| dc.description.abstract | På grunn av måten konkurranse driver både kostnader og innovasjon på i dag, leter produksjonsselskaper etter alle mulige måter å minimere kostnader, redusere risiko forbundet med fysiske eiendeler, forbedre eiendelens ytelse og samtidig ta i bruk innovative teknologier som en del av strategiene. for å nå sine langsiktige mål. På grunn av utviklingen i produksjonsindustrien, spiller behovet for riktig vedlikehold en svært viktig rolle i kostnads- og effektivitetsoptimalisering. Av denne grunn blir enhver løsning med mulighet for å redusere vedlikeholdskostnader og risiko knyttet til produksjonsanlegg, samtidig som man sikrer høy driftstilgjengelighet og ytelse, ofte fulgt aktivt. For å minimere sløsing og tidstap i produksjonen, bør ytelsesmål knyttes til smart vedlikeholdsstrategi for en organisasjon for å gi nyttig informasjon for å ta effektive beslutninger. For å sikre at anlegget/utstyret oppnår ønsket ytelse, krever vedlikeholdsstyring en god oversikt over utførelsen av vedlikeholdsfunksjoner. Dette kan være mulig dersom et ytelsesmålesystem med passende indikatorer utvikles og implementeres for å måle ulike elementer for utstyrets ytelse.
Denne masteroppgaven undersøker og bestemmer ytelsesmålesystemet for vedlikeholdsfunksjoner i en digitalisert vedlikeholdsplattform. I det tidligere stadiet av denne oppgaven ble de "16 store tapene" som hindrer effektiviteten til et produksjonsanlegg undersøkt og omstrukturert med hensyn til de 3 OEE-tapene (tilgjengelighet, ytelse og kvalitetstap). Ytterligere forskning avslørte at "4 sikkerhetstap" kom fra de konvensjonelle "16 store tapene" som alle er attributter til metaforen "skjult fabrikk" i produksjonen. De tidligere undersøkelsene viste også at et alvorlig sikkerhetstap i et produksjonsanlegg kan føre til tap av eiendeler, dødsfall, tap av selskapets omdømme og eller miljøforurensning (f.eks. klimagassutslipp, oljesøl) som hindrer bærekraften til et produksjonsselskap. På dette stadiet introduserte rapporten Total Productive Maintenance (TPM) med hovedmålet å eliminere nedetid for utstyr. TPM-målet er å sikre at de 3 OEE-tapene ble eliminert. Av denne grunn ble profit loss indicator (PLI) introdusert som et lovende verktøy for identifikasjon og måling av den "skjulte fabrikken" i produksjon. I tillegg ble ISO 55000 introdusert med hovedmål som sikrer at produksjonsbedrifter realiserer verdier fra sine eiendeler. De viktigste organisatoriske verdiene som inkluderer kostnadseffektivitet, risikoreduksjon og utstyrs tilgjengelighet og ytelse ble ansett som fokuspunkter for utvikling av vedlikeholdsfunksjoner.
Den senere delen av denne oppgaven introduserte smart vedlikeholdsmodell DDM som en fremtidig teknikk for ytelsesmåling av fysiske eiendeler i et digitalisert vedlikeholdssystem. DDM-modulene ble brukt til å gjøre kritikalitetsvurdering av fysiske eiendeler på en smart vedlikeholdsplattform. Fra demonstrasjonen som er gjort, bruker DDM-konseptet sine moduler (PLI, Remaining Useful Life og Planning) for å foreta kritikalitetsvurdering av utstyr. Konseptet bruker cyber-fysisk system der kunstig intelligens med maskinlæringsmetode (Remaining Useful Life estimation) overvåker og måler nedbrytningsnivået til et utstyr og samtidig bruker PLI for å måle de økonomiske konsekvensene (straff) dersom tidlig forebyggende vedlikehold var ikke administrert på grunn av disse nedbrytningene. Hovedmålet med denne teknikken er å etablere en vedlikeholdsfunksjon der vedlikeholdsplanlegger tar effektive og smarte beslutninger for å prioritere forebyggende vedlikehold for å minimere tidstap og sløsing ("skjult fabrikk") i produksjonen som hindrer aktualisering av organisasjonsverdier (redusert risiko, høy utstyrsytelse og kostnadseffektivitet). | |
| dc.description.abstract | Due to the way competition is driving both cost and innovation today, production companies are looking for any possible means to minimize cost, reduce risks associated with physical assets, improve asset's performance, and at the same time adopt innovative technologies as a part of the strategies to reach their long-term objectives. Due to the evolution of the production industry, the need for proper maintenance plays a very vital role in cost and efficiency optimization. For this reason, any solution with the possibility to reduce maintenance costs and risks associated with production plants while ensuring a high level of operational availability and performance is often actively pursued. To minimize waste and time losses in production, performance measures should be linked to the smart maintenance strategy of an organization in order to provide useful information for making effective decisions. To ensure that plant/equipment achieves their desired performance, maintenance management requires a good track of the performance of maintenance functions. This can be possible if a performance measuring system with suitable indicators is developed and implemented to measure different elements for equipment performance.
This master thesis investigates and determines the performance measurement system of maintenance functions in a digitalized maintenance platform. In the earlier stage of this thesis, the “16 Big Losses” which impede the efficiency of a production plant were investigated and restructured with respect to the 3 OEE losses (availability, performance, and quality losses). Further research revealed that “4 Safety Losses” were emanated from the conventional “16 Big Losses” which are all attributes of the metaphor “hidden factory” in production. The earlier investigations also showed that a severe safety loss in a production plant could result in loss of asset, fatality, loss of company’s reputation, and or environmental pollution (e.g., GHG Emission, Oil Spillages) which impedes the sustainability of a production company. At this stage, the report introduced Total Productive Maintenance (TPM) with the main objective of eliminating equipment downtime. The TPM goal is to ensure that the 3 OEE losses were eliminated. For this reason, the profit loss indicator (PLI) was introduced as a promising tool used for the identification and measurement of the “hidden factory” in production. Also, ISO 55000 was introduced with main objectives which ensure that production companies realize values from their assets. The main organizational values which include cost efficiency, risk reduction, and equipment availability and performance were considered as focal points for the development of maintenance functions.
The later part of this thesis introduced the smart maintenance model DDM as a future technique for performance measurement of the physical asset in a digitalized maintenance system. The DDM modules were used to make a criticality assessment of physical assets on a smart maintenance platform. From the demonstration made, the DDM concept uses its modules (PLI, Remaining Useful Life, and Planning) to make a criticality assessment of equipment. The concept uses a cyber-physical system where artificial intelligence with machine learning method (Remaining Useful Life estimation) monitors and measures the degradation level of equipment and at the same time uses the PLI to measure the financial consequences (penalty) if early preventive maintenance were not administered due to that degradation. The main aim of this technique is to establish maintenance functions where the maintenance planner makes effective and smart decisions in prioritizing preventive maintenance for the minimization of time losses and waste ("hidden factory") in production which impede the actualization of organizational values (reduced risk, high equipment performance and cost-efficiency). | |
