LCC–DPM-malli kunnossapidon päätöksenteon tukena

1. Johdanto

Kunnossapidon rooli teollisessa tuotannossa on viime vuosina muuttunut merkittävästi. Perinteinen vikatilanteisiin reagoiva kunnossapito ei enää riitä vastaamaan vaatimuksiin tuotannon kustannustehokkuudesta ja energiatehokkuudesta (Mobley 2002). Samalla päätöksenteon tueksi on yhä enemmän saatavilla dataa kunnossapidon kustannuksista, laitteiden käytöstä ja kunnosta.

Elinkaarikustannusajattelu tarjoaa mahdollisuuden tarkastella tuotantolaitteita kokonaisuutena, jossa hankinta-, käyttö-, kunnossapito- ja energiakustannukset muodostavat yhtenäisen rakenteen (Kelly 2006a). Ennakoivan kunnossapidon päätöksentekomallit puolestaan korostavat tiedon hyödyntämistä vikojen ehkäisyssä ja huoltotoimenpiteiden ajoittamisessa (Yan 2015). Näiden lähestymistapojen yhdistäminen on keskeistä, jotta kunnossapidon päätöksenteosta saadaan läpinäkyvää ja perusteltua.

2. LCC–DPM-mallin lähtökohdat

2.1 Elinkaarikustannusajattelu kunnossapidossa

Life Cycle Costing (LCC) -ajattelun keskeinen periaate on, että tuotantolaitteen todellinen kustannus muodostuu koko sen käyttöiän aikana. Pelkkä hankintahinta ei kuvaa laitteen taloudellista merkitystä, vaan huomio on kiinnitettävä erityisesti kunnossapito- ja energiakustannuksiin, jotka usein muodostavat suurimman osan kokonaiskustannuksista (Mobley 2004).

Kunnossapidon näkökulmasta LCC mahdollistaa kustannusten suhteuttamisen laitteen arvoon ja käyttöikään. Tämä tukee investointien ja huoltotoimenpiteiden ajoitusta sekä auttaa tunnistamaan kohteet, joissa kustannuskehitys poikkeaa normaalista (Kelly 2006b).

2.2 Ennakoivan kunnossapidon päätöksenteko (DPM)

Decision-making for Preventive Maintenance (DPM) korostaa päätöksenteon systemaattisuutta. Päätökset eivät perustu yksittäisiin havaintoihin tai kokemukseen, vaan mitattuun tietoon, trendien analyysiin ja arvioon toimenpiteiden vaikutuksista (Yan 2015).

DPM-mallin keskeisiä vaiheita ovat datan keruu, analysointi, ennustaminen, päätöksenteko ja palautesilmukka. Kuvassa 1 havainnollistettu DPM-mallin toimintaperiaate. Näiden vaiheiden avulla kunnossapitoa voidaan ohjata ennakoivasti ja kustannustehokkaasti (Mobley 2002).

3. Kehitetty LCC–DPM-malli

Opinnäytetyössä kehitetty LCC–DPM-malli yhdistää elinkaarikustannuslaskennan ja ennakoivan kunnossapidon päätöksentekoprosessin yhdeksi kokonaisuudeksi. Mallin toimintaperiaate esitetään kuvassa 2.

Mallin keskeinen vahvuus on se, että jokaisesta päätöksestä jää dokumentoitu jälki: mitä havaittiin, mitä tehtiin ja mitä vaikutuksia sillä oli. Palautesilmukka (vaikutusten arviointi ja tiedon päivitys) tukee kunnossapidon kehittämistä suunnitelmallisesti ja systemaattisesti.

4. Soveltaminen tuotantoympäristössä

Mallia testattiin laskennallisesti tuotantolaitteisiin liittyvän kustannus- ja käyttöaineiston avulla. Tarkastelu osoitti, että tietyillä koneilla kunnossapitokustannukset muodostavat selkeitä kustannuspiikkejä, jotka eivät näy pelkästään vuosikeskiarvoja tarkastelemalla. Tämä havainto on linjassa aiemman tutkimuksen kanssa, jossa korostetaan ennakoivan kunnossapidon merkitystä kustannusten hallinnassa (Mobley 2002).

LCC–DPM-mallin avulla tällaiset kohteet voidaan tunnistaa ajoissa ja kunnossapitotoimenpiteet voidaan ajoittaa hallitusti. Malli ei tee päätöksiä automaattisesti, vaan tarjoaa päätöksenteolle läpinäkyvän ja perustellun analyysipohjan.

5. Hyödyt kunnossapidon kehittämisessä

Kehitetty malli tukee kunnossapidon kehittämistä yhdistämällä taloudelliset ja tekniset näkökulmat samaan päätöksentekokehykseen. Tämä vastaa kunnossapidon johtamisen nykyaikaisia vaatimuksia, joissa päätösten tulee perustua sekä kustannusvaikutuksiin että laitteiden todelliseen kuntoon (Kelly 2006a).

Lisäksi malli tukee energiatehokkuutta ja kestävää tuotantoa, koska kunnossapidon onnistuminen vaikuttaa epäsuorasti myös energiankulutukseen ja laitteiden käyttöikään (Mobley 2004).

6. Johtopäätökset

LCC–DPM-malli tarjoaa kunnossapidolle rakenteellisen ja käytännöllisen päätöksenteon työkalun. Sen avulla kunnossapito siirtyy tukitoiminnosta strategiseksi osaksi tuotannon ohjausta. Malli soveltuu erityisesti teollisiin ympäristöihin, joissa käytettävissä on kunnossapidon kustannusdataa ja halu kehittää toimintaa ennakoivaan suuntaan.

Jatkokehityksen kannalta keskeistä on datan laadun parantaminen ja kunnonvalvonnan laajempi hyödyntäminen, jolloin mallin ennustava kyky vahvistuu entisestään (Yan 2015). Malli tarjoaa kunnossapidon johdolle konkreettisen työkalun päätöksenteon tueksi tilanteissa, joissa kustannusten ja käyttövarmuuden välinen tasapaino on kriittinen

Lähteet

Mobley, R. K. 2002. An Introduction to Predictive Maintenance. 2nd ed. Oxford: Butterworth-Heinemann.

Mobley, R. K. 2004. Maintenance Fundamentals. 2nd ed. Burlington: Butterworth-Heinemann.

Kelly, A. 2006a. Strategic Maintenance Planning. Oxford: Butterworth-Heinemann.

Kelly, A. 2006b. Maintenance Systems and Documentation. Oxford: Butterworth-Heinemann.

Yan, J. 2015. Machinery Prognostics and Prognosis-Oriented Maintenance Management. London: Springer.

---

Kirjoittajat

Marika Ojala, YAMK-opiskelija, Savonia-ammattikorkeakoulu

Pasi Heiskanen, erityisasiantuntija, Savonia-ammattikorkeakoulu