เวลาเฉลี่ยก่อนเกิดความเสียหาย (MTTF): คำจำกัดความ สูตร และวิธีการนำไปใช้ในการวางแผนการบำรุงรักษา

บทนำ: ค่าเวลาเฉลี่ยก่อนเกิดความล้มเหลว (MTTF) บอกอะไรแก่ทีมบำรุงรักษาบ้าง

การหยุดทำงานโดยไม่ได้วางแผนล่วงหน้าอาจทำให้ผู้ผลิตสูญเสียเงินหลายพันถึงหลายแสนดอลลาร์ต่อชั่วโมง ขึ้นอยู่กับกระบวนการ ความเข้มข้นของแรงงาน และการหยุดชะงักในขั้นตอนถัดไป ในหลายกรณี สาเหตุไม่ได้มาจากเครื่องจักรขนาดใหญ่เสีย แต่มาจากชิ้นส่วนเล็กๆ ที่หมดอายุการใช้งานโดยไม่มีสัญญาณเตือนล่วงหน้า นั่นคือจุดที่... เวลาเฉลี่ยก่อนเกิดความล้มเหลว (MTTF) เป็นประโยชน์สำหรับทีมงานบำรุงรักษาและตรวจสอบความน่าเชื่อถือ.

กล่าวโดยง่าย MTTF คือ อายุการใช้งานเฉลี่ยของชิ้นส่วนที่ไม่สามารถซ่อมแซมได้ ก่อนที่มันจะเสียหายและต้องเปลี่ยนใหม่ นี่จึงมีความสำคัญอย่างยิ่งสำหรับชิ้นส่วนต่างๆ เช่น เซ็นเซอร์ ฟิวส์ ตัวกรอง แบตเตอรี่ และตลับลูกปืนบางชนิดที่ใช้ในโรงงานผลิตรถยนต์ สายการผลิตอิเล็กทรอนิกส์ และการดำเนินงานทางอุตสาหกรรมทั่วไป แทนที่จะมองว่าความเสียหายแต่ละครั้งเป็นเหตุการณ์แยกต่างหาก MTTF ช่วยให้คุณวัดระยะเวลาการใช้งานโดยทั่วไปของชิ้นส่วนเหล่านี้ภายใต้สภาวะการทำงานจริงได้.

บทความนี้อธิบายวิธีการคำนวณ MTTF อย่างถูกต้อง เมื่อใดควรใช้ MTTF แทน MTBF และ MTTR มีส่วนเกี่ยวข้องอย่างไรกับภาพรวมความน่าเชื่อถือที่กว้างขึ้น นอกจากนี้ยังแสดงให้เห็นว่า MTTF สนับสนุนการตัดสินใจในการบำรุงรักษาในทางปฏิบัติอย่างไร ตั้งแต่เวลาในการเปลี่ยนชิ้นส่วนและการวางแผนอะไหล่ ไปจนถึงการตรวจสอบซัพพลายเออร์และการเตรียมการหยุดซ่อมบำรุง.

คำจำกัดความ สูตร และวิธีการคำนวณ MTTF อย่างถูกต้อง

MTTF หมายถึงอะไรในการวิเคราะห์ความน่าเชื่อถือ

เวลาเฉลี่ยก่อนเกิดความล้มเหลว หรือ เอ็มทีเอฟเอฟ, เวลาการทำงานเฉลี่ยคือเท่าใด ซ่อมแซมไม่ได้ ชิ้นส่วนนั้นคาดว่าจะใช้งานได้ก่อนที่จะเสียและต้องเปลี่ยนใหม่ ในทางปฏิบัติของการบำรุงรักษา ตัวชี้วัดนี้เหมาะสมที่สุดสำหรับชิ้นส่วนต่างๆ เช่น ตลับลูกปืน ฟิวส์ ตัวกรอง เซ็นเซอร์ และแบตเตอรี่ เมื่อชิ้นส่วนที่เสียนั้นไม่สามารถซ่อมแซมให้กลับมาใช้งานได้เหมือนเดิม ความแตกต่างนี้มีความสำคัญเพราะ MTTF (Mean Time to TF) เกี่ยวกับ... อายุการใช้งานจนถึงการเปลี่ยนใหม่, ไม่ใช่ระยะเวลาใช้งานระหว่างการซ่อมแซม.

ตัวอย่างเช่น หากเซ็นเซอร์ตรวจจับระยะใกล้ในสายการผลิตอิเล็กทรอนิกส์เสีย ทีมซ่อมบำรุงมักจะเปลี่ยนเซ็นเซอร์ตัวใหม่แทนที่จะซ่อมแซมตัวเซ็นเซอร์เอง ในกรณีเช่นนั้น การติดตามค่าเฉลี่ยเวลาถึงความล้มเหลว (Mean Time to Failure: MTTF) จะช่วยให้คุณได้ข้อมูลพื้นฐานที่เป็นประโยชน์สำหรับอายุการใช้งานที่คาดหวังตามประเภทชิ้นส่วน สายการผลิต หรือล็อตของซัพพลายเออร์ นี่คือเหตุผลที่ความแตกต่างระหว่าง MTTF และ MTBF มีความสำคัญในภายหลัง เพราะทั้งสองค่าตอบคำถามเกี่ยวกับความน่าเชื่อถือที่แตกต่างกัน.

สูตร MTTF

สูตร MTTF มาตรฐานนั้นตรงไปตรงมา:

MTTF = ชั่วโมงการทำงานรวมของทุกหน่วย ÷ จำนวนความล้มเหลวทั้งหมด

ในสูตรนี้, เวลาทำการทั้งหมด หมายถึงเวลาการทำงานรวมที่สะสมโดยกลุ่มชิ้นส่วนที่ไม่สามารถซ่อมแซมได้ที่เหมือนกันซึ่งคุณกำลังวิเคราะห์อยู่ ในขณะที่ จำนวนความล้มเหลวทั้งหมด หมายถึงจำนวนชิ้นส่วนที่เสียหายระหว่างช่วงเวลาการสังเกต ผลลัพธ์ที่ได้คืออายุการใช้งานเฉลี่ยเป็นชั่วโมง รอบ วัน หรือหน่วยอื่นๆ หน่วยเวลาที่สอดคล้องกัน. หากข้อมูลเวลาการทำงานของคุณถูกบันทึกเป็นชั่วโมง ค่า MTTF ของคุณก็จะอยู่ในหน่วยชั่วโมงเช่นกัน.

หัวใจสำคัญของการคำนวณ MTTF อย่างถูกต้องคือความสม่ำเสมอ คุณต้องใช้ชิ้นส่วนประเภทเดียวกัน สภาพการใช้งานที่คล้ายคลึงกัน และจำนวนเวลาการใช้งานและความล้มเหลวที่ครบถ้วนในกลุ่มที่กำลังศึกษา หากข้อมูลเหล่านี้ไม่สม่ำเสมอ ค่าเฉลี่ยอาจดูแม่นยำในขณะที่ความจริงแล้วซ่อนความแปรผันด้านความน่าเชื่อถือที่สำคัญเอาไว้.

ตัวอย่างขั้นตอนจากสายการผลิตอุปกรณ์อิเล็กทรอนิกส์

ลองพิจารณาสายการผลิตชิ้นส่วนอิเล็กทรอนิกส์ SMT ที่ใช้เซ็นเซอร์โฟโตอิเล็กทริกแบบเดียวกันในหลายๆ สถานีสายพานลำเลียง ทีมงานบำรุงรักษาได้ติดตามเซ็นเซอร์ที่เหมือนกัน 20 ตัวที่ติดตั้งภายใต้สภาวะการทำงานที่คล้ายคลึงกันเป็นเวลาหกเดือน เซ็นเซอร์เหล่านั้นใช้งานรวมกันได้ 48,000 ชั่วโมง และในระหว่างนั้น มีเซ็นเซอร์ 8 ตัวที่ชำรุดและต้องเปลี่ยนใหม่.

เมื่อใช้สูตรนี้ การคำนวณจะได้ดังนี้:

MTTF = 48,000 ชั่วโมง ÷ 8 ครั้งที่เกิดความเสียหาย = 6,000 ชั่วโมง

นั่นหมายความว่าอายุการใช้งานโดยเฉลี่ยของเซ็นเซอร์รุ่นนั้น ในการใช้งานนั้น คือ 6,000 ชั่วโมง นี่ไม่ได้หมายความว่าเซ็นเซอร์ทุกตัวจะเสียที่ 6,000 ชั่วโมงเป๊ะๆ บางตัวอาจเสียที่ 4,500 ชั่วโมง และบางตัวอาจเสียที่ 7,200 ชั่วโมง แต่ค่าเฉลี่ยนี้จะเป็นประโยชน์สำหรับทีมงานด้านความน่าเชื่อถือในการเปรียบเทียบผู้ผลิต กำหนดจุดตรวจสอบการเปลี่ยน และตรวจจับรูปแบบการเสียที่ผิดปกติ.

คุณสามารถใช้หลักการเดียวกันนี้กับข้อมูลที่แคบลงได้เช่นกัน หากสาย A แสดงค่า MTTF 7,100 ชั่วโมงสำหรับเซ็นเซอร์ตัวเดียวกัน ในขณะที่สาย B แสดงค่า 4,900 ชั่วโมง ปัญหาอาจไม่ได้อยู่ที่ตัวชิ้นส่วนเพียงอย่างเดียว อาจเกิดจากสิ่งปนเปื้อน การจัดวางที่ไม่ถูกต้อง ความไม่เสถียรของแรงดันไฟฟ้า หรือภาระการทำงานที่แตกต่างกันในแต่ละสายก็ได้.

ข้อผิดพลาดทั่วไปที่ทำให้ค่า MTTF ผิดเพี้ยนไป

ข้อผิดพลาดที่พบบ่อยอย่างหนึ่งคือ การผสมผสานกลุ่มสินทรัพย์ที่แตกต่างกัน ในการคำนวณเดียวกัน หากคุณรวมเซ็นเซอร์จากสายพานลำเลียงแบบรีโฟลว์ เครื่องป้อนชิ้นงานแบบหยิบและวาง และสถานีตรวจสอบขั้นสุดท้าย สภาพแวดล้อมการทำงานอาจแตกต่างกันมากเกินไปจนผลลัพธ์ที่ได้อาจไม่มีความหมายมากนัก. เอ็มทีเอฟเอฟ จะได้ผลดีที่สุดเมื่อชิ้นส่วนต่างๆ มีความเทียบเคียงกันได้อย่างแท้จริงในด้านรุ่น การใช้งาน และความเสี่ยงต่อการเกิดความเสียหาย.

อีกหนึ่งข้อผิดพลาดที่พบบ่อยคือการใช้ ข้อมูลรันไทม์ไม่สมบูรณ์. หากนับจำนวนชิ้นส่วนที่ชำรุด แต่ประมาณการชั่วโมงการทำงานอย่างคร่าวๆ หรือดึงข้อมูลจากกะการทำงานเพียงกะเดียว ค่า MTTF สุดท้ายจะไม่น่าเชื่อถือ การขาดประวัติการทำงานอาจทำให้ชิ้นส่วนมีอายุการใช้งานที่ดูสั้นหรือยาวกว่าความเป็นจริง ซึ่งนำไปสู่การตัดสินใจในการบำรุงรักษาที่ไม่แม่นยำ.

ทีมต่างๆ มักประสบปัญหาเมื่อพวกเขานับ การเปลี่ยนชิ้นส่วนเพื่อป้องกันปัญหาในอนาคต นับเป็นความล้มเหลว หากมีการเปลี่ยนเซ็นเซอร์ระหว่างการปิดระบบตามแผนก่อนที่เซ็นเซอร์จะเสีย เหตุการณ์นั้นไม่ควรถูกบันทึกเป็นความล้มเหลวในการคำนวณ MTTF โดยอัตโนมัติ ควรแยกเหตุการณ์ความล้มเหลวออกจากการเปลี่ยนตามกำหนดเวลา เพื่อให้ตัวชี้วัดสะท้อนถึงความน่าเชื่อถือที่แท้จริง ไม่ใช่ตามนโยบาย.

การคำนวณ MTTF ที่ดีควรบอกอะไรคุณบ้าง

ค่า MTTF ที่มีประโยชน์ควรช่วยให้คุณตอบคำถามเชิงปฏิบัติการที่เฉพาะเจาะจงได้ ไม่ใช่แค่เพียงเติมข้อมูลลงในรายงาน KPI เท่านั้น อย่างน้อยที่สุด ควรบอกคุณว่าชิ้นส่วนที่ไม่สามารถซ่อมแซมได้นั้นมีอายุการใช้งานเฉลี่ยยาวนานเท่าใดในบริบทการผลิตที่กำหนด และอายุการใช้งานนั้นเปลี่ยนแปลงไปตามเวลาหรือไม่ นั่นคือจุดเริ่มต้นที่เป็นประโยชน์สำหรับการใช้ MTTF เพื่อปรับปรุงการวางแผนการบำรุงรักษา แม้ว่าการตัดสินใจในการวางแผนจะเกิดขึ้นในขั้นตอนต่อไปก็ตาม.

หากคุณคำนวณ MTTF เป็นประจำ โปรดตรวจสอบให้แน่ใจว่าตัวเลขแต่ละตัวเชื่อมโยงกับขอบเขตที่ชัดเจน: ชิ้นส่วนใด สายการผลิตใด ซัพพลายเออร์ใด ช่วงเวลาใด และระยะเวลาการทำงานใด ระเบียบวินัยนี้จะทำให้ตัวชี้วัดนั้นนำไปใช้ได้จริงมากขึ้น และยังป้องกันความสับสนในภายหลังเมื่อทีมเปรียบเทียบกับตัวชี้วัดที่อิงตามการซ่อมแซม เช่น MTBF.

MTTF เทียบกับ MTBF เทียบกับ MTTR: การเลือกตัวชี้วัดความน่าเชื่อถือที่เหมาะสม

กรอบแนวทางอย่างรวดเร็วสำหรับการเลือกตัวชี้วัดที่เหมาะสม

เมื่อคุณรู้วิธีคำนวณ MTTF แล้ว คำถามต่อไปคือ MTTF จะเหมาะสมกับตำแหน่งใดเมื่อเทียบกับตัวชี้วัดประสิทธิภาพการบำรุงรักษาอื่นๆ วิธีที่ง่ายที่สุดในการแยกแยะคือการถามคำถามเชิงปฏิบัติสามข้อต่อไปนี้: สินค้าชิ้นนั้นได้รับการซ่อมแซมหรือเปลี่ยนใหม่หรือไม่? สินค้าชิ้นนั้นเสียบ่อยแค่ไหน? การซ่อมแซมใช้เวลานานแค่ไหน? ในโรงงานส่วนใหญ่ คุณจำเป็นต้องใช้มุมมองทั้งสามแบบ เนื่องจากชิ้นส่วนสิ้นเปลือง ทรัพย์สินที่ซ่อมแซมได้ และการตอบสนองต่อเวลาหยุดทำงานนั้นมีพฤติกรรมที่แตกต่างกัน.

การจัดวางแบบเคียงข้างกันช่วยให้: เอ็มทีเอฟเอฟ สำหรับสิ่งของที่ไม่สามารถซ่อมแซมได้, MTBF สำหรับสินทรัพย์ที่สามารถซ่อมแซมและนำกลับมาใช้งานได้ และ เอ็มทีอาร์อาร์ เป็นการวัดว่าทีมสามารถฟื้นฟูการทำงานหลังจากเกิดความล้มเหลวได้เร็วแค่ไหน โดยรวมแล้ว ตัวชี้วัดเหล่านี้แสดงให้เห็นถึงความน่าเชื่อถือ รวมถึงความสามารถในการบำรุงรักษาและความพร้อมในการปฏิบัติงานด้วย.

ความแตกต่างระหว่าง MTTF และ MTBF

เอ็มทีเอฟเอฟ เป็นการประมาณอายุการใช้งานเฉลี่ยของชิ้นส่วนที่ถูกทิ้งหลังจากเกิดความเสียหาย ในขณะที่ MTBF ค่า MTBF (Mean Time Between Failures) เป็นการประมาณเวลาเฉลี่ยระหว่างความล้มเหลวของอุปกรณ์ที่ได้รับการซ่อมแซมและนำกลับมาใช้งาน หากชิ้นส่วนนั้นไม่ได้มีจุดประสงค์ที่จะได้รับการซ่อมแซม ค่า MTBF ก็ไม่ใช่ตัวชี้วัดที่เหมาะสม แม้ว่าชิ้นส่วนนั้นจะติดตั้งอยู่ในเครื่องจักรที่สามารถซ่อมแซมได้ก็ตาม.

ในสายการผลิตเครื่องมือสำหรับยานยนต์ เซ็นเซอร์ตรวจจับระยะใกล้บนอุปกรณ์จับยึดอาจถูกมองว่าเป็นชิ้นส่วนที่สามารถเปลี่ยนได้ ดังนั้น MTTF จึงเป็นมาตรวัดที่ดีกว่าสำหรับเซ็นเซอร์กลุ่มนั้น อย่างไรก็ตาม ตัวอุปกรณ์จับยึดเองเป็นสินทรัพย์ที่สามารถซ่อมแซมได้และยังคงใช้งานได้หลังจากการบำรุงรักษา ดังนั้น MTBF จึงเป็นมาตรวัดความน่าเชื่อถือที่ดีกว่าสำหรับอุปกรณ์จับยึด ความแตกต่างนี้มีความสำคัญเพราะการนำทั้งสองมาใช้ร่วมกันอาจทำให้แผนการเปลี่ยนชิ้นส่วนและการรายงานความน่าเชื่อถือผิดเพี้ยนไปได้.

ตัวชี้วัดใดเหมาะสมกับสถานการณ์การผลิตแบบใด?

ใช้ เอ็มทีเอฟเอฟ เมื่อคุณติดตามชิ้นส่วนที่ไม่สามารถซ่อมแซมได้ เช่น ฟิวส์ ฟิลเตอร์ แบตเตอรี่ หรือเซ็นเซอร์แบบปิดผนึก ซึ่งจะถูกถอดและเปลี่ยนใหม่หลังจากเกิดความเสียหาย ในอุปกรณ์ SMT เซ็นเซอร์ป้อนวัสดุหรือโมดูลพลังงานขนาดเล็กมักถูกวิเคราะห์ด้วยวิธีนี้ เนื่องจากเป็นการบำรุงรักษาโดยการเปลี่ยนชิ้นส่วน ไม่ใช่การยกเครื่องใหม่ทั้งหมด ดังนั้น MTTF จึงมีประโยชน์เมื่อคุณต้องการเปรียบเทียบคุณภาพของผู้ผลิตหรืออายุการใช้งานที่คาดหวังระหว่างล็อตต่างๆ.

ใช้ MTBF สำหรับระบบที่สามารถซ่อมแซมได้ เช่น สายพานลำเลียง เครื่องจักรหยิบและวาง ปั๊ม คอมเพรสเซอร์ และเตาอบรีโฟลว์ สินทรัพย์เหล่านี้คาดว่าจะเกิดความเสียหาย ได้รับการซ่อมแซม และใช้งานต่อไปได้ตลอดอายุการใช้งานที่ยาวนาน ค่า MTBF (Mean Time Between Failures) เป็นตัวชี้วัดที่ดีกว่าเมื่อคุณประเมินความน่าเชื่อถือของสินทรัพย์ในระดับเครื่องจักรหรือระบบย่อย มากกว่าอายุการใช้งานของชิ้นส่วนที่ใช้แล้วทิ้งเพียงชิ้นเดียว.

ใช้ เอ็มทีอาร์อาร์ เมื่อคำถามหลักในการบริหารจัดการคือ ทีมจะสามารถฟื้นฟูการผลิตได้เร็วแค่ไหน เรื่องนี้สำคัญอย่างยิ่งในระบบการผลิตแบบผสมผสาน ที่แม้แต่การหยุดชะงักเพียงช่วงสั้นๆ ก็อาจส่งผลกระทบต่อกระบวนการต้นน้ำและปลายน้ำได้ หากคุณใช้ MTTF เพื่อปรับปรุงการวางแผนการบำรุงรักษา MTTR จะกลายเป็นตัวชี้วัดความสมดุลที่แสดงให้เห็นว่ากลยุทธ์การเปลี่ยนทดแทนนั้นเพียงพอหรือไม่ หรือกระบวนการซ่อมแซมก็จำเป็นต้องได้รับการปรับปรุงด้วยเช่นกัน.

การใช้ MTTF เพื่อปรับปรุงการวางแผนการบำรุงรักษาและการตัดสินใจเกี่ยวกับอะไหล่

แปลง MTTF ให้เป็นกฎการทดแทน

เมื่อคุณรู้วิธีคำนวณแล้ว เอ็มทีเอฟเอฟ, ขั้นตอนต่อไปคือการตัดสินใจว่าควรดำเนินการอย่างไร สำหรับชิ้นส่วนที่ไม่สามารถซ่อมแซมได้ MTTF จะช่วยให้คุณกำหนดช่วงเวลาการเปลี่ยนชิ้นส่วนโดยอิงจากอายุการใช้งานจริง แทนที่จะเป็นการคาดเดาตามปฏิทินหรือความเคยชินของผู้ใช้งาน.

ค่า MTTF ที่สูงมักบ่งชี้ถึงประสิทธิภาพการทำงานของชิ้นส่วนที่เสถียรภายใต้สภาวะการทำงานปัจจุบัน แต่ค่า MTTF ที่ลดลงจำเป็นต้องมีการตรวจสอบมากกว่าที่จะโทษชิ้นส่วนนั้นโดยอัตโนมัติ อายุการใช้งานที่สั้นลงอาจบ่งชี้ถึงความร้อน การปนเปื้อน ความไม่เสถียรของแรงดันไฟฟ้า การจัดตำแหน่งที่ไม่ถูกต้อง หรือปัญหาการติดตั้งในสายการผลิตใดสายหนึ่ง ดังนั้น ทีมบำรุงรักษาควรตรวจสอบค่า MTTF ร่วมกับโหมดความล้มเหลวและบริบทการทำงาน โดยเฉพาะอย่างยิ่งเมื่อหมายเลขชิ้นส่วนเดียวกันมีประสิทธิภาพแตกต่างกันในสินทรัพย์ต่างๆ ในทางปฏิบัติ ค่า MTTF มีประโยชน์มากที่สุดเมื่อนำไปสู่การตัดสินใจที่เฉพาะเจาะจง เช่น เปลี่ยนชิ้นส่วนก่อนกำหนด ตรวจสอบสภาพแวดล้อม หรือตรวจสอบคุณภาพของซัพพลายเออร์.

ใช้ MTTF เพื่อกำหนดระดับสต็อกอะไหล่

MTTF ก็ดีขึ้นเช่นกัน การวางแผนชิ้นส่วนอะไหล่ เพราะมันช่วยให้ฝ่ายจัดซื้อและบำรุงรักษาสามารถคาดการณ์การบริโภคได้อย่างสมจริงมากขึ้น หากโรงงานใช้ตัวกรองที่เหมือนกัน 20 ตัว และค่า MTTF (Mean Time to TF) ในระดับกลุ่มเครื่องจักรอยู่ที่ 3,000 ชั่วโมง ทีมงานสามารถประมาณการความต้องการเปลี่ยนตัวกรองที่คาดว่าจะเกิดขึ้นในไตรมาสถัดไปโดยอิงจากเวลาการใช้งานจริง ไม่ใช่การคาดการณ์การใช้งานคร่าวๆ ต่อปี ซึ่งจะช่วยลดความเสี่ยงในการผูกเงินสดไว้กับสินค้าคงคลังส่วนเกิน ในขณะเดียวกันก็ยังคงรักษาเวลาการทำงานของวัสดุสิ้นเปลืองที่สำคัญไว้ได้ สำหรับโรงงานที่มีปริมาณการผลิตสูง แม้แต่การปรับปรุงการคาดการณ์เพียงเล็กน้อยก็สามารถลดต้นทุนการเก็บรักษาได้อย่างมาก ซึ่งมักจะมีมูลค่าสินค้าคงคลังอยู่ที่ 201,000 ถึง 301,000 ตันต่อปี เมื่อรวมค่าใช้จ่ายในการจัดเก็บ การเสื่อมสภาพ และการขนส่งแล้ว.

การกำหนดเวลาเปลี่ยนและปริมาณสินค้าคงคลังควรคำนึงถึงความสำคัญ ระยะเวลานำส่ง และผลกระทบจากความเสียหายด้วย ฟิวส์ราคาถูกที่มีระยะเวลานำส่งในท้องถิ่นเพียงหนึ่งวัน ไม่จำเป็นต้องใช้ตรรกะการสำรองสินค้าแบบเดียวกับเซ็นเซอร์นำเข้าเฉพาะทางที่มีระยะเวลานำส่ง 8-12 สัปดาห์ ค่า MTTF ช่วยให้คุณประเมินความต้องการที่น่าจะเป็นไปได้ แต่จุดสั่งซื้อซ้ำควรคำนึงถึงความแปรปรวนของเวลาการทำงานและความเสี่ยงของซัพพลายเออร์ด้วย กล่าวอีกนัยหนึ่ง MTTF บอกคุณว่าชิ้นส่วนถูกใช้งานเร็วแค่ไหน การวางแผนการดำเนินงานจะตัดสินว่าคุณสามารถยอมรับความไม่แน่นอนได้มากน้อยเพียงใด.

แบ่งช่วง MTTF ตามสายการผลิต ผู้ผลิต และสภาวะการทำงาน

ค่าเฉลี่ยทั่วทั้งโรงงานอาจปกปิดปัญหาที่แท้จริง ดังนั้นการแบ่งกลุ่มจึงมีความสำคัญ เอ็มทีเอฟเอฟ มูลค่ามักปรากฏขึ้นที่จุดนี้ หากสวิตช์ระยะใกล้ของผู้ขายรายหนึ่งเป็นตัวสุดท้าย 6,200 ชั่วโมง บนสาย A แต่เท่านั้น 3,900 ชั่วโมง ในสายการผลิต C ช่องว่างอาจสะท้อนถึงสภาวะการล้างที่รุนแรงกว่า ความแตกต่างในการติดตั้ง หรือคุณภาพขาเข้าที่ไม่สม่ำเสมอ การพิจารณาเฉพาะค่าเฉลี่ยแบบผสมจะบดบังรูปแบบดังกล่าวและนำไปสู่การตัดสินใจในการจัดเก็บและจัดหาที่ไม่ถูกต้อง นี่คือเหตุผลว่าทำไมความแตกต่างระหว่าง MTTF และ MTBF จึงมีความสำคัญในเชิงปฏิบัติการ: สำหรับชิ้นส่วนที่ใช้แล้วหมดไปหรือซ่อมแซมไม่ได้ คุณจำเป็นต้องเข้าใจอายุการใช้งานตามจำนวนประชากร ไม่ใช่ค่าเฉลี่ยของรอบการซ่อมแซม.

การแบ่งกลุ่มยังช่วยสนับสนุนการตรวจสอบซัพพลายเออร์ด้วยหลักฐาน เมื่อค่า MTTF สูงขึ้นสำหรับสินค้าล็อตใดล็อตหนึ่งหรือพื้นที่การผลิตใดพื้นที่หนึ่ง ฝ่ายจัดซื้อสามารถยกระดับการตรวจสอบด้วยข้อมูลเกี่ยวกับอายุการใช้งาน เวลาที่เกิดความเสียหาย และสายการผลิตที่ได้รับผลกระทบ ซึ่งจะสร้างหลักฐานที่แข็งแกร่งขึ้นสำหรับการเปลี่ยนแปลงการตรวจสอบขาเข้า การเรียกร้องการรับประกัน หรือการจัดหาแหล่งจัดหาทางเลือกอื่น สำหรับวิศวกรด้านความน่าเชื่อถือแล้ว สิ่งนี้จะเปลี่ยน MTTF จากตัวชี้วัดการรายงานไปเป็นเครื่องมือในการเจรจาต่อรอง.

เตรียมพร้อมรับมือกับการปิดระบบตามแผนให้ดียิ่งขึ้น

การเตรียมการหยุดซ่อมบำรุงจะดีขึ้นเมื่อใช้ข้อมูล MTTF (Mean Time to TF) ในการสร้างรายการชิ้นส่วนที่จะเปลี่ยนล่วงหน้า ก่อนการหยุดซ่อมบำรุงรายเดือนหรือรายไตรมาส ทีมงานสามารถระบุชิ้นส่วนที่ใกล้หมดอายุการใช้งานและเปลี่ยนชิ้นส่วนเหล่านั้นได้ในขณะที่ยังสามารถเข้าถึงได้ แทนที่จะรอให้เกิดความล้มเหลวระหว่างการใช้งาน วิธีการนี้มีประโยชน์อย่างยิ่งสำหรับตัวกรอง แบตเตอรี่ เซ็นเซอร์ขนาดเล็ก และชิ้นส่วนอื่นๆ ที่มีราคาไม่แพง แต่จะสร้างความเสียหายอย่างมากเมื่อเกิดความเสียหายโดยไม่คาดคิด ผลลัพธ์ที่ได้คือ งานฉุกเฉินน้อยลง การวางแผนแรงงานที่ดีขึ้น และขอบเขตการหยุดซ่อมบำรุงที่คาดการณ์ได้มากขึ้น.

สิ่งสำคัญคือต้องหลีกเลี่ยงการมอง MTTF เป็นกำหนดเวลาตายตัว อายุการใช้งานจริงจะแตกต่างกันไปเสมอ ดังนั้นตัวชี้วัดนี้ควรใช้กำหนดช่วงเวลาในการวางแผนมากกว่าจุดล้มเหลวที่แน่นอน หลายทีมใช้เปอร์เซ็นต์ของอายุการใช้งานที่คาดไว้ เช่น การตรวจสอบชิ้นส่วนที่ MTTF ในอดีตอยู่ที่ 70% ถึง 80% จากนั้นปรับตามความสำคัญและสภาพการใช้งาน นี่เป็นกฎการบำรุงรักษาที่ใช้งานได้จริงมากกว่าการเปลี่ยนชิ้นส่วนทุกชิ้นเร็วเกินไป หรือรอจนกว่าสินค้าหมดและเกิดการชำรุดจึงบังคับให้ตัดสินใจเปลี่ยน.

วิธีการติดตาม MTTF (เวลาเฉลี่ยในการเกิดข้อผิดพลาด) ในการผลิตด้วยเวิร์กโฟลว์ดิจิทัลและแดชบอร์ด

ใช้ข้อมูลจากแหล่งที่เชื่อถือได้

ถ้าคุณต้องการ เวลาเฉลี่ยก่อนเกิดความล้มเหลว (MTTF) เพื่อสนับสนุนการตัดสินใจด้านการบำรุงรักษาที่แท้จริง การคำนวณต้องเริ่มต้นด้วยข้อมูลต้นทางที่เชื่อถือได้ อย่างน้อยที่สุด โรงงานควรบันทึกรหัสสินทรัพย์ หมายเลขชิ้นส่วนหรือประเภทชิ้นส่วน ชั่วโมงการทำงาน วันที่เกิดความเสียหาย สายการผลิต ผู้จำหน่าย และรหัสความเสียหายสำหรับแต่ละชิ้นส่วนที่เสียหาย หากไม่มีโครงสร้างดังกล่าว แม้ว่าคุณจะรู้วิธีคำนวณ MTTF ผลลัพธ์ก็จะมีความคลาดเคลื่อนมากเกินไปที่จะนำไปเปรียบเทียบระหว่างสายการผลิต ผู้จำหน่าย หรือกลุ่มชิ้นส่วนต่างๆ ได้.

ข้อมูลเวลาการทำงานมีความสำคัญอย่างยิ่ง เพราะเวลาตามปฏิทินเพียงอย่างเดียวอาจบิดเบือนอายุการใช้งานของชิ้นส่วนได้ เซ็นเซอร์ที่ใช้ในสายการเชื่อมแบบสามกะจะสึกหรอเร็วกว่ารุ่นเดียวกันที่ใช้ในสถานีสำรองที่มีภาระงานเบา นี่คือเหตุผลที่ความแตกต่างระหว่าง MTTF และ MTBF มีความสำคัญในเชิงปฏิบัติการ: สำหรับชิ้นส่วนที่ไม่สามารถซ่อมแซมได้ คุณจำเป็นต้องมีบันทึกความล้มเหลวและการเปลี่ยนชิ้นส่วนในระดับชิ้นส่วน ไม่ใช่แค่บันทึกเวลาหยุดทำงานของอุปกรณ์เท่านั้น.

กำหนดมาตรฐานการรายงานความล้มเหลวตั้งแต่ต้นทาง

เดอะ ความไม่สอดคล้องกันของรายงานภาคสนาม เป็นสาเหตุที่เป็นไปได้มากที่สุดที่ทำให้ความแม่นยำลดลงของ เอ็มทีเอฟเอฟ. หากช่างเทคนิคคนหนึ่งบันทึกเซ็นเซอร์ตรวจจับระยะใกล้ที่เสียว่า “เซ็นเซอร์เสีย” อีกคนใช้รหัสของผู้ผลิต และคนที่สามบันทึกโดยใช้ชื่อเครื่องเท่านั้น ข้อมูลของคุณก็จะยากต่อการรวบรวมข้อมูล แบบฟอร์มมือถือมาตรฐานที่มีช่องดรอปดาวน์ ช่องป้อนข้อมูลที่จำเป็น และการแนบรูปภาพจะช่วยให้มั่นใจได้ว่าบันทึกความล้มเหลวทุกรายการสามารถนำไปใช้ในการวิเคราะห์ได้.

ในทางปฏิบัติ หมายความว่าให้แทนที่บันทึกบนกระดาษและการสื่อสารแบบไม่เป็นทางการด้วย... กระบวนการทำงานดิจิทัลที่มีโครงสร้าง. ช่างเทคนิคจะสแกนบาร์โค้ดของสินทรัพย์หรือชิ้นส่วนอะไหล่ เลือกโค้ดความผิดพลาด ป้อนค่าที่อ่านได้ขณะทำงาน ยืนยันหมายเลขล็อตของผู้จำหน่ายหากมี และส่งบันทึกจากสายการผลิต โครงสร้างดังกล่าวทำให้การคำนวณ MTTF (Mean Time to TF) ทำได้ง่ายและสม่ำเสมอมากขึ้น และสามารถใช้ MTTF เพื่อปรับปรุงการวางแผนการบำรุงรักษาแทนที่จะมองว่าเป็นเพียงการคำนวณในสเปรดชีต.

เชื่อมโยงข้อมูลความล้มเหลว ใบสั่งงาน และสินค้าคงคลัง

นี่คือเหตุผลที่การออกแบบขั้นตอนการทำงานมีความสำคัญมากกว่าสูตรคำนวณเสียอีก Jodoo, โรงงานสามารถสร้างแบบฟอร์มที่เชื่อมโยงกันสำหรับการบันทึกความผิดพลาด การเบิกจ่ายชิ้นส่วนอะไหล่ และใบสั่งงานซ่อมบำรุง เพื่อให้เหตุการณ์เดียวอัปเดตหลายรายการโดยอัตโนมัติ เมื่อมีการรายงานชิ้นส่วนที่ชำรุด ระบบเวิร์กโฟลว์สามารถลดสินค้าคงคลังอะไหล่ กระตุ้นการตรวจสอบโดยหัวหน้างานสำหรับความผิดพลาดที่ผิดปกติ และส่งข้อมูลไปยังแดชบอร์ดที่ติดตาม MTTF (เวลาเฉลี่ยในการเกิดความผิดพลาด) ตามสายการผลิต ผู้จำหน่าย และประเภทของชิ้นส่วน.

เนื่องจากข้อมูลถูกจัดเก็บไว้ในระบบเดียว จึงไม่จำเป็นต้องสร้างตัวชี้วัดความน่าเชื่อถือขึ้นใหม่ด้วยตนเองทุกสิ้นเดือน. Jodoo แดชบอร์ดสามารถคำนวณและแสดงแนวโน้มต่างๆ เช่น อายุการใช้งานเฉลี่ยตามรุ่นของเซ็นเซอร์ ความล้มเหลวซ้ำภายใน 30 วัน หรือ MTTF ตามล็อตของซัพพลายเออร์ โดยมีการกำหนดบทบาทการมองเห็นสำหรับหัวหน้างานฝ่ายบำรุงรักษา ฝ่ายจัดซื้อ และฝ่ายผลิต ซึ่งช่วยให้ทีมมีสะพานเชื่อมที่ใช้งานได้จริงระหว่างการติดตามตัวชี้วัด ขั้นตอนแรกคือการคำนวณ MTTF อย่างถูกต้อง และขั้นตอนต่อไปคือการดำเนินการตามผลลัพธ์.

ตัวอย่างที่เป็นรูปธรรมจากซัพพลายเออร์ชิ้นส่วนยานยนต์

ผู้ผลิตชิ้นส่วนยานยนต์รายหนึ่งสามารถใช้ระบบนี้เพื่อติดตามเซ็นเซอร์โฟโตอิเล็กทริกในหลายๆ หน่วยประกอบได้ ช่างเทคนิครายงานความล้มเหลวผ่านแบบฟอร์มบนมือถือ หัวหน้าฝ่ายซ่อมบำรุงอนุมัติบันทึกการเปลี่ยน และแดชบอร์ดจะจัดกลุ่มความล้มเหลวตามล็อตของผู้จำหน่ายและระยะเวลาการทำงานของสายการผลิต ภายในไม่กี่สัปดาห์ ทีมงานสามารถเห็นได้ว่าเซ็นเซอร์ชุดหนึ่งมีอายุการใช้งานเฉลี่ยสั้นกว่าสินค้าที่เทียบเคียงได้มาก ทำให้ฝ่ายจัดซื้อสามารถระงับคำสั่งซื้อใหม่และคัดเลือกผู้จำหน่ายรายอื่นก่อนที่ปัญหาจะทำให้สายการผลิตหยุดชะงัก.

การมองเห็นภาพรวมในลักษณะนี้เองที่เปลี่ยน MTTF จากตัวชี้วัดประสิทธิภาพแบบคงที่ให้กลายเป็นเครื่องมือควบคุมที่ใช้งานได้จริง แทนที่จะมาถกเถียงกันว่าค่าที่ต่ำนั้นเป็นเรื่องบังเอิญหรือไม่ ทีมงานสามารถเจาะลึกไปถึงสายการผลิต ผู้ผลิต และรูปแบบความล้มเหลวที่อยู่เบื้องหลังได้ สำหรับโรงงานที่จัดการชิ้นส่วนสิ้นเปลืองหลายร้อยหรือหลายพันชิ้น ระดับการตรวจสอบย้อนกลับเช่นนี้มักจะเป็นตัวกำหนดความแตกต่างระหว่างการเปลี่ยนชิ้นส่วนแบบแก้ไขปัญหาเฉพาะหน้ากับการควบคุมความน่าเชื่อถืออย่างมีระเบียบวินัย.

สรุป: เปลี่ยน MTTF จากสูตรคำนวณให้เป็นระบบการบำรุงรักษาที่ดีกว่า

เวลาเฉลี่ยก่อนเกิดความล้มเหลว MTTF มีประโยชน์มากที่สุดเมื่อนำไปใช้มากกว่าแค่การรายงาน และเริ่มกำหนดแนวทางการตัดสินใจในการบำรุงรักษาในแต่ละวัน สำหรับวิศวกรด้านการบำรุงรักษาและความน่าเชื่อถือ นั่นหมายถึงการใช้ MTTF เพื่อกำหนดช่วงเวลาการเปลี่ยนชิ้นส่วนที่ชาญฉลาดขึ้น ระบุประเภทชิ้นส่วนที่อ่อนแอ ตรวจสอบประสิทธิภาพของซัพพลายเออร์ และวางแผนสินค้าคงคลังอะไหล่ได้อย่างมั่นใจมากขึ้น ในทางปฏิบัติ MTTF ที่ลดลงมักเป็นสัญญาณเตือนล่วงหน้าว่าสายการผลิต ชุดการผลิตของซัพพลายเออร์ หรือสภาวะการทำงานบางอย่างจำเป็นต้องได้รับการดูแลก่อนที่ความล้มเหลวจะเริ่มส่งผลกระทบต่อผลผลิต คุณภาพ หรือต้นทุนการบำรุงรักษา.

ประเด็นหลักนั้นง่ายมาก: MTTF ช่วยคุณวางแผน, ไม่ใช่แค่การวัดเท่านั้น เมื่อคุณติดตามอย่างสม่ำเสมอควบคู่ไปกับตัวชี้วัดอื่นๆ เช่น MTBF และ MTTR คุณจะเห็นภาพที่ชัดเจนขึ้นว่าส่วนประกอบใดควรเปลี่ยนล่วงหน้า ส่วนประกอบใดที่สามารถจัดเก็บได้อย่างประหยัด และรูปแบบความล้มเหลวเริ่มเปลี่ยนแปลงไปที่ใด นั่นทำให้ MTTF มีคุณค่าไม่เพียงแต่สำหรับการวิเคราะห์ความน่าเชื่อถือเท่านั้น แต่ยังรวมถึงการวางแผนการหยุดซ่อมบำรุง การตัดสินใจซื้อ และการประสานงานข้ามสายงานระหว่างฝ่ายซ่อมบำรุง คลังสินค้า และฝ่ายผลิตด้วย.

หากคุณต้องการทำให้ MTTF ปรากฏให้เห็นในการดำเนินงานประจำวัน, Jodoo สามารถช่วยคุณสร้างเวิร์กโฟลว์การบำรุงรักษาแบบไม่ต้องเขียนโค้ด แปลงใบสั่งงานและกระบวนการอะไหล่ให้เป็นดิจิทัล และตรวจสอบตัวชี้วัดความน่าเชื่อถือในแดชบอร์ดแบบเรียลไทม์โดยไม่ต้องปรับปรุงระบบ CMMS ครั้งใหญ่ คุณสามารถ เริ่มทดลองใช้งานฟรี หรือ จองการสาธิต เพื่อดูว่ามันเหมาะสมกับระบบการบำรุงรักษาของคุณอย่างไร.