Studium przypadku
Inteligentne monitorowanie ratuje życie
75% redukcja kosztów na monitorowaną maszynę
Ponad 750 000 USD oszczędności dzięki wczesnej identyfikacji problemu
3 katastrofalne awarie, którym udało się zapobiec
WYZWANIE
Wiodący szpital edukacyjno-badawczy musiał zapewnić nieprzerwaną sprawność maszyn, z których korzystał. Ponieważ elektrownia działająca na terenie szpitala dostarcza energię wykorzystywaną do zasilania sprzętu o krytycznym znaczeniu dla życia, awaria maszyn nie wchodziła w grę. Wcześniej zespół odpowiedzialny za konserwację zlecił analizę w zakresie konserwacji predykcyjnej (PdM) stronie trzeciej. Jednak wyniki były niejasne, ogólne i nie umożliwiały podejmowania właściwych działań. Kulminacja nastąpiła, gdy doszło do niespodziewanej awarii kluczowej pompy. Wtedy zespół odpowiedzialny za konserwację wiedział już, że musi znaleźć partnera, który pomoże przekształcić jego program konserwacji.
ROZWIĄZANIE
Dzięki ciągłemu monitorowaniu szpitalny zespół odpowiedzialny za konserwację jest teraz w stanie planować konserwację w oparciu o stan maszyn, aby aktywnie rozwiązywać pojawiające się problemy i zapobiegać przestojom. Dzięki dostarczaniu informacji zarówno na poziomie maszyn, jak i obiektu, zespół może skupić się na sprzęcie wymagającym najpilniejszej uwagi, zmniejszając liczbę godzin marnowanych na konserwację zapobiegawczą (PM) i eliminując nieoczekiwane awarie, co przekłada się na gwarancję sprawności szpitalnego sprzętu, który jest najważniejszy podczas ratowania życia.
REZULTAT
W ciągu pierwszych 12 miesięcy od wdrożenia program konserwacji w szpitalu został przekształcony. Inteligentne algorytmy wykryły 3 potencjalne, katastrofalne awarie w układzie pary i wody lodowej – awarie, które, w przypadku gdyby nie zostały wykryte, spowodowałyby, że całkowity koszt konserwacji przekroczyłby 750 000 USD. Oprócz tych oszczędności kosztów, łatwość skalowania sprawiła, że zespół odpowiedzialny za konserwację był w stanie zwiększyć liczbę monitorowanych maszyn z 44 do 155, jednocześnie zmniejszając średni koszt w przeliczeniu na monitorowaną maszynę o 75%.