KR20050119168A - 예방 유지보수 절차의 통계적 분석 및 제어 - Google Patents
예방 유지보수 절차의 통계적 분석 및 제어 Download PDFInfo
- Publication number
- KR20050119168A KR20050119168A KR1020057018447A KR20057018447A KR20050119168A KR 20050119168 A KR20050119168 A KR 20050119168A KR 1020057018447 A KR1020057018447 A KR 1020057018447A KR 20057018447 A KR20057018447 A KR 20057018447A KR 20050119168 A KR20050119168 A KR 20050119168A
- Authority
- KR
- South Korea
- Prior art keywords
- frequency
- maintenance
- maintenance procedure
- procedure
- preventive maintenance
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 319
- 238000012423 maintenance Methods 0.000 title claims abstract description 242
- 230000003449 preventive effect Effects 0.000 title claims abstract description 97
- 238000007619 statistical method Methods 0.000 title claims description 46
- 230000000694 effects Effects 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000013507 mapping Methods 0.000 claims description 24
- 238000000611 regression analysis Methods 0.000 claims description 12
- 238000007418 data mining Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 14
- 230000002354 daily effect Effects 0.000 description 10
- 230000007423 decrease Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000005461 lubrication Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06314—Calendaring for a resource
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
장비 고장을 검출하여 감소시키는 데에 있어 예방 유지보수 절차의 유효도를 판정하기 위한 기술이 개시되어 있다. 기술은 이력 유지보수 데이터, 예를 들어 예방 유지보수 절차뿐만 아니라, 장비를 수리하기 위한 비계획적 유지보수 절차를 식별하는 컴퓨터화된 유지보수 관리 시스템(CMMS)으로부터의 유지보수 데이터를 이용한다. 기술은 예방 및 비계획적 유지보수 절차 간에 통계적 상관 관계가 존재하는지를 판정하기 위해 유지보수 데이터를 통계적으로 분석하는 데에 이용된다. 특히, 이 기술은 비계획적 유지보수 절차의 서비스를 받는 장비가 경험하게 되는 고장을, 이들 고장을 검출하거나 제거하도록 설계된 예방 유지보수 절차에 상관시킨다. 이 분석에 기초하여, 각각의 예방 유지보수의 유효도가 판정될 수 있으며, 각각의 예방 유지보수 활동의 각각의 빈도가 통계적으로 제어될 수 있다.
Description
본 발명은 장비의 예방 유지보수 절차를 스케쥴링하는 것에 관한 것이다.
통상적으로 작동 중인 장비에 다양한 유지보수 절차가 실행되게 된다. 예를 들어, 고장의 경우 또는 장비가 의도하지 않은 방식으로 작동하게 하는 경우나 조건에서, 이 장비를 수리하기 위한 시도로 유지보수 절차를 실행하도록 기술자를 호출할 수 있다. 이러한 유형의 비계획적 절차는 보통 비상시 또는 교정 유지보수 절차로 언급된다.
부가하여, 예방 유지보수 절차는 흔히 유지보수 스케쥴에 따라 장비에 대해 실행된다. 이들 절차는 기계의 미래의 고장의 가능성을 줄이고, 이에 따라 비용, 자원 및 이들 고장과 관련된 일반적인 "중단 시간(down-time)"을 줄이는 목표를 가지고 실행되게 된다.
많은 경우, 예방 유지보수 절차는 정적 유지보수 계획에 따라 실행된다. 예를 들어, 통상의 유지보수 계획은 유지보수 빈도에 따라, 예를 들어 매주 또는 매달 또는 정해진 운영 시간, 제조 단위 등의 이후에, 예방 유지보수 절차를 스케쥴링한다. 종종, 컴퓨터화된 유지보수 관리 시스템(CMMS) 또는 다른 유틸리티는 미리 정해진 빈도에 기초하는 예방 유지보수 절차를 스케쥴링하는 것뿐만 아니라, 장비에서 실행되는 유지보수 활동을 기록 및 추적하는 데에 이용된다.
도 1은 예방 유지보수(PM) 절차의 빈도를 통계적으로 제어하기 위한 기술을 설명하는 예시적인 시스템의 블럭도이다.
도 2는 PM 절차의 빈도를 통계적으로 제어하기 위해 이력 유지보수 데이터를 분석하는 데에 있어서의 기술의 개론을 설명하는 플로우 챠트이다.
도 3은 통계적 분석 기술을 더욱 상세히 설명하는 플로우 챠트이다.
도 4는 주어진 PM 코드에 대한 예시적인 고장 빈도를 설명하는 예시적인 파레토(Pareto) 챠트를 나타낸다.
도 5는 PM 코드와 관련되는 고장에 대한 예시적인 평균 실제 노동비를 나타내는 예시적인 챠트이다.
도 6은 PM 절차가 실행되는 예시적인 실제 빈도와 주어진 PM 코드와 관련되는 각 PM 간의 고장 횟수의 계산을 나타내는 예시적인 인터페이스를 나타낸다.
도 7은 PM 코드에 대한 PM 절차의 빈도와 신뢰 수준을 그래프화한 예시적인 챠트이다.
도 8은 예시적인 회귀 분석을 나타내는 챠트이다.
도 9는 95%의 신뢰 수준으로 특정 고장 유형에 대한 고장들 간의 평균 시간을 그래프화한 챠트이다.
도 10은 비상시 유형의 샵 작업 오더에 대한 실제 수리 시간, 평균 수리 시간, 및 신뢰 수준을 그래프화한 예시적인 제어 챠트를 나타낸다.
도 11은 계산된 통계 데이터에 기초하여 PM 빈도를 제어하는 예시적인 프로세스를 더욱 상세히 나타내는 플로우 챠트이다.
도 12는 컴퓨터 유지보수 관리 시스템이 자동화된 방식으로 PM 절차의 빈도를 통계적으로 제어하는 기술을 이용하는 블럭도이다.
일반적으로, 본 발명은 장비의 고장을 검출하여 줄이는 데에 있어서의 예방 유지보수(PM) 절차의 효율성을 결정하는 통계적 분석 기술에 관한 것이다. 이 기술은 이력 정보, 예를 들어 본 명세서에서 "장비"로 보통 언급되고 있는 임의의 유형의 기계, 장치, 구성 요소 등에서 실행되는 예방 유지보수 절차 및 비계획적 유지보수 절차를 식별하는 컴퓨터화 유지보수 관리 시스템(CMMS)으로부터 수집된 유지보수 데이터를 이용한다.
이 기술은 일 년 정도의 특정 기간 동안 장비에 실행되는 예방 유지보수 절차 및 비계획적 유지보수 절차를 통계적으로 분석하고, 예방 유지보수 절차 및 비계획적 유지보수 절차 간의 통계적 상관 관계를 식별하는 데에 이용된다. 특히, 이 기술은 비계획적 유지보수 절차에 의해 공급되는 바와 같이, 그 장비가 경험하게 되는 고장을, 이들 고장을 검출하거나 제거하기 위해 설계된 예방 유지보수 절차와 상관시킨다. 이 분석에 기초하여, 각 예방 유지보수 활동의 효율성이 결정될 수 있으며, 각각의 예방 유지보수 활동의 각각의 빈도가 통계적으로 제어될 수 있다.
일 실시예에서, 본 발명은 장비에서 실행되는 예방 유지보수 절차 및 비계획적 유지보수 절차를 식별하도록 유지보수 데이터를 분석하는 단계와, 비계획적 유지보수 절차를 상기 예방 유지보수 절차와 관련된 식별자에 매핑하는 단계를 포함한다. 이 방법은 매핑에 기초하여 예방 유지보수 절차와 비계획적 유지보수 절차 간에 통계적 상관 관계가 존재하는지를 판정하는 단계와, 이 판정에 기초하여 예방 유지보수 절차를 실행하기 위한 스케쥴을 갱신하는 단계를 더 포함한다.
다른 실시예의 방법은 하나 이상의 상관 관계식을 형성하도록 장비에서 실행되는 예방 유지보수 절차와 비계획적 유지보수 절차를 특정하는 유지보수 데이터를 통계적으로 분석하는 단계를 포함한다. 이 방법은 상관 관계식으로 이용하여 예방 유지보수 절차의 빈도를 계산하는 단계와, 이 계산된 빈도에 따라 장비에서 예방 유지보수 절차를 실행하는 단계를 더 포함한다.
다른 실시예의 방법은 장비에 대한 예방 유지보수 절차 및 비계획적 유지보수 절차에 대한 샵 작업 오더(shop work order)를 정의하는 유지보수 데이터를 수신하는 인터페이스를 프리젠테이션하는 단계를 포함하고, 이 인터페이스는 상기 샵 작업 오더를 상기 예방 유지보수 절차와 관련된 식별자에 매핑하는 입력 영역을 포함한다. 이 방법은 예방 유지보수 절차와 비계획적 유지보수 절차 간에 통계적 상관 관계가 존재하는지를 판정하기 위해 상기 매핑에 따라 유지보수 데이터를 자동으로 분석하는 단계와, 이 판정에 기초하여 예방 유지보수 절차와 관련된 빈도를 자동으로 갱신하는 단계를 더 포함한다.
다른 실시예에서, 본 발명은 데이터베이스, 스케쥴러 및 통계적 분석 모듈을 포함하는 시스템에 관한 것이다. 데이터베이스는 장비에서 실행되는 예방 유지보수 절차 및 비계획적 유지보수 절차를 설명하는 유지보수 데이터를 저장한다. 스케쥴러는 각 빈도에 따라 예방 유지보수 절차에 대한 스케쥴을 형성하고, 통계적 분석 모듈은 유지보수 데이터를 분석하여 예방 유지 보수 절차와 비계획적 유지보수 절차 간의 통계적 상관 관계에 기초하여 예방 유지보수 절차에 대한 갱신된 빈도를 계산한다.
다른 실시예에서, 본 발명은 명령들을 포함하는 컴퓨터 판독 가능한 매체에 관한 것이다. 이 명령은 프로그래머블 프로세서가 장비에 대한 예방 유지보수 절차 및 비계획적 유지보수 절차에 대한 샵 작업 오더를 정의하는 유지보수 데이터를 수신하는 인터페이스를 프리젠테이션하도록 하고, 이 인터페이스는 샵 작업 오더를 예방 유지보수 절차와 관련된 식별자에 매핑하는 입력 영역을 포함한다. 이 명령은 프로세서가 더욱 상기 매핑에 따라서 유지보수 데이터를 자동으로 분석하여 예방 유지보수 절차와 비계획적 유지보수 절차 간에 통계적 상관 관계가 존재하는지를 판정하게 하고, 이 판정에 기초하여 상기 예방 유지보수 절차와 관련된 빈도를 자동으로 갱신하도록 한다.
본 발명에 기재된 기술은 하나 이상의 장점을 제공할 수 있다. 예를 들어, 장비가 경험하게 되는 고장을, 이들 고장을 검출하거나 제거하도록 설계된 예방 유지보수 절차에 상관시킴으로써, 이 기술은 각 예방 유지보수 활동의 효율성을 통계적으로 측정하는 데에 이용될 수 있다. 이 통계적 측정에 기초하여, 예방 유지보수 절차의 빈도를 제어할 수 있다.
그 결과, 이 기술은 PM 절차 중 어떠한 절차가 너무 자주, 너무 가끔 또는 불규칙한 간격으로 행해지는지에 대한 판정을 도움으로써 예방 유지보수 절차의 빈도 개선에 대한 잠재적 기회를 식별하는 데에 이용될 수 있다. 더구나, 이 기술은 부적당하게 행해져 장비 고장으로 이어질 수 있는 PM 절차를 식별하는 것을 도울 수 있다.
본 발명의 하나 이상의 실시예가 이하 첨부한 도면 및 설명에서 기재되었다. 본 발명의 다른 특징, 목적 및 장점은 상기 설명 및 도면, 및 청구의 범위로부터 명백하게 될 것이다.
도 1은 예방 유지보수(PM) 절차의 빈도를 통계적으로 제어하기 위한 기술을 나타내는 예시적인 시스템(2)의 블럭도이다. 특히, 도 1은 기술이 수동 또는 반자동화된 방식으로 구현되는 실시예를 나타낸다. 도 11에 관련하여 후술된 바와 같이, 기술은 또한 사용자, 예를 들어, 기술자(4)의 관여를 줄이는 것으로 조건으로 하는 자동화 방식으로 구현될 수 있다.
도시된 실시예에서, 기술자(4)는 장비(6)에 유지보수 서비스를 제공한다. 일반적으로, 본 명세서에서 사용되는 용어 "장비"는 유지보수 서비스를 필요로 하는 구성 요소, 기계, 디바이스, 장치 등을 말하는 것이다. 더구나, 한 명의 기술자(4)와 관련하여 예시를 위해 기재되고 있지만, 한 명 이상의 조작자, 기술자, 데이터 입력 점원, 관리자, 사용자 등이 기술자(4)와 관련하여 본 발명에 기재된 작동을 실행할 수 있다.
기술자(4)는 장비(6) 고장의 경우, 교정 또는 비상시 유지보수 절차 등의 비계획적 유지보수 절차를 제공한다. 부가하여, 기술자(4)는 컴퓨터화 유지보수 관리 시스템(CMMS; 8)에 의해 보유되는 스케쥴(10)에 따라 PM 절차를 실행한다. 스케쥴(10)은 장비(6)에 실행되는 PM 절차의 세트를 정의한다. 각 PM 절차는 하나 이상의 PM 활동을 포함하는 것으로 정의될 수 있다. CMMS(8)는 PM 절차를 실행하기 위하여 정의된 빈도에 기초하여 PM 절차에 기일을 제공하는 스케쥴(10)을 보유한다. 예를 들어, PM 절차는 주기적으로, 예를 들어 매주 또는 매달 또는 정해진 운영 시간, 장비(6)에 의해 제조된 제조 단위 등의 이후에 실행될 수 있다. 컴퓨터화 유지보수 관리 시스템의 일 예로 매사츄세츠주 베드포드 소재의 MRO 소프트웨어(MRO Software)에 의해 판매되는 MaximoTM이 있다.
부가하여, 기술자(4)는 CMMS(8)과 상호 작용하여 작동 중인 기계에서 실행되는 유지보수 절차를 기록 및 추적한다. 특히, CMMS(8)는 장비(10)에 대해 계류중 및 완성된 샵 작업 오더(SWO)를 설명하는 유지보수 데이터(12)를 보유한다. 예를 들어, 각 SWO에 대하여 유지보수 데이터(12)는 서비스받는 특정 장비, 예를 들어 장비(6)를 식별하는 장비 번호뿐만 아니라, SWO 번호, SWO의 시작 날짜, 문제 설명 및 비상시 유지보수(EM), 교정 유지보수(CM), 또는 예방 유지보수(PM) 등의 작업 오더 유형를 설명하는 SWO 레코드를 정의한다. 부가하여, 유지보수 데이터(12)는 예측되는 노동 및 재료 비용 및 각 SWO에 대한 실제의 노동 및 재료 비용을 정의한다. CMMS(6)는 하나 이상의 파일, 관련 데이터베이스, 개체 지향 데이터베이스 등을 포함하는 각종 데이터 구조의 유형을 가질 수 있는 "데이터베이스"에 유지보수 데이터(12)를 보유할 수 있다.
본 발명의 실시예에 따르면, 기술자(4)는 CMMS(8)과 상호 작용하여 이전의 기간, 예를 들어 일 년 동안 유지보수 데이터(12)에 의해 보유된 SWO 레코드 모두나 일부를 추출하거나 아니면 이출(export)시킨다. 추출된 SWO 레코드(13)는 그 기간 동안 초기화되어 실행된 SWO를 설명한다. 특히, 추출된 SWO 레코드(13)는 비계획적 유지보수 절차, 예를 들어 EM 및 CM 절차뿐만 아니라, 실행된 각 PM 절차를 설명한다.
도 1에서 나타낸 바와 같이, 기술자(4)는 SWO 레코드(13)를 사전 처리 및 초기 분석을 위해 스프레드시트 환경(14)으로 이출시킨다. 부가하여, 기술자(4)는 통계적 분석 툴(16)을 이용하여 SWO 레코드(13)를 추가로 분석한다. 스프레드시트 환경(14)의 일 예로는 워싱톤주 레드몬드 소재의 마이크로소프트 코포레이션(Microsoft Corporation)에 의해 판매되는 MicrosoftTM Excel이 있다. 통계적 분석 툴의 일 예로는 펜실베이나주 스테이트 칼러지 소재의 미니탭, 인크.(Minitab, Inc.)에 의해 판매되는 MinitabTM이 있다.
일반적으로, 기술자(4)는 본 발명에 기재된 통계적 분석 기술을 이용하여 SWO 레코드(13)를 분석하고 장비(6)의 고장을 검출하여 줄이는 데에 있어서의 PM 절차의 효율성을 판정한다. 더욱 특히, 기술은 SWO 레코드(13)를 처리하여 장비(6)에서 실행되는 계획적 및 비계획적 유지보수 절차를 통계적으로 분석하고, 계획적 및 비계획적 유지보수 절차들 간의 상관 관계를 식별하는 분석 레포트(18)를 형성한다. 특히, 기술은 비계획적 유지보수 절차의 서비스를 받는 것과 같이, 장비(6)가 경험하게 되는 고장을, 이들 고장을 검출하거나 제거하도록 설계된 예방 유지보수 절차와 상관시킨다.
분석 레포트(18)에 기초하여, 기술자(4)는 각 PM 활동의 유효도를 평가할 수 있다. 이 평가에 기초하여, 기술자는 CMMS(8)와 상호 작용하여 각 PM 절차의 빈도를 제어한다. 예를 들어, 분석 레포트(18)에 의해 나타낸 바와 같이, 고장과의 상관 정도를 갖는 PM 절차에 대해서는, 기술자(4)가 이들 PM 절차와 관련된 빈도를 증가시키려고 할 수 있다. 어떠한 상관 관계도 나타나지 않는 PM 절차, 즉, 관련 고장이 거의 혹은 전혀 발생하지 않는 절차인 경우, 기술자(4)는 관련 빈도를 줄이도록 할 수 있다. 이러한 상황에서, 이들 PM 절차에 대한 노동 및 재료와 관련되는 비용은 거의 또는 전혀 반대 급부 없이 소모될 수 있다. 이와 같이, 기술은 PM 절차의 빈도에 대한 통계적 제어를 가능하게 한다.
도 2는 PM 빈도를 통계적으로 조절하기 위해 이력 유지보수 데이터를 분석하는 데에 있어서의 기술의 개론을 설명하는 플로우 챠트이다. 처음에, 기술자(4)는 분석을 위한 장비(6)를 선택한다(20). 예를 들어, 조직이 PM 서비스를 수신하는 다수의 기계 또는 기타 장비를 갖는 경우, 기술자(4)는 장비당 총 유지보수 비용, PM SWO 대 비상시 또는 교정 SWO의 비율, 제조 수율 등의 다수의 표준에 기초하여 분석할 장비(6)를 선택할 수 있다.
다음에, 기술자(4)는 CMMS(8)와 상호 작용하여 이전의 시주기(period of time) 동안 SWO 레코드(13)를 추출한다(22). 기재된 바와 같이, 추출된 SWO 레코드(13)는 비계획적 유지보수 절차, 예를 들어 EM 및 CM 절차뿐만 아니라, 주기 동안 실행된 각 PM 절차를 기재한다. 도 1에 나타낸 바와 같이, 기술자(4)는 사전 처리 및 초기 분석을 위해 스프레드시트 환경(14)으로 SWO 레코드(13)를 이출시킬 수 있다.
SWO 레코드(13)를 추출할 때에, 기술자(4)는 "PM 코드"로 언급되는 고유의 식별 코드를, 장비(6)에서 실행되는 정의된 PM 절차 각각에 지정하는 코딩 스킴(coding scheme)을 형성한다(23). 기재된 바와 같이, SWO에 의해 특정된 각 PM 절차는 하나 이상의 PM 활동의 수행을 필요로 한다. 예를 들어, SWO에 응답하여 실행되는 PM 절차는 장비(6)의 하나 이상의 구성 요소에서 실행되는 PM 활동의 세트로 관찰될 수 있다. 이 프로세스 동안, PM 코드는 이들 고장을 검출, 방지 또는 제거하도록 설계된 PM 절차 또는 활동과 고장과의 상관 관계를 지원하는 방식으로 지정될 수 있다.
다음 표 1은 비교적 간단한 기계에 대한 PM 코딩의 일 예이다. 이 예에서, PM 코드는 기계 상의 각 PM 절차 구성 요소에 대해 식별된다. 다시 말해, PM 코드가 여러 구성 요소에서 실행되는 여러 PM 절차에 대해 지정된다는 점에서 매핑의 "세분화"가 비교적 높은 수준으로 관찰된다.
| PM 절차 | PM 코드 | PM 활동 또는 초점 |
| PMLC7WO1 | 1 | 기체 역학 |
| PMLC7WO1 | 2 | 냉각 |
| PMLC7WO1 | 3 | 로더/언로더 |
| PMLC7MO1 | 4 | 기계 레벨링 |
| PMLC7QO1 | 5 | 펌프 |
| PMLC7MO1 | 6 | 카메라 |
| PMLC7MO1 | 7 | 기어박스/인덱서 |
| PMLC7SA1 | 8 | 레이저 |
| PMLC7QO1 | 9 | 가스/에어 필터 |
| N/A | 10 | 부수적 |
다음 표 2는 더 복잡한 기계류에 대한 PM 활동 코딩의 예이다. 다음 예에서 설명되는 바와 같이, PM 코드는 PM 절차에 대한 더욱 세분화된 매핑, 각 PM 절차에 의해 해결되는 장비 구성 요소, 및 절차에 의해 행해지는 특정 PM 활동을 제공하도록 매핑될 수 있다. PM 절차 또는 개별 활동과 고장 모드와의 상관 관계를 논리적으로 지원하는 PM 코드의 다른 매핑을 본 발명에 기재된 기술에 따라 이용할 수 있다.
| 장비 구성 요소 | PM 절차 | 활동 | PM 코드 |
| 918000 슬리터 | SD964000 | 안전 장치 | 1 |
| SP956015 | E 중지 | 2 | |
| IR708036 | IR 검사 | 3 | |
| OE918000 | 분해 검사 | 4 | |
| TP754140 | 머신 조사 | 5 | |
| LB754129 | 윤활 | 6 | |
| IN000028 | 구경 측정 | 7 | |
| TP786011 | 백업 | 8 | |
| 968000 L 카트너 | SD964000 | 안전 장치 | 1 |
| IR708036 | IR 검사 | 3 | |
| OH968000 | 분해 검사 | 9 | |
| TP754103 | 기계 조사 | 10 | |
| TP786021 | 백업 | 11 | |
| LB754127 | 윤활 | 12 | |
| 968044 ME 오버랩퍼 | IR708063 | IR 검사 | 3 |
| OH968044 | 분해 검사 | 13 | |
| TP786024 | 백업 | 14 | |
| TP754104 | 머신 조사 | 15 | |
| LB754128 | 윤활 | 16 |
| 968066 HS 레벨러 | IR708063 | IR 검사 | 3 |
| TP754159 | 기계 조사 | 17 | |
| OH968066 | 분해 검사 | 18 | |
| 968072 LC 팩커 | SD956013 | 안전 장치 | 19 |
| OH968072 | 분해 검사 | 20 | |
| IR708036 | IR 검사 | 3 | |
| TP754106 | 기계 조사 | 21 | |
| TP786019 | 백업 | 22 | |
| LB754126 | 윤활 | 23 | |
| 968076 펠렛타이저 | IR708036 | IR 검사 | 3 |
| OH968076 | 분해 검사 | 24 | |
| TP754130 | 기계 조사 | 25 | |
| LB786015 | 윤활 | 26 | |
| 968077 펠릿 리프트 | OH968077 | 분해 검사 | 27 |
| 968078 축적 컨베이어 | OH968078 | 분해 검사 | 28 |
| 968080 라인 컨베이어 | 라인 컨베이어 | 29 | |
| 918051 언와인드 | 언와인드 | 30 | |
| 변경 | 변경 | 40 | |
| 부수적 | 부수적 | 50 | |
| 제조 PM | 제조 PM | 60 |
상기 두 예의 코딩 스킴에서, "부수적"의 PM 코드는 고장 모드를 검출하거나 제거하기 위해 기록된 예방 또는 예측 절차를 갖지 않는 고장 모드의 식별 및 분석을 원활하게 하도록 형성된다.
코딩 스킴이 일단 개발되면, 기술자(4)는 각 SWO를 상기 설정된 PM 코딩 스킴에 관련하여 고찰하고, 각 PM 코드를 각 SWO에 지정한다(24). 각 비상시나 교정 SWO의 경우, 예를 들어 기술자(4)는 서비스되는 장비 고장을 검출하거나 제거하도록 설계된 PM 코드를 지정한다(24).
다음에, 스프레드시트 환경(14)을 불러내 코딩된 이력 데이터의 초기 하이레벨 분석을 실행한다(26). 예를 들어, 스프레드시트 환경(14)은 경향, 예를 들어 고장 증가의 원인이 되는 불일치한 PM 빈도의 패턴, PM 절차 간의 증가된 고장의 패턴, PM 절차 간의 거의 고장이 없는 패턴, PM 절차의 완료 후의 고장 패턴의 식별을 도와주기 위해 데이터가 분류되고, 필터링되며, 심지어 컬러 코딩(color-coded)될 수 있게 한다. 코딩된 이력 데이터는 PM 절차의 개선에 대한 잠재적 기회를 식별하도록 용이하게 조작될 수 있다. 예를 들어, 코딩된 데이터는 너무 자주, 너무 드물게, 또는 불규칙한 간격으로 행해지는 PM 절차 또는 활동에 표시자를 제공한다. 부가하여, 코딩되어 처리된 데이터는 또한 PM 절차가 적당히 행해지지 않는 상황을 밝힐 수 있다. 예를 들어, 고장이 매핑된 PM 절차 직후에 발생하는 고장은 PM 절차가 부적당하게 실행되었다는 표시일 수 있다. 이 초기 분석의 결과는 PM 빈도의 수정에 대한 기회의 초기 표시자로서 이용되어 다른 통계적 평가의 후보를 식별한다.
하이레벨 분석을 완료한 후에(26), 통계적 분석 툴(16)을 불러내 이하 더 상세히 기재되는 바와 같이, 코딩된 데이터를 통계적으로 분석한다. 이 분석에 기초하여, 통계적 분석 툴(16)은 분석 레포트(18)를 형성한다. 분석 레포트(18)는 PM 절차와 장비(6)가 경험하는 고장 간의 통계적 상관 관계를 식별한다(28). 분석 레포트(18)에 기초하여, 기술자(4)는 CMMS(8)와 상호 작용하여 각 PM 활동의 효율성을 평가하여, 각 PM 절차의 빈도를 제어한다(30). 이 프로세스는, 예를 들어 매일, 매주, 매달, 또는 매년 반복되어, PM 절차의 빈도에 대한 통계적 제어를 달성할 수 있다.
도 3은 PM 절차와 장비(6)가 경험하는 고장 간의 통계적 상관 관계를 식별할 때 통계적 분석 툴(16)에 의해 이용되는 통계적 분석 기술을 더 상세히 설명하는 플로우 챠트이다. 먼저, 코딩된 데이터는 통계적 분석 툴(16)에 로딩된다(40). 예시를 위해서, 도 3의 플로우 챠트는 도 4-9와 관련하여 기재되었으며, 이는 통계적 분석 툴(16)에 의해 프리젠테이션된 예시적인 챠트와 사용자 입력 스크린을 설명한다.
먼저, 통계적 분석 툴(16)은 각 PM 코드와 관련되는 각 고장의 빈도를 계산한다. 일 실시예에서, 통계적 분석 툴(16)은 각 PM 코드에 대한 고장 카운트를 설명하는 파레토(Pareto) 챠트를 형성한다. 데이터는 이어서 개별 PM 코드와 관련 고장의 분석 동안 우선 순위화에 이용된다. 도 4는 분석되고 있는 장비에 대한 예시적인 고장 빈도를 설명하는 일 예의 파레토 챠트(60)를 설명한다. 이 예에서, 파레토 챠트(60)는 고장의 53%, 43.1%, 및 3.3%가 각각 PM 코드(5, 50, 및 30)에 매핑된 고장 유형과 관련되는 것을 나타내고 있다.
다시, 도 3의 플로우 챠트를 참조하면, 고장 빈도의 결정시, PM 절차의 데이터와 고장 데이터는 각 PM 코드에 대해 분리된다(43). 예를 들어, 이는 먼저 개별의 분석 환경, 예를 들어 워크시트를 통계적 분석 툴(16)로 형성하여 이루어질 수 있다. 다음에, 코딩된 데이터와 계산된 고장 데이터는 PM 코드에 기초하여 분류된다. 이 분류된 데이터의 일부는 PM 코드에 기초하여 각 분석 환경에 복사될 수 있다.
데이터가 PM 코드에 의해 분리되면, 통계적 분석 툴(16)을 불러내 이 분리된 부분에 대해 각종 통계적 분석 기능을 실행한다. 예를 들어, 통계적 분석 툴(16)은 분리된 데이터를 분석하여 기술자(4)가 특정 PM 코드에 대한 고장마다의 평균 노동 비용, 재료 비용, 또는 둘 다를 이해할 수 있게 한다(44).
도 5는 통계적 분석 툴(16)에 형성된 것으로, PM 코드(5)와 관련되는 고장에 대한 예시적인 평균 실제 노동 비용을 설명하는 예시적인 챠트(70)이다. 유사하게, 통계적 분석 툴(16)은 특정 PM 코드에 매핑된 각 PM 절차 또는 활동을 실행하는 것과 관련된 비용을 분석하여 기술자(4)에게 PM 절차 또는 활동을 행하는 데에 소모된 평균 노동, 재료 또는 둘 다를 이해할 수 있게 한다(46).
통계적 분석 툴(16)은 다음에 특정 PM 코드에 매핑된 PM 절차 또는 활동 간의 평균 시간을 결정하여 실제의 PM 빈도의 일치성을 분석한다(48). 이 분석은 PM 코드에 매핑된 PM 절차 또는 활동이 설계된 PM의 빈도를 감안하여 실행되는 일관성을 평가하는 데에 있어 유용하다. 부가하여, 이 분석은 어떠한 다양한 PM 간격이 장비(6)가 경험하는 고장에 대해 어떠한 영향을 미치는지를 판단하는 데에 있어 유용하다. 특히, 각 실행된 PM 절차 간에 목록화된 고장의 횟수를 표로 작성하였다. 부가하여, PM 절차와 관련되는 날짜가 PM 간의 평균 시간을 결정하는 데에 이용된다.
도 6은 통계적 분석 툴(16)에 의해 프리젠테이션되는 것으로 PM 절차가 실행되는 예시적인 실제 빈도(82)와, PM 코드(5)와 관련되는 각 PM 간의 고장(84)의 횟수의 계산을 설명하는 일 예의 인터페이스(80)를 나타낸다.
다음에, 통계적 분석 툴(16)은 계산된 빈도를 분석하여 특정 PM 코드에 대한 PM 절차 또는 활동의 계산 빈도에 대한 통계적인 분산을 결정한다(50). 통계적 분산에 기초하여, 통계적 분석 툴(16)은 PM 빈도 분산에 대한 통계적 제어 챠트를 형성한다. 이 챠트는 또한 PM이 실행되는 평균 빈도를 제공하며, 이는 이어서 빈도 조정을 식별하여 계산하는 데에 이용될 수 있다. 도 7은 PM 코드(5)의 PM절차에 대한 빈도와 제어 한계를 그래프화한 예시적인 챠트(90)이다.
계산된 분산에 기초하여, 통계적 분석 툴(16)은 회귀 분석을 실행하여 PM 간격과 절차 또는 활동 사이에 발생하는 장비 고장의 횟수 사이에 상관 관계가 존재하는지에 대한 판정을 보조한다(52). 회귀 분석이 PM 빈도와 PM 절차 또는 활동 간에 발생하는 고장의 횟수 사이에 강한 상관 관계를 증명할 때, 기술은 PM 빈도를 통계적으로 제어하는 데에 이용될 수 있다. 도 8은 통계적 분석 툴(16)에 의해 형성된 예시적인 회귀 분석을 나타내는 챠트(100)를 도시한다.
회귀 분석을 실행한 후에, 통계적 분석 툴(16)은 각 PM 코드의 데이터에 대해 분석 프로세스를 반복한다(57). 이러한 방식에서, 코딩된 데이터의 일부는 상술된 바와 같이, 각 PM 코드에 대해 개별적으로 처리되어, 각 PM 코드에 대해 그 PM 코드와 관련되는 절차 또는 활동의 PM 간격과, 절차 또는 활동 간에 발생하는 장비 고장의 횟수 간에 상관 관계가 존재하는지를 판정하는 데에 이용할 수 있다.
각 PM 코드와 관련되는 분리 데이터를 개별적으로 분석한 후에, 통계적 분석 툴(16)은 특정 PM 코드와 관련하여 모든 데이터에 대해 고장 분석을 실행한다. 예를 들어, 통계적 분석 툴(16)은 데이터를 분석하여 장비(6)가 경험하는 고장의 유형에 대해 고장 간의 평균 시간을 결정하도록 한다(58). 예를 들어, 도 9는 95%의 신뢰 수준에서 특정 고장 유형에 대해 고장 간의 평균 시간을 그래프화한 챠트(110)를 나타낸다.
마지막으로, 통계적 분석 툴(16)은 비상시 유형 SWO에 대한 수리 시간의 분산을 판정한다(59). 이 분석은 장비(6)에 대한 최악의 경우의 중단 시간을 예측하는 데에 있어 기술자에게 유용하다. 예를 들어, 도 10은 장비(6)의 비상시 유형 SWO에 대한 실제의 유지보수 시간, 평균 유지보수 시간, 및 제어 한계를 그래프화한 예시적인 제어 챠트(120)를 나타낸다.
도 11은 통계적 분석 툴(16)에 의해 형성된 통계적 데이터에 기초하여 PM 빈도를 제어하는 예시적인 프로세스를 더욱 상세히 설명하는 플로우 챠트이다. 먼저, PM 코드 중 하나가 선택되고(130), 정부 기관에 의해서와 같이 PM 코드와 관련된 빈도가 조정되는지의 여부에 대한 판정이 행해진다(132).
빈도가 조정되면, 빈도의 변경은 이루어지지 않는다(133). 그렇지 않은 경우, 위험 평가 프로세스가 관련 고장 코드와 관련되어 PM 코드와 관련된 빈도의 수정이 초래될 수 있는 위험 수준을 평가하는 데에 이용된다(134). 더욱 특정하게는, 위험 순위수(Risk Priority Number; RPN)가 다음 수학식에 따라 계산된다:
수학식 1에서, RPN은 심각도 등급, 출현 등급 및 검출 등급에 기초하여 계산된다. 심각도 등급은 관련 고장으로 초래될 수 있는 잠재적인 손상이나 손해의 심각도의 등급을 나타내며, 아래 표 3에서 나타낸 바와 같은 범위로 한정될 수 있다.
| 10=위험하게 높음 | 고장이 손상을 초래함 |
| 9= 극도로 높음 | 고장이 EHS&R 비호환을 형성함 |
| 8=매우 높음 | 고장이 유닛이 작동하지 못하게 함 |
| 7=높음 | 고장이 고객의 불만족을 가져옴 |
| 6=적당함 | 고장이 부분 오기능을 초래함 |
| 5=낮음 | 고장이 성능 손실/불만을 형성함 |
| 4=매우 낮음 | 고장이 무시되고, 성능 손실 적음 |
| 3=중요치 않음 | 고장이 불쾌감을 형성, 성능 손실 없음 |
| 2=매우 중요치 않음 | 고장이 이미 명백, 프로세스 검출 적음 |
| 1=없음 | 고장이 프로세스나 제품에 영향을 미치지않음 |
출현 등급은 고장이 발생하는 빈도의 등급을 나타내는 것으로, 아래 표 4에서 나타낸 바와 같이 범위로 정의될 수 있다.
| 일반 | 제조 | ||
| 10=매우 높음(불가피) | 한번 출현 | 매일 | 시프트마다 |
| 9=높음(매우 자주) | 한번 출현 | 3내지 4일마다 | 매일 |
| 8=높음(자주) | 한번 출현 | 매주 | 1-3일마다 |
| 7=높음(가끔) | 한번 출현 | 매달 | 3-5일마다 |
| 6=적당히 높음 | 한번 출현 | 3달 마다 | 일주 마다 |
| 5=적당함 | 한번 출현 | 3-6달 마다 | 1-2주 마다 |
| 4=보통 낮음 | 한번 출현 | 매년 | 2-4주 마다 |
| 3=낮음 | 한번 출현 | 1-3년 마다 | 1-3달 마다 |
| 2=낮음(거의 없음/간격이 멈) | 한번 출현 | 3-5년 마다 | 3-6달 마다 |
| 1=매우 멈 | 한번 출현 | 5+년 마다 | 6-12달 마다 |
검출 등급은 고장이 발생하는 경우 고장을 검출하는 가능성의 등급을 나타내는 것으로, 아래 표 5에서 나타낸 바와 같이 범위로 정의될 수 있다.
| 10=절대적으로 불확실 | 고장 숨겨짐, 예측 불가능 |
| 9=매우 멈 | 고장 숨겨짐, 두번째 고장 표출 |
| 8=멈 | 반응부터 입력까지 검출 가능 |
| 7=매우 낮음 | 100% 제품/프로세스 체크로 결함 주목 |
| 6=낮음 | 임의의 제품 체크로 결함 주목 |
| 5=적당함 | 임의의 프로세스 체크로 결함 주목 |
| 4=적당히 높음 | 결함이 조사로 검출 |
| 3=높음 | 결함이 원격 측정으로 검출 |
| 2=매우 높음 | 결함이 온라인 측정으로 주목됨 |
| 1=거의 확실 | 결함이 온라인 프로세스 모니터링/경보로 주목됨 |
RPN 값이 임계치를 초과하면(136), 위험이 너무 높기 때문에 PM 빈도에는 변경이 가해지지 않는다(133). 그렇지 않으면, 그 특정 PM 코드에 매핑된 PM 절차 또는 활동 간에 거의 또는 전혀 고장이 발생하지 않았는지의 여부에 대해 판정이 행해진다(138).
임계수 이하의 고장이 발생한 경우, 예를 들어 거의 없거나 아주 발생하지 않은 경우, 이들 PM 절차 또는 활동은 리소스가 거의 또는 전혀 반환 없이 소모되기 때문에, PM 빈도의 감소, 즉 PM 절차 또는 활동 간의 간격의 증가의 일차 후보로 고려되게 된다. 평가가 PM 코드와 관련되는 PM 빈도의 감소 기회가 허용 가능한 위험도 내에서, 예를 들어 임계치 이하에서 실행될 수 있다고 나타낸 경우, PM 빈도는 감소되게 된다(142). 빈도 감소는 가능하다면 벤더 공급 MTBF에 기초하거나, 아래 표 6에서 나타낸 바와 같이, RPN 값과 현재 빈도의 함수에 기초할 수 있다.
| RPN | 빈도 | 조정한 빈도 |
| 낮음 | 매주 | 2주마다로 감소 |
| 낮음 | 매달 | 2달마다로 감소 |
| 낮음 | 매년 4회 | 반면마다로 감소 |
| 낮음 | 반년마다 | 매년으로 감소 |
| 중간 | 매주 | 2주마다로 감소 |
| 중간 | 매달 | 6주마다로 감소 |
| 중간 | 매년 4회 | 18주마다로 감소 |
| 중간 | 반년 | 24주마다로 감소 |
| 높음 | 모두 | 고장 회복 계획없는한 변경없음 |
통계적 분석으로 고장이 PM 코드와 관련된 절차 또는 활동 간에 실제 발생한 것을 나타내게 되면(138에서 분기 없음), PM 빈도는 일차 증가 후보가 된다. 이 경우, 코딩된 이력 데이터로부터 계산된 회귀 방정식(102)(도 8)은 빈도 조정을 계산하는 데에 적용될 수 있다(144). 특히, 회귀 방정식이 70% 이상의 상관 관계(104)(도 8)를 나타내고 있다면, PM 빈도와 각 PM 절차 또는 활동의 성능 간의 고장 횟수 사이에는 강한 통계적 상관 관계가 존재하게 된다. 그 결과, 새로운 유지보수 빈도가 회귀식을 이용하여 계산될 수 있다.
일반적으로 회귀식은 다음과 같이 기재될 수 있다:
여기서, C 및 F는 회귀 분석으로 계산된 상수이고, MTBPM은 상술한 바와 같이, PM 코드와 관련된 절차 또는 활동의 성능 간의 평균 시간을 나타낸다. 수학식 2로부터, 현재 유지보수 시간/날짜(AMC)는 다음과 같이 계산될 수 있다:
여기서, 현재 빈도에 대해서 매일 현재 평균 유지보수 시간은 다음과 같이 계산될 수 있다:
여기서, MTTR은 상술한 바와 같이, 수리하는 평균 시간이다. 현재 매일 평균 PM 시간은 다음과 같이 계산될 수 있다:
여기서, MTTE - PM은 상술한 바와 같이, PM 코드와 관련되는 절차 또는 활동을 실행하는 평균 시간을 나타낸다. 제안된 MTBPM이 선택될 수 있고, 매일 제안된 유지보수 시간(AMP)은 다음과 같이 계산될 수 있다:
여기서, 현재 빈도에 대해 매일 제안된 평균 유지보수 시간은 회귀식을 이용하여 다음과 같이 계산될 수 있다:
제안된 매일 평균 PM 시간은 다음과 같이 계산될 수 있다:
마지막으로, 제안된 PM 빈도(PM_FreqP)가 선택될 수 있다. 특히, PM_FreqP는 회귀 분석으로 만들어진 실제 값, 예를 들어 95% 신뢰 한계 내의 값 중에서 선택될 수 있다. 제안된 PM 빈도는 현재 PM 빈도에 대체되므로, 현재 PM 빈도와 현재 PM 코드와 관련된 절차 또는 활동 간에 발생하는 고장의 횟수 간의 통계적 상관 관계에 기초하여, 빈도를 증가, 즉 절차 또는 활동 간의 간격을 감소시킬 수 있다.
예를 들어, 다음 수학식으로 회귀 분석 결과를 가정한다:
이고, MTTE - PM은 4.3시간이고, MTTR은 2.2시간이며, MTBPM은 현재 28일이다. 이 예에서, 회귀 분석은 현재 PM 빈도에 대한 총 유지보수 시간을 계산하는 데에 이용될 수 있다. 특히, 회귀 수학식 9를 이용하여, 고장의 횟수가 1.48 * 28 - 24.87 = 16.6개의 고장으로 통계적으로 계산될 수 있다. 유지보수 간격당 고장의 총 유지보수 시간은 16.6고장 * 고장당 2.2시간 = 36.5시간으로 계산될 수 있다. 이 때 매일 총 유지보수 시간은 (36.5시간 + 4.3시간) / 28일 = 매일 1.5시간으로 계산된다.
제안된 PM 간격 21일이 회귀 챠트 중에서 선택되었다고 가정하면, 제안된 유지보수 간격의 총 유지보수 시간이 유사한 방식으로 계산될 수 있다. 회귀식 9를 이용하여 제안된 PM 간격의 고장의 횟수는 1.48 * 21 - 24.87 = 6.2개의 고장으로 통계적으로 계산될 수 있다. 유지보수 기간당 고장의 총 유지보수 시간은 6.2고장 * 고장당 2.2시간 = 13.7시간으로 계산될 수 있다. 매일 총 유지보수 시간은 (13.7시간 + 4.3시간) / 21일 = 매일 0.86시간으로 계산되며, 이는 전체 유지보수 시간이 43%의 잠재적 감소를 나타내는 것이다.
이 프로세스는 모든 PM 코드에 대해 반복된다(150). 이런 식으로, 장비 고장을 검출하여 감소시키는 데에 있어서의 예방 유지보수 절차의 효율성을 증진시킬 수 있다. 더구나, PM 절차 또는 활동과 관련되는 PM 빈도는 이력 데이터를 이용하여 통계적으로 제어될 수 있다. 따라서, PM 빈도를 증가시켜 고장을 감소시키는 기회뿐만 아니라, PM 빈도를 감소시켜 장비 고장을 증가시키지 않으면서 비용 절감을 달성하는 기회가 통계적으로 식별 및 평가될 수 있다.
도 12는 더욱 자동화된 방식으로 예방 유지보수(PM) 절차의 빈도를 통계적으로 제어하기 위한 예시적인 시스템(160)의 블럭도이다. 특히, 도 12의 예에서, 상술된 기능 대부분은 컴퓨터 유지보수 관리 시스템(CMMS; 168)에 일체화되었다.
도 1의 시스템(2)과 관련하여 설명된 바와 같이, 기술자(164)는 장비(166)의 고장의 경우, 예방 유지보수(PM) 절차 및 교정이나 비상시 유지보수 절차와 같은, 비계획적 유지보수 절차를 포함하는 유지보수 서비스를 장비(166)에 제공한다. 기술자(164)는 컴퓨터화된 유지보수 관리 시스템(CMMS; 168)의 스케쥴러(190)에 의해 보유된 스케쥴(170)에 따라 PM 절차를 실행한다. CMMS(168)는 장비(166)에서 실행되거나 실행될 유지보수 절차에 대해 계류중 및 완성된 샵 작업 오더(SWO)를 설명하는 유지보수 데이터(172)를 보유한다. CMMS(168)는 관련 데이터베이스와 같은 하나 이상의 파일이나 데이터베이스를 포함하는 각종 데이터 구조로 유지보수 데이터(172)를 보유한다.
이 실시예에서, CMMS(168)는 데이터 마이닝(data-mining) 모듈(182), 코딩 모듈(184), 분석 모듈(186), 위험 랭킹 모듈(188), 스케쥴러(190) 및 보고 형성기(192)를 포함한다. 이들 모듈 각각은 이 설명된 기술을 실행하기 위한, 소프트웨어, 펌웨어, 하드웨어 또는 이들의 조합을 나타낸다. 예를 들어, CMMS(168)는 이 설명된 기능을 실행하기 위한 기계 명령을 실행하는 하나 이상의 프로그래머블 프로세서를 갖는 하나 이상의 컴퓨터를 포함한다. 명령은 하드 디스크, 탈착 가능한 저장 매체, 리드온리 메모리, 랜덤 액세스 메모리, 플래시 메모리 등과 같은 컴퓨터 판독 가능 매체에 저장될 수 있다.
코딩 모듈(184)은 고유 PM 코드를 장비(166)에서 실행되는 정의된 PM 절차 각각에 지정하는 코딩 스킴을 보유한다. 코딩 모듈(184)는 기술자(164)가 코딩 스킴을 정의하고, 고유의 코드를 PM 절차 또는 활동에 매핑할 수 있게 하는 사용자 인터페이스를 프리젠테이션한다. 이러한 방식으로, 기술자(164)는 이들 고장을 검출, 방지 또는 제거하도록 설계된 PM 절차 또는 활동과 고장과의 상관 관계를 지원하는 방식으로 PM 코딩 스킴을 지정할 수 있다.
기술자(164)가 CMMS(168)와 상호 작용하여 샵 작업 오더(SWO)를 입력하면, 코딩 모듈(184)은 입력 영역, 예를 들어 기술자가 샵 작업 오더를 예방 유지보수 절차와 관련된 식별자에 매핑하도록 PM 코드를 선택할 수 있게 하는 드롭다운 박스를 갖는 사용자 인터페이스를 프리젠테이션한다. 이러한 방식으로, CMMS(168)는 SWO의 자동 코딩, 즉 SWO가 형성됨에 따라 SWO와 PM 절차와 관련된 식별자 간의 매핑을 용이하게 한다.
데이터 마이닝 모듈(182)은, 예를 들어 주기적으로 CMMS(168)와 상호 작용하여, 이전의 기간, 예를 들어 일 년간의 유지보수 데이터(172)에 의해 보유된 SWO 레코드 전부 또는 일부를 추출한다. 특히, 데이터 마이닝 모듈(182)은 비계획적 유지보수 절차, 예를 들어 EM 및 CM 절차뿐만 아니라, 장비(166) 상에서 실행되는 각 PM 절차를 설명하는 SWO 레코드를 추출한다.
분석 모듈(186)에서, 기술자(164)는 본 발명에 기재된 통계 분석 기술을 자동으로 이용하여 통계 데이터를 형성하도록 데이터 마이닝 모듈(182)에 의해 추출된 SWO 레코드를 분석한다. 예를 들어, 상술한 바와 같이, 분석 모듈(186)은 각 PM 코드와 관련된 각 고장의 빈도, 각 PM 코드에 매핑된 각 PM 절차 또는 활동을 행하는 것과 관련되는 비용, PM 절차 간의 평균 시간, PM 코드에 대한 계산된 PM 절차 또는 활동의 빈도의 통계적 분산, 절차 간의 고장 횟수와 PM 빈도를 상관시키는 회귀 분석, 고장 간의 평균 시간, 비상시 유형 SWO의 유지보수 시간의 통계적 분산을 자동으로 계산한다.
스케쥴러(190)는 통계적 데이터를 이용하여, 예를 들어 새로운 PM 빈도를 계산하기 위해 상술된 수학식을 적용하는 것으로, PM 빈도를 자동으로 조정한다. 이 프로세스 동안, 스케쥴러(190)는 위험 랭킹 모듈(188)를 불러내 빈도를 자동으로 조정할지와 어느 정도까지 조정할지를 판정하는 것을 돕기 위해 연관 고장과 관련될 수 있는 위험 수준을 평가한다.
레포트 형성기(192)는 분석 모듈(186)에 의해 형성된 통계 데이터, 및 스케쥴러(190)에 의해 계산된 갱신 PM 빈도를 포함하는 분석 레포트(178)를 형성한다. 부가하여, 스케쥴러(190)는 갱신된 PM 빈도에 기초하여 스케쥴(170)를 자동으로 갱신한다. 이러한 방식으로, CMMS(168)는 기술자(164)에 의해 실행되는 PM 절차의 빈도에 대해 자동화된 통계적 제어를 제공한다.
본 발명의 여러 실시예들이 기술되었다. 이들 및 다른 실시예는 후속 청구의 범위의 범주 내에 포함된다.
Claims (51)
- 장비에서 실행되는 예방 유지보수 절차(preventive maintenance procedures) 및 비계획적 유지보수 절차(unplanned maintenance procedures)를 식별하도록 유지보수 데이터를 분석하는 단계;상기 비계획적 유지보수 절차를 상기 예방 유지보수 절차와 관련된 식별자에 매핑하는 단계;상기 매핑에 기초하여 상기 예방 유지보수 절차와 상기 비계획적 유지보수 절차 간에 통계적 상관 관계가 존재하는지를 판정하는 단계; 및상기 판정에 기초하여 상기 예방 유지보수 절차를 실행하기 위한 스케쥴을 갱신하는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 스케쥴을 갱신하는 단계는 상기 통계적 상관 관계의 신뢰도 수준이 임계치를 초과할 경우 상기 예방 유지보수 절차를 실행하기 위한 빈도를 갱신하는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 스케쥴을 갱신하는 단계는 하나 이상의 각각의 비계획적 유지보수 절차에 매핑되는 상기 예방 유지보수 절차를 실행하기 위한 빈도를 증가시키는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 스케쥴을 갱신하는 단계는 상기 판정에 기초하여 적어도 상기 예방 유지보수 절차들의 일부(subset)를 실행하기 위한 빈도를 감소시키는 단계를 포함하는 방법.
- 제4항에 있어서, 상기 빈도를 감소시키는 단계는 임계수 미만의 비계획적 유지보수 절차에 매핑되는 상기 예방 유지보수 절차를 실행하기 위한 빈도를 감소시키는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 스케쥴을 갱신하는 단계는:각각의 상기 예방 유지보수 절차와 관련된 위험 값을 통계적으로 계산하는 단계; 및상기 각각의 계산된 위험 값의 함수로서 상기 예방 유지보수 절차에 대한 조정(adjustments)을 판정하는 단계를 포함하는 방법.
- 제6항에 있어서, 상기 위험 값을 통계적으로 계산하는 단계는 상기 예방 유지보수 절차 각각에 대한 위험 우선수(risk priority number)를 계산하는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 스케쥴을 갱신하는 단계는:상기 식별자와 관련된 상기 비계획적 유지보수 절차에 기초하여 각각의 식별자에 대한 고장(failure)들 간의 평균 시간을 계산하는 단계; 및고장들 간의 상기 계산된 평균 시간의 함수로서 상기 스케쥴의 조정을 판정하는 단계를 포함하는 방법.
- 제1항에 있어서, 컴퓨터 유지보수 관리 시스템으로부터 상기 유지보수 데이터를 추출하는 단계를 더 포함하는 방법.
- 제1항에 있어서, 상기 유지보수 데이터는 샵 작업 오더 레코드(shop work order records)를 포함하고, 상기 식별자에 상기 비계획적 유지보수 절차를 매핑하는 단계는:상기 장비의 고장에 대해 서비스한 상기 비계획적 유지보수 절차에 대한 상기 샵 작업 오더를 식별하기 위해 상기 샵 작업 오더 레코드를 검사하는 단계; 및상기 식별된 샵 작업 오더를 상기 고장을 검출하거나 예방하도록 설계된 예방 유지보수 절차와 관련된 상기 식별자와 관련시키는 단계를 포함하는 방법.
- 제1항에 있어서, 각각의 상기 예방 유지보수 절차는 하나 이상의 활동(activities)을 포함하고, 상기 비계획적 유지보수 절차를 매핑하는 단계는:상기 예방 유지보수 절차의 활동에 대한 식별자를 정의하는 단계; 및상기 비계획적 유지보수 절차를 상기 활동과 관련된 식별자에 매핑하는 단계를 포함하는 방법.
- 제1항에 있어서,상기 예방 유지보수 절차 및 상기 비계획적 유지보수 절차 내의 경향을 식별하기 위해 상기 매핑에 기초하여 상기 유지보수 데이터에 대해 패턴 분석을 실행하는 단계; 및상기 경향 분석에 기초하여 상기 예방 유지보수 절차를 실행하기 위한 스케쥴을 갱신하는 단계를 더 포함하는 방법.
- 제1항에 있어서, 통계적 상관 관계가 존재하는지를 판정하는 단계는 각각의 상기 식별자와 관련된 상기 예방 유지보수 절차에 대한 실제 빈도의 통계적 분산(statistical variance)을 계산하는 단계를 포함하고, 상기 스케쥴을 갱신하는 단계는 상기 실제 빈도의 상기 계산된 통계적 분산에 기초하여 상기 예방 유지보수 절차에 대한 스케쥴을 갱신하는 단계를 포함하는 방법.
- 제13항에 있어서, 통계적 상관 관계가 존재하는지를 판정하는 단계는 상기 실제 빈도와 상기 비계획적 유지보수 절차 간의 상과 관계를 계산하기 위해 상기 계산된 통계적 분산에 대해 회귀 분석(regression analyses)을 실행하는 단계를 포함하는 방법.
- 제1항에 있어서, 각각의 식별자에 대한 각각의 회귀식(regression equation)을 계산하기 위해 상기 매핑에 기초하여 상기 유지보수 데이터를 독립적으로 통계적으로 분석하는 단계를 더 포함하는 방법.
- 제1항에 있어서, 상기 비계획적 유지보수 절차를 매핑하는 단계는 상기 비계획적 유지보수 절차를 상기 식별자에 매핑하는 입력을 수신하기 위해 컴퓨터 유지보수 관리 시스템의 사용자 인터페이스를 프리젠테이션하는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 유지보수 데이터를 자동으로 분석하여 상기 스케쥴을 갱신하기 위해 컴퓨터 유지보수 관리 시스템을 불러내는 단계를 더 포함하는 방법.
- 제1항에 있어서, 상기 비계획적 유지보수 절차는 비상시 유지보수 절차 및 교정 유지보수 절차를 포함하는 방법.
- 장비에서 실행되는 예방 유지보수 절차 및 비계획적 유지보수 절차를 특정하는 유지보수 데이터로부터 하나 이상의 상관 관계식을 형성하는 단계; 및상기 상관 관계식에 기초하여 상기 예방 유지보수 절차를 실행하기 위한 스케쥴을 출력하는 단계를 포함하는 방법.
- 제19항에 있어서, 상기 스케쥴에 따라 상기 장비에 대해 상기 예방 유지보수 절차를 실행하는 단계를 더 포함하는 방법.
- 제19항에 있어서,상기 비계획적 유지보수 절차를 상기 예방 유지보수 절차와 관련된 식별자에 매핑하는 단계; 및상기 매핑에 기초하여 각각의 상기 식별자에 대해 상기 상관 관계식 중 하나를 형성하기 위해 상기 유지보수 데이터를 통계적으로 분석하는 단계를 더 포함하는 방법.
- 제21항에 있어서, 상기 스케쥴을 출력하는 단계는:상기 식별자와 관련된 상기 비계획적 유지보수 절차에 기초하여 각각의 식별자에 대한 고장들 간의 평균 시간을 계산하는 단계; 및상기 고장들 간의 상기 계산된 평균 시간의 함수로서 상기 빈도에 대한 조정을 판정하는 단계를 포함하는 방법.
- 제19항에 있어서,각각의 상기 예방 유지보수 절차와 관련된 위험 값을 통계적으로 계산하는 단계; 및상기 각각의 계산된 위험 값의 함수로서 상기 예방 유지보수 절차에 대한 조정을 판정하는 단계를 포함하는 방법.
- 장비에 대한 예방 유지보수 절차 및 비계획적 유지보수 절차에 대한 샵 작업 오더를 정의하는 유지보수 데이터를 수신하는 인터페이스를 프리젠테이션하는 단계 - 상기 인터페이스는 상기 샵 작업 오더를 상기 예방 유지보수 절차와 관련된 식별자에 매핑하기 위한 입력 영역을 포함함 - ;상기 예방 유지보수 절차와 상기 비계획적 유지보수 절차 간에 통계적 상관 관계가 존재하는지를 판정하기 위해 상기 매핑에 따라 상기 유지보수 데이터를 자동으로 분석하는 단계; 및상기 판정에 기초하여 상기 예방 유지보수 절차와 관련된 빈도를 자동으로 갱신하는 단계를 포함하는 방법.
- 제24항에 있어서, 상기 갱신된 빈도에 따라 스케쥴을 출력하는 단계를 더 포함하는 방법.
- 제24항에 있어서, 상기 빈도를 갱신하는 단계는 상기 판정에 기초하여 적어도 상기 예방 유지보수 절차들의 일부에 대한 빈도를 감소시키는 단계를 포함하는 방법.
- 프로세서로 하여금,장비에 대한 예방 유지보수 절차 및 비계획적 유지보수 절차에 대한 샵 작업 오더를 정의하는 유지보수 데이터를 수신하는 인터페이스 - 상기 인터페이스는 상기 샵 작업 오더를 상기 예방 유지보수 절차와 관련된 식별자에 매핑하기 위한 입력 영역을 포함함 - 를 프리젠테이션하게 하고;상기 매핑에 따라 상기 유지보수 데이터를 자동으로 분석하여 상기 예방 유지보수 절차와 상기 비계획적 유지보수 절차 간에 통계적 상관 관계가 존재하는지를 판정하게 하고;상기 판정에 기초하여 상기 예방 유지보수 절차와 관련된 빈도를 자동으로 갱신하게 하는명령을 포함하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 프로세서로 하여금 상기 갱신된 빈도에 따라 스케쥴을 출력하게 하는 명령을 더 포함하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 통계적 상관 관계의 신뢰 수준이 임계치를 초과할 경우 상기 프로세서로 하여금 상기 빈도를 갱신하게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 하나 이상의 비계획적 유지보수 절차에 매핑되는 식별자와 관련된 상기 예방 유지보수 절차에 대한 빈도를 증가시키게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 상기 판정에 기초하여 적어도 상기 예방 유지보수 절차들의 일부에 대한 빈도를 감소시키게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 임계 수 미만의 비계획적 유지보수 절차에 매핑되는 식별자와 관련된 상기 예방 유지보수 절차의 빈도를 감소시키게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 각각의 상기 빈도와 관련된 위험 값을 통계적으로 계산하고, 상기 각각의 계산된 위험 값의 함수로서 상기 빈도에 대한 조정을 결정하게 하는 컴퓨터 판독 가능 매체.
- 제33항에 있어서, 상기 명령은 상기 프로세서로 하여금 상기 위험 값을 위험 순위수로서 계산하게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 상기 식별자와 관련된 상기 비계획적 유지보수 절차에 기초하여 각각의 식별자에 대한 고장들 간의 평균 시간을 계산하고, 상기 고장들 간의 계산된 평균 시간의 함수로서 상기 빈도에 대한 조정을 판정하게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 컴퓨터 유지보수 관리 시스템으로부터 상기 유지보수 데이터를 추출하게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 각각의 상기 식별자와 관련된 상기 예방 유지보수 절차에 대한 실제 빈도의 통계적 분산을 계산하고, 상기 실제 빈도의 상기 계산된 분산에 기초하여 상기 예방 유지보수 절차의 빈도를 갱신하게 하는 컴퓨터 판독 가능 매체.
- 제27항에 있어서, 상기 명령은 상기 프로세서로 하여금 상기 실제 빈도와 상기 비계획적 유지보수 절차 간에 상관 관계가 존재하는지를 판정하기 위해 상기 계산된 통계적 분산에 기초하여 회귀 분석을 실행하게 하는 컴퓨터 판독 가능 매체.
- 장비에서 실행되는 예방 유지보수 절차 및 비계획적 유지보수 절차를 설명하는 유지보수 데이터를 저장하는 데이터베이스;각 빈도에 따라 상기 예방 유지보수 절차에 대한 스케쥴을 형성하는 스케쥴러; 및상기 유지보수 데이터를 분석하여 상기 예방 유지보수 절차에 대한 갱신된 빈도를 계산하는 통계적 분석 모듈을 포함하는 시스템.
- 제39항에 있어서, 상기 통계적 분석 모듈은 상기 예방 유지보수 절차와 상기 비계획적 유지보수 절차 간의 통계적 상관 관계에 기초하여 상기 갱신된 빈도를 계산하는 시스템.
- 제40항에 있어서, 상기 통계적 분석 모듈은 상기 통계적 상관 관계의 신뢰 수준이 임계치를 초과할 때 상기 갱신된 빈도를 계산하는 시스템.
- 제39항에 있어서, 상기 예방 유지보수 절차와 상기 비계획적 유지보수 절차를 설명하는 데이터베이스로부터 샵 작업 오더를 추출하는 데이터 마이닝 모듈(data mining module)을 더 포함하는 시스템.
- 제39항에 있어서, 상기 비계획적 유지보수 절차를 상기 예방 유지보수 절차와 관련된 식별자에 매핑하는 코딩 모듈을 더 포함하는 시스템.
- 제42항에 있어서, 상기 통계적 분석 모듈은 하나 이상의 비계획적 유지보수 절차에 매핑되는 식별자와 관련된 상기 예방 유지보수 절차에 대한 빈도를 증가시키는 시스템.
- 제42항에 있어서, 상기 통계적 분석 모듈은 임계 수 미만의 비계획적 유지보수 절차에 매핑되는 식별자와 관련된 상기 예방 유지보수 절차의 빈도를 감소시키는 시스템.
- 제42항에 있어서, 상기 통계적 분석 모듈은 상기 식별자와 관련된 상기 비계획적 유지보수 절차에 기초하여 각각의 식별자에 대한 고장들 간의 평균 시간을 계산하고, 상기 계산된 고장들 간의 평균 시간의 함수로서 상기 빈도에 대한 조정을 판정하는 시스템.
- 제39항에 있어서, 상기 통계적 분석 모듈은 적어도 상기 예방 유지보수 절차들의 일부에 대한 빈도를 감소시키는 시스템.
- 제39항에 있어서, 상기 통계적 분석 모듈은 각각의 상기 빈도와 관련된 위험 값을 계산하여, 각각의 계산된 위험 값의 함수로서 상기 빈도에 대한 조정을 판정하는 시스템.
- 제48항에 있어서, 상기 통계적 분석 모듈은 상기 위험 값을 위험 순위수로서 계산하는 시스템.
- 제39항에 있어서, 상기 통계적 분석 모듈은 상기 예방 유지보수 절차에 대한 실제 빈도의 통계적 분산을 계산하여, 상기 계산된 실제 빈도의 분산에 기초하여 상기 예방 유지보수 절차의 빈도를 갱신하는 시스템.
- 제50항에 있어서, 상기 통계적 분석 모듈은 상기 실제 빈도와 상기 비계획적 유지보수 절차 간에 상관 관계가 존재하는지를 판정하기 위해 상기 계산된 통계적 분산에 기초하여 회귀 분석을 실행하는 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/403,330 US20040193467A1 (en) | 2003-03-31 | 2003-03-31 | Statistical analysis and control of preventive maintenance procedures |
| US10/403,330 | 2003-03-31 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20050119168A true KR20050119168A (ko) | 2005-12-20 |
Family
ID=32989911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020057018447A KR20050119168A (ko) | 2003-03-31 | 2004-03-01 | 예방 유지보수 절차의 통계적 분석 및 제어 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20040193467A1 (ko) |
| EP (1) | EP1609098A1 (ko) |
| JP (1) | JP2006522410A (ko) |
| KR (1) | KR20050119168A (ko) |
| WO (1) | WO2004095340A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101037183B1 (ko) * | 2008-11-14 | 2011-05-26 | 세메스 주식회사 | 메인터넌스 관리 시스템 |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE602004001293T2 (de) * | 2003-06-26 | 2007-05-31 | St Microelectronics S.A. | Programmintegritätsprüfung mittels Statistiken |
| JP4717579B2 (ja) * | 2005-09-30 | 2011-07-06 | 株式会社小松製作所 | 作業機械のメンテナンス作業管理システム |
| US7627388B2 (en) * | 2005-10-28 | 2009-12-01 | Core, Inc. | Reliability tools for complex systems |
| US7571089B2 (en) | 2006-08-23 | 2009-08-04 | Kimberly Clark Worldwide, Inc. | Method for simulating a system having multiple failure modes |
| KR100840129B1 (ko) * | 2006-11-16 | 2008-06-20 | 삼성에스디에스 주식회사 | 통계적인 분석을 이용한 성능장애 관리시스템 및 그 방법 |
| US8396571B2 (en) * | 2007-03-19 | 2013-03-12 | United Technologies Corporation | Process and system for multi-objective global optimization of maintenance schedules |
| US20080270150A1 (en) * | 2007-04-26 | 2008-10-30 | Accenture Global Services Gmbh | Systems and methods of repair and operations planning |
| US8260653B1 (en) * | 2009-07-23 | 2012-09-04 | Bank Of America Corporation | Computer-implemented change risk assessment |
| GB0917527D0 (en) * | 2009-10-07 | 2009-11-25 | Optimized Systems And Solution | Asset management system |
| US8660875B2 (en) * | 2009-11-02 | 2014-02-25 | Applied Materials, Inc. | Automated corrective and predictive maintenance system |
| US20120101863A1 (en) * | 2010-10-22 | 2012-04-26 | Byron Edwin Truax | Machine-management system |
| US8799042B2 (en) | 2011-08-08 | 2014-08-05 | International Business Machines Corporation | Distribution network maintenance planning |
| US9251502B2 (en) * | 2012-11-01 | 2016-02-02 | Ge Aviation Systems Llc | Maintenance system for aircraft fleet and method for planning maintenance |
| US9058568B2 (en) | 2012-12-11 | 2015-06-16 | International Business Machines Corporation | System and method for maintenance planning and failure prediction for equipment subject to periodic failure risk |
| US9262255B2 (en) * | 2013-03-14 | 2016-02-16 | International Business Machines Corporation | Multi-stage failure analysis and prediction |
| US20140277921A1 (en) * | 2013-03-14 | 2014-09-18 | General Electric Company | System and method for data entity identification and analysis of maintenance data |
| US20160042304A1 (en) * | 2014-08-11 | 2016-02-11 | Bank Of America Corporation | Risk-based execution for projects |
| US11379801B2 (en) * | 2015-04-07 | 2022-07-05 | Tlv Co., Ltd. | Maintenance support system and maintenance support method |
| US11003978B2 (en) | 2016-12-14 | 2021-05-11 | Ajay Khoche | Programmable network node roles in hierarchical communications network |
| US11138490B2 (en) | 2016-12-14 | 2021-10-05 | Ajay Khoche | Hierarchical combination of distributed statistics in a monitoring network |
| US10275953B2 (en) | 2017-04-04 | 2019-04-30 | Panasonic Intellectual Property Management Co., Ltd. | Cost effective ride maintenance tracking system and method thereof |
| WO2018193595A1 (ja) * | 2017-04-20 | 2018-10-25 | 富士通株式会社 | 評価プログラム、評価方法および評価装置 |
| US10739754B2 (en) * | 2018-05-11 | 2020-08-11 | Ford Motor Company | Method and system for monitoring machine health to improve machine cycle time impact |
| US11112135B2 (en) * | 2018-11-09 | 2021-09-07 | Johnson Controls Technology Company | Maintenance procedure updating in HVAC system service log |
| WO2021195002A1 (en) | 2020-03-21 | 2021-09-30 | Trackonomy Systems, Inc. | Wireless sensor nodes for equipment monitoring |
| CN112819241A (zh) * | 2021-02-22 | 2021-05-18 | 苏州热工研究院有限公司 | 一种核电厂设备类监督及预测性健康管理方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6300361B1 (en) * | 1990-07-25 | 2001-10-09 | Novartis Ag | Stabilized pharmaceutical compositions comprising acid donors |
| US6110214A (en) * | 1996-05-03 | 2000-08-29 | Aspen Technology, Inc. | Analyzer for modeling and optimizing maintenance operations |
| US6246972B1 (en) * | 1996-08-23 | 2001-06-12 | Aspen Technology, Inc. | Analyzer for modeling and optimizing maintenance operations |
| JP3335106B2 (ja) * | 1997-07-16 | 2002-10-15 | 株式会社小松製作所 | 機械のメンテナンス時期判定方法および装置 |
| US6353804B1 (en) * | 1999-04-09 | 2002-03-05 | General Electric Company | Method for statistically predicting equipment performance |
| EP1242923B1 (en) * | 1999-10-28 | 2009-03-25 | General Electric Company | A process for the monitoring and diagnostics of data from a remote asset |
| US6418361B2 (en) * | 1999-12-01 | 2002-07-09 | Sinex Holdings Llc | Aircraft maintenance tracking system |
| US7337437B2 (en) * | 1999-12-01 | 2008-02-26 | International Business Machines Corporation | Compiler optimisation of source code by determination and utilization of the equivalence of algebraic expressions in the source code |
| US6411908B1 (en) * | 2000-04-27 | 2002-06-25 | Machinery Prognosis, Inc. | Condition-based prognosis for machinery |
| US6557647B2 (en) * | 2000-05-30 | 2003-05-06 | American Piledriving Equipment, Inc. | Impact hammer systems and methods |
| US7124059B2 (en) * | 2000-10-17 | 2006-10-17 | Accenture Global Services Gmbh | Managing maintenance for an item of equipment |
| WO2003054503A2 (en) * | 2001-12-07 | 2003-07-03 | Battelle Memorial Institute | Methods and systems for analyzing the degradation and failure of mechanical systems |
-
2003
- 2003-03-31 US US10/403,330 patent/US20040193467A1/en not_active Abandoned
-
2004
- 2004-03-01 EP EP04716165A patent/EP1609098A1/en not_active Withdrawn
- 2004-03-01 KR KR1020057018447A patent/KR20050119168A/ko not_active Application Discontinuation
- 2004-03-01 WO PCT/US2004/006254 patent/WO2004095340A1/en active Search and Examination
- 2004-03-01 JP JP2006508966A patent/JP2006522410A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101037183B1 (ko) * | 2008-11-14 | 2011-05-26 | 세메스 주식회사 | 메인터넌스 관리 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2006522410A (ja) | 2006-09-28 |
| US20040193467A1 (en) | 2004-09-30 |
| EP1609098A1 (en) | 2005-12-28 |
| WO2004095340A1 (en) | 2004-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20050119168A (ko) | 예방 유지보수 절차의 통계적 분석 및 제어 | |
| US11501388B2 (en) | Production management apparatus, method, and non-transitory medium | |
| US8185346B2 (en) | Dynamic maintenance plan for an industrial robot | |
| EP0448044B1 (en) | Integrated quality control system | |
| US6671570B2 (en) | System and method for automated monitoring and assessment of fabrication facility | |
| US6954713B2 (en) | Cavitation detection in a process plant | |
| AU2016243935A1 (en) | Predictive analytic reliability tool set for detecting equipment failures | |
| US20080133178A1 (en) | Maintenance management of a machine | |
| US20120116827A1 (en) | Plant analyzing system | |
| CN112668862A (zh) | 一种生产线的适应性量化评估方法 | |
| CN111427330A (zh) | 一种基于设备维护数据的设备故障模式及规律分析方法 | |
| Silva et al. | Availability forecast of mining equipment | |
| Paz Barroso et al. | HEDOMS—Human error and disturbance occurrence in manufacturing systems: Toward the development of an analytical framework | |
| Reina et al. | Maintenance decision support for manufacturing systems based on the minimization of the life cycle cost | |
| KR20190094855A (ko) | 고장방지 효과를 고려한 예방정비 직무 선정 시스템, 방법 및 예방정비 직무를 선정하는 프로그램을 기록한 기록매체 | |
| CN116955955A (zh) | 一种管道缺陷模型预测方法、系统、终端设备及存储介质 | |
| Williams et al. | Challenging the paradigm of monitor reduction to achieve lower product costs | |
| CN109858689A (zh) | 一种可靠性导向的产品装配系统健康风险分析方法 | |
| Martins | Maintenance management of a production line-a case study in a furniture industry | |
| Ab-Samat et al. | Development of opportunistic maintenance policy towards optimal maintenance system (OPTOMS) model: A case study | |
| CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升系统 | |
| CN115407711B (zh) | 一种面向企业管理的企业运营监管系统 | |
| Hayasaka et al. | Method for detection of lot defects for maintenance of ICT power supplies and air conditioning equipment and verification results | |
| Syafei et al. | Maintenance Strategy Optimization in Uniformity Machines | |
| Mili et al. | Dynamic management of detected factory events and estimated risks using FMECA |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |