Phân tích bảo trì bằng AI giúp giảm sửa chữa khẩn cấp

I. Phân tích bảo trì bằng AI là gì?

Phân tích bảo trì bằng AI là quá trình sử dụng trí tuệ nhân tạo, học máy, xử lý ngôn ngữ tự nhiên và các phương pháp phân tích dữ liệu để nhận biết quy luật trong hoạt động bảo trì.

Dữ liệu đầu vào có thể bao gồm:

• Lịch sử lệnh công việc.
• Loại sự cố và mã lỗi.
• Ghi chú của kỹ thuật viên.
• Thời gian dừng máy.
• Thời gian sửa chữa.
• Chi phí nhân công và phụ tùng.
• Lịch bảo trì phòng ngừa.
• Mức độ quan trọng của thiết bị.
• Dữ liệu tồn kho phụ tùng.
• Thông số nhiệt độ, độ rung, áp suất hoặc dòng điện từ cảm biến.
• Dữ liệu vận hành từ hệ thống sản xuất, ERP, MES, SCADA hoặc BMS.

AI tìm kiếm mối quan hệ giữa các dữ liệu này để xác định thiết bị bất thường, dự đoán khả năng phát sinh sự cố hoặc đề xuất công việc cần ưu tiên.

II. Phân tích bảo trì bằng AI không chỉ dành cho dữ liệu cảm biến

Khi nhắc đến AI trong bảo trì, nhiều doanh nghiệp nghĩ ngay đến việc phải gắn cảm biến IoT trên toàn bộ thiết bị. Đây là một hướng triển khai có giá trị nhưng không phải điểm khởi đầu bắt buộc.

Lịch sử lệnh công việc trong CMMS đã chứa nhiều tín hiệu quan trọng như:

• Máy nào hỏng nhiều nhất.
• Bộ phận nào thường xuyên phải thay.
• Sự cố xuất hiện vào thời điểm nào.
• Công việc bảo trì nào thường bị trì hoãn.
• Nhóm thiết bị nào tạo ra nhiều thời gian dừng máy.
• Sửa chữa nào phải thực hiện lại nhiều lần.
• Ca làm việc nào gặp nhiều sự cố hơn.
• Phụ tùng nào thường thiếu khi có hỏng hóc.

Chỉ cần dữ liệu được chuẩn hóa tương đối tốt, doanh nghiệp đã có thể sử dụng AI để phân tích lỗi lặp lại, đánh giá rủi ro và ưu tiên công việc mà chưa cần triển khai cảm biến trên diện rộng.

III. Bốn Phân Tích Cốt Lõi Của AI giúp giảm sửa chữa khẩn cấp

Vậy cơ chế nào giúp phân tích bảo trì bằng AI có thể mạnh mẽ đến vậy? Các giải pháp AI tiên tiến thường tập trung vào bốn phân tích chiến lược sau, và đây cũng chính là kim chỉ nam để bạn đánh giá hiệu quả của một phần mềm CMMS hiện đại.

1. Phân tích lỗi lặp lại

Phân tích lỗi lặp lại tìm kiếm những thiết bị liên tục phát sinh cùng một dạng sự cố trong một khoảng thời gian nhất định.

Hệ thống có thể thiết lập quy tắc cảnh báo như:

• Thiết bị phát sinh từ ba lệnh sửa chữa trở lên trong 90 ngày.
• Cùng một bộ phận được thay nhiều lần trong sáu tháng.
• Một lệnh công việc được mở lại trong vòng 14 ngày sau khi đóng.
• Thời gian giữa hai lần hỏng đang giảm dần.
• Chi phí sửa chữa lũy kế vượt ngưỡng quy định.

Khi phát hiện lỗi lặp lại, người quản lý không nên chỉ tăng số lần kiểm tra. Cần xem xét đồng thời:

• Chất lượng phụ tùng.
• Sai lệch lắp đặt.
• Điều kiện vận hành.
• Tải thực tế.
• Năng lực kỹ thuật viên.
• Nội dung danh mục công việc bảo trì.
• Khả năng phải đại tu hoặc thay thế thiết bị.

Ví dụ về lỗi lặp lại

Một bơm nước làm mát phát sinh bốn sự cố rò rỉ phớt trong năm tháng. Mỗi lần, đội bảo trì thay phớt và đưa thiết bị trở lại vận hành.

AI phân tích ghi chú kỹ thuật viên và nhận thấy ba trong bốn sự cố đều xuất hiện sau khi bơm hoạt động ở lưu lượng thấp. Dữ liệu rung cũng tăng ở cùng thời điểm.

Kết quả này gợi ý nguyên nhân có thể không nằm riêng ở phớt. Đội kỹ thuật cần kiểm tra điều kiện vận hành, hiện tượng xâm thực, độ đồng tâm, đường ống và điểm làm việc của bơm.

Khi nguyên nhân vận hành được xử lý, doanh nghiệp có thể ngăn lần hỏng tiếp theo thay vì tiếp tục thay phớt.

2. Chấm điểm rủi ro bảo trì quá hạn

Không phải mọi công việc quá hạn đều có mức độ nguy hiểm như nhau.

Một công việc kiểm tra ngoại quan bị chậm hai ngày trên thiết bị dự phòng có thể ít rủi ro hơn công việc kiểm tra hệ thống an toàn bị chậm một ngày trên dây chuyền chính.

AI có thể chấm điểm rủi ro bằng cách kết hợp nhiều yếu tố.

Một công thức minh họa có thể được xây dựng như sau:

Các thành phần được chuẩn hóa theo thang điểm từ 0 đến 100.

Ví dụ:

• Mức độ quan trọng của thiết bị: 90 điểm.
• Mức độ quá hạn: 70 điểm.
• Tần suất hỏng: 80 điểm.
• Ảnh hưởng dừng máy: 100 điểm.
• Rủi ro phụ tùng: 60 điểm.

Điểm rủi ro bằng:

Kết quả bằng 81,5 điểm.

Doanh nghiệp có thể quy định:

• Từ 80 điểm trở lên: xử lý ngay.
• Từ 60 đến dưới 80 điểm: lập kế hoạch trong thời gian gần nhất.
• Từ 40 đến dưới 60 điểm: theo dõi và bố trí theo năng lực nguồn lực.
• Dưới 40 điểm: xử lý theo lịch thông thường.

Trọng số trên chỉ là ví dụ. Mỗi doanh nghiệp cần điều chỉnh theo đặc điểm sản xuất, an toàn, chất lượng và mức độ dự phòng của thiết bị.

3. Phân cụm dạng hư hỏng

Một sự cố riêng lẻ có thể chưa nói lên nhiều điều. Nhưng khi nhiều thiết bị cùng xuất hiện một kiểu hỏng trong một khoảng thời gian, doanh nghiệp có thể đang đối mặt với vấn đề mang tính hệ thống.

Ví dụ:

• Nhiều tủ điện phát sinh lỗi quá nhiệt vào mùa hè.
• Động cơ tại cùng một khu vực thường xuyên bị bụi xâm nhập.
• Các băng tải của cùng nhà cung cấp đều gặp lỗi hộp giảm tốc.
• Bơm ở ca đêm có tỷ lệ chạy khô cao hơn các ca khác.
• Cảm biến trên một dây chuyền thường mất tín hiệu sau khi vệ sinh.
• Vòng bi của nhiều thiết bị hỏng sớm sau khi thay đổi loại mỡ bôi trơn.

AI có thể nhóm lệnh công việc dựa trên:

• Thiết bị và nhóm thiết bị.
• Mã lỗi.
• Nguyên nhân.
• Vị trí.
• Thời gian.
• Điều kiện môi trường.
• Ca sản xuất.
• Nhà cung cấp.
• Phụ tùng được sử dụng.
• Nội dung ghi chú của kỹ thuật viên.

Khả năng phân cụm giúp đội bảo trì nhìn thấy nguyên nhân chung thay vì tiếp tục xử lý từng triệu chứng riêng biệt.

4. Phân tích thất thoát chi phí bảo trì

Chi phí của một yêu cầu khẩn cấp không chỉ gồm tiền phụ tùng và giờ công sửa chữa.

Tổng chi phí có thể bao gồm:

• Thời gian dừng dây chuyền.
• Sản lượng bị mất.
• Phế phẩm trong quá trình dừng và khởi động lại.
• Nhân công làm thêm giờ.
• Phí vận chuyển phụ tùng khẩn cấp.
• Chi phí thuê nhà thầu.
• Thiệt hại do giao hàng chậm.
• Rủi ro an toàn.
• Ảnh hưởng đến tuổi thọ của thiết bị liên quan.
• Chi phí cơ hội của các công việc kế hoạch bị trì hoãn.

AI có thể tách chi phí bảo trì theo thiết bị, vị trí, dạng hỏng và loại công việc. Điều này giúp ban lãnh đạo nhìn thấy chi phí thật của việc trì hoãn bảo trì phòng ngừa.

Một cách tính đơn giản:

Chi phí dừng máy có thể được ước tính bằng:

Phương pháp này không cần chính xác tuyệt đối ngay từ đầu. Quan trọng là doanh nghiệp sử dụng một nguyên tắc tính nhất quán để so sánh các thiết bị và đánh giá hiệu quả cải tiến.

IV. Chu trình biến dữ liệu bảo trì thành hành động

Phân tích chỉ tạo ra giá trị khi kết quả được chuyển thành hành động cụ thể. Một chu trình hoàn chỉnh có thể gồm sáu bước.

1. Bước 1: Lệnh công việc được hoàn thành

Sau khi sửa chữa, kỹ thuật viên cập nhật đầy đủ:

• Thiết bị.
• Hiện tượng.
• Dạng hư hỏng.
• Nguyên nhân.
• Biện pháp xử lý.
• Thời gian bắt đầu và kết thúc.
• Phụ tùng đã sử dụng.
• Hình ảnh trước và sau sửa chữa.
• Khuyến nghị theo dõi.

Dữ liệu đóng lệnh là nguyên liệu đầu vào quan trọng nhất của hệ thống phân tích.

2. Bước 2: Dữ liệu được làm sạch và chuẩn hóa

Hệ thống kiểm tra bản ghi thiếu trường thông tin, mã thiết bị không hợp lệ, tên phụ tùng trùng lặp và đơn vị đo không nhất quán.

Các ghi chú dạng văn bản được phân loại theo chủ đề hoặc liên kết với danh mục mã lỗi.

3. Bước 3: AI phát hiện quy luật

Mô hình phân tích tần suất hỏng, xu hướng chi phí, thời gian giữa hai lần hỏng, công việc quá hạn và mối liên hệ giữa các yếu tố.

Những trường hợp bất thường được đánh dấu để người quản lý xem xét.

4. Bước 4: Rủi ro được hiển thị theo thứ tự ưu tiên

Bảng điều khiển không nên chỉ hiển thị số lượng công việc. Nó cần trả lời rõ:

• Thiết bị nào cần chú ý.
• Vì sao thiết bị được cảnh báo.
• Rủi ro có thể xảy ra.
• Dữ liệu nào dẫn đến kết luận.
• Hành động đề xuất.
• Thời hạn cần xử lý.

Khả năng giải thích đặc biệt quan trọng trong môi trường công nghiệp. Người quản lý cần hiểu vì sao AI đưa ra cảnh báo trước khi quyết định dừng máy hoặc thay đổi kế hoạch bảo trì. Nghiên cứu về AI có khả năng giải thích trong bảo trì dự đoán cũng nhấn mạnh vai trò của tính minh bạch đối với mức độ tin cậy của người vận hành.

5. Bước 5: Kế hoạch bảo trì được điều chỉnh

Dựa trên kết quả phân tích, doanh nghiệp có thể:

• Tăng hoặc giảm tần suất bảo trì.
• Bổ sung hạng mục kiểm tra.
• Chuyển từ thay thế định kỳ sang kiểm tra theo tình trạng.
• Lập kế hoạch đại tu.
• Chuẩn bị phụ tùng trước.
• Đào tạo lại kỹ thuật viên.
• Điều chỉnh điều kiện vận hành.
• Thay đổi nhà cung cấp phụ tùng.
• Đề xuất thay mới thiết bị.

6. Bước 6: Kết quả được đo lường

Sau mỗi thay đổi, hệ thống cần theo dõi xem số sự cố, thời gian dừng và chi phí có giảm hay không.

Nếu không có kết quả, đội bảo trì phải xem lại giả thuyết, dữ liệu hoặc hành động đã lựa chọn.

AI không nên được xem là một dự án triển khai một lần. Đây là chu trình học hỏi liên tục giữa dữ liệu, con người và thiết bị.

VI. CMMS EcoMaint hỗ trợ doanh nghiệp xây dựng nền tảng bảo trì dựa trên dữ liệu

Doanh nghiệp không nhất thiết phải bắt đầu bằng một dự án AI quy mô lớn. Bước đi thực tế hơn là chuẩn hóa dữ liệu, số hóa quy trình và tạo ra lịch sử bảo trì có thể phân tích.

Khi được cấu hình phù hợp, phần mềm quản lý bảo trì CMMS EcoMaint có thể đóng vai trò là nền tảng tập trung để doanh nghiệp:

• Quản lý danh mục và lịch sử thiết bị.
• Chuẩn hóa quy trình tiếp nhận yêu cầu.
• Theo dõi lệnh công việc từ khi phát sinh đến khi hoàn thành.
• Lập và giám sát kế hoạch bảo trì phòng ngừa.
• Ghi nhận lỗi, nguyên nhân và biện pháp xử lý.
• Quản lý vật tư, phụ tùng và chi phí.
• Theo dõi các chỉ số bảo trì.
• Hình thành nguồn dữ liệu phục vụ phân tích nâng cao.

Điểm đáng chú ý không chỉ nằm ở việc số hóa phiếu sửa chữa. Giá trị lớn hơn là khả năng biến dữ liệu hằng ngày của kỹ thuật viên thành nguồn thông tin hỗ trợ quản lý rủi ro thiết bị.

Doanh nghiệp có thể bắt đầu bằng một câu hỏi rất cụ thể: Trong số các thiết bị đang vận hành, tài sản nào có khả năng tạo ra yêu cầu khẩn cấp tiếp theo?

Khi lịch sử lệnh công việc, PM quá hạn, tần suất hỏng và chi phí được tập trung trên cùng một nền tảng, câu hỏi này có thể được trả lời bằng dữ liệu thay vì cảm tính.

VII. Kết luận

Phân tích bảo trì bằng AI không đơn thuần là sử dụng thuật toán để dự đoán thời điểm máy hỏng. Giá trị lớn nhất của công nghệ này là giúp doanh nghiệp nhìn thấy những dấu hiệu rủi ro đang bị che khuất trong hàng nghìn lệnh công việc, ghi chú kỹ thuật và công việc bảo trì quá hạn.

Một chương trình triển khai hiệu quả cần tập trung vào bốn khả năng:

• Nhận diện lỗi lặp lại.
• Ưu tiên PM quá hạn theo rủi ro.
• Phát hiện cụm nguyên nhân hệ thống.
• Làm rõ chi phí của bảo trì ngoài kế hoạch.

Tuy nhiên, AI không thể tạo ra kết quả bền vững nếu dữ liệu thiết bị không thống nhất, kỹ thuật viên không cập nhật lệnh công việc hoặc cảnh báo không được chuyển thành hành động.

Doanh nghiệp nên bắt đầu từ một phạm vi nhỏ, một bài toán cụ thể và một bộ chỉ số có thể đo lường. Sau khi dữ liệu được chuẩn hóa và quy trình phản hồi cảnh báo vận hành ổn định, hệ thống có thể được mở rộng sang bảo trì dự đoán, dữ liệu cảm biến và các mô hình khuyến nghị nâng cao.

VIII. Câu hỏi thường gặp

1. Phân tích bảo trì bằng AI có cần lắp cảm biến IoT không?

Không bắt buộc. Doanh nghiệp có thể bắt đầu bằng lịch sử lệnh công việc, lịch PM, thời gian dừng máy, chi phí và ghi chú của kỹ thuật viên. Cảm biến IoT nên được bổ sung cho thiết bị trọng yếu hoặc trường hợp cần theo dõi tình trạng liên tục.

2. Doanh nghiệp cần bao nhiêu dữ liệu để bắt đầu?

Một vài tháng dữ liệu có thể đủ để nhận diện lỗi lặp lại rõ ràng. Khi cần phân tích xu hướng, mùa vụ hoặc dự báo hư hỏng, dữ liệu từ sáu đến mười hai tháng thường cung cấp cơ sở tốt hơn. Chất lượng và tính nhất quán của dữ liệu quan trọng không kém số lượng.

3. AI có thể tự động tạo lệnh công việc không?

Có thể thiết lập hệ thống tạo lệnh hoặc đề xuất lệnh khi điểm rủi ro vượt ngưỡng. Tuy nhiên, với thiết bị quan trọng, doanh nghiệp nên có bước xác minh và phê duyệt của người có chuyên môn trước khi dừng máy hoặc thực hiện công việc lớn.

4. AI có thay thế kỹ sư bảo trì không?

Không. AI hỗ trợ xử lý dữ liệu, phát hiện quy luật và ưu tiên công việc. Kỹ sư vẫn chịu trách nhiệm đánh giá điều kiện thực tế, phân tích nguyên nhân gốc và lựa chọn giải pháp kỹ thuật.

5. Làm thế nào để biết AI đang tạo ra giá trị?

Doanh nghiệp cần so sánh các chỉ số trước và sau triển khai như tỷ lệ lệnh khẩn cấp, thời gian dừng máy, MTBF, MTTR, lỗi lặp lại, PM đúng hạn và chi phí bảo trì ngoài kế hoạch.

6. CMMS có vai trò gì trong phân tích bảo trì?

CMMS cung cấp dữ liệu lịch sử, quản lý quy trình và chuyển kết quả phân tích thành lệnh công việc có người chịu trách nhiệm. Không có nền tảng quản lý dữ liệu và hành động, cảnh báo AI dễ bị bỏ qua hoặc không được theo dõi đến cùng.