phụ trách, có mức ưu tiên và hạn xử lý. Vòng lặp phải khép kín: cảnh báo → lệnh công việc → xử lý → ghi nhận kết quả → dữ liệu quay lại để tinh chỉnh ngưỡng.
Quản lý phụ tùng
Đây là phần bị xem nhẹ nhưng ảnh hưởng lớn tới kết quả. Phát hiện sớm sự cố mà không có phụ tùng thay thế thì thời gian dừng vẫn dài. Hệ thống cần quản lý: danh mục phụ tùng theo từng máy, mức tồn tối thiểu, thời gian đặt hàng của từng nhà cung cấp, và lịch sử sử dụng để dự báo nhu cầu.
Chỉ số cần theo dõi: tỷ lệ lệnh bảo trì bị chậm do thiếu phụ tùng, hiện tại 15–25%.
Chi phí và lộ trình
| Hạng mục | Khoảng chi phí |
|---|---|
| Cảm biến rung, nhiệt, dòng điện (mỗi máy) | 8 – 30 triệu |
| Phần mềm CMMS | 20–60 triệu/năm hoặc 80–200 triệu trọn gói |
| Nền tảng thu thập và cảnh báo | 30 – 100 triệu |
| Triển khai và cấu hình ngưỡng | 30 – 90 triệu |
| Đào tạo đội bảo trì | 10–25 triệu |
| Mô hình dự đoán (cấp 4) | 60 – 200 triệu |
Lộ trình khuyến nghị: tháng 1–2 số hoá quy trình bảo trì hiện tại bằng CMMS và bắt đầu ghi nhận dữ liệu hỏng hóc có cấu trúc; tháng 3–4 gắn cảm biến cho 3–5 máy quan trọng nhất và thu thập dữ liệu nền; tháng 5–6 đặt ngưỡng và bật cảnh báo; tháng 7 trở đi mở rộng và cân nhắc mô hình dự đoán khi đã đủ dữ liệu.
Lưu ý: bước đầu tiên là số hoá quy trình bảo trì, không phải mua cảm biến. Không có lịch sử hỏng hóc được ghi nhận có cấu trúc thì sau này không xây được mô hình dự đoán.
Sai lầm thường gặp
Nhảy thẳng lên bảo trì dự đoán. Không có dữ liệu lịch sử thì mô hình không học được gì. Đi tuần tự.
Đặt ngưỡng theo tài liệu nhà sản xuất. Mỗi máy có đặc tính riêng theo tuổi và điều kiện vận hành. Ngưỡng phải dựa trên dữ liệu của chính máy đó.
Không xử lý cảnh báo giả. Đội bảo trì mất niềm tin và bắt đầu bỏ qua mọi cảnh báo, kể cả cảnh báo thật.
Bỏ qua quản lý phụ tùng. Biết trước sự cố mà không có phụ tùng thì lợi ích bị triệt tiêu.
Bước tiếp theo
Đặt lịch khảo sát nhà máy. Chúng tôi đánh giá cấp độ bảo trì hiện tại, xác định các máy nên thí điểm dựa trên tác động tài chính khi dừng, và đề xuất lộ trình theo giai đoạn phù hợp với dữ liệu bạn đang có.
Xem thêm: Hệ thống quản lý thiết bị IoT cho lớp thu thập dữ liệu; Dashboard điều hành để đưa chỉ số bảo trì lên báo cáo quản trị.
FAQ
Câu hỏi thường gặp
Bảo trì dự đoán cần bao nhiêu dữ liệu?
Cần dữ liệu vận hành liên tục và quan trọng hơn là đủ số lần hỏng đã được ghi nhận có cấu trúc để mô hình học được mẫu. Thực tế thường cần tối thiểu 6–12 tháng và một số lượng sự cố nhất định cho mỗi loại hỏng hóc. Với máy ít hỏng, bảo trì theo điều kiện là mục tiêu thực tế hơn.
Máy cũ có áp dụng được không?
Được. Cảm biến rung và nhiệt gắn ngoài vỏ máy không cần can thiệp vào hệ điều khiển, nên áp dụng được cả với máy không có PLC. Với máy rất cũ, đôi khi tín hiệu nhiễu nhiều hơn nên cần thời gian thu thập dữ liệu nền dài hơn.
Chi phí đầu tư khoảng bao nhiêu?
Giai đoạn thí điểm cho 3–5 máy quan trọng thường nằm trong khoảng 150 – 400 triệu đồng đã gồm cảm biến, nền tảng và cấu hình. Chi phí phần mềm CMMS tính riêng. Cách đánh giá đầu tư: lấy số giờ dừng đột xuất giảm được nhân giá trị sản lượng mỗi giờ.
Bảo trì thông minh khác gì hệ thống quản lý thiết bị IoT?
Hệ thống quản lý thiết bị IoT tập trung vào giám sát trạng thái vận hành và đo hiệu suất. Bảo trì thông minh dùng chính dữ liệu đó để quyết định thời điểm can thiệp, kết hợp thêm quản lý lệnh công việc và phụ tùng. Trong thực tế hai hệ thống thường triển khai cùng nhau, với IoT là lớp dữ liệu và CMMS là lớp quy trình.
Có giảm được bao nhiêu phần trăm thời gian dừng máy?
Con số này phụ thuộc hoàn toàn vào tình trạng xuất phát và loại máy, nên bất kỳ cam kết cụ thể nào trước khi khảo sát đều không đáng tin. Cách làm đúng là đo mốc thời gian dừng hiện tại của bạn trong 3–4 tuần, đặt mục tiêu cải thiện, rồi đo lại sau 6 tháng.