Auteur: Karl D’haveloose

De ‘gemiddelde tijd tot reparatie’- en ‘gemiddelde tijd tussen storing’-statistieken kunnen worden gebruikt om de prestaties van assets, onderhoudsteams en individuen te volgen. Twee veelgebruikte meeteenheden binnen activabeheer, die ondanks de opkomst van nieuwe analysetechnologieën zoals voorspellend onderhoud aan belang hebben gewonnen, zijn de ‘gemiddelde tijd tot reparatie’ (MTTR) en de ‘gemiddelde tijd tussen storingen’(MTBF). Hoewel deze meetgegevens al jaren op grote schaal worden gebruikt, krijgen ze niet altijd de aandacht die ze verdienen, wat leidde tot enige verwarring onder eindgebruikers over hoe ze op de juiste manier moeten worden berekend en hoe de resultaten moeten worden toegepast.

Ik viel op een interessante podcast met Sam Russem, senior director van smart manufacturing solutions bij Grantek, een bedrijf voor systeemintegratie en engineering services, om meer te weten te komen over MTTR en MTBF.

Beide termen en toepassing duiden

Russem begon zijn podcast met een focus op MTTR en zei: “Het is in wezen de gemiddelde tijd die nodig is om een bedrijfsmiddel terug aan de praat te krijgen, nadat het is uitgevallen. Dus als je casepacker om twaalf uur 's middags uitvalt en je hebt hem om half één weer aan de praat, dan duurde de reparatie 30 minuten. Dat is de reparatietijd. Als je dan het gemiddelde neemt van al die periodes van stilstand over een bepaalde tijdspanne, dan is dat de gemiddelde reparatietijd over die periode.”

Wat de concrete toepassing van MTTR betreft, legt Russem uit dat als je stelt dat de MTTR van de meeste bedrijfsassets tussen de 10 en 20 minuten ligt, maar één belangrijk apparaat een MTTR heeft die uren of dagen vereist, dit soort inzicht je kan helpen om de juiste prioriteiten te stellen in je onderhoudsschema en de productie draaiende te houden. Een ander veelgebruikt gebruik van MTTR is het evalueren van onderhoudsteams, of zelfs individuele onderhoudsmedewerkers.

“Onderhoud wil altijd de MTTR omlaag brengen, omdat dat betekent dat ze dingen sneller weer aan de praat krijgen in geval van downtime. Maar als je naar de gegevens kijkt en je realiseert je dat een bepaalde onderhoudstechnicus consequent een lagere MTTR heeft dan een andere technicus, dan kan dit een trainingsmogelijkheid zijn om de kennis van die werknemer te verspreiden. Het kan je ook veel vertellen over hoe je onderhoudsteam heeft gepresteerd.”

Russem beweert dat MTBF (gemiddelde tijd tot storing) veel lijkt op MTTR in die zin dat ze beide gericht zijn op de duur van specifieke stilstandsgebeurtenissen voor een apparaat. Het belangrijkste verschil is volgens hem dat MTBF veel meer een indicator is van de prestaties van je machine en bedrijfsmiddelen dan dat het een personeelsbeoordeling is.

“Het is echt een interessante metriek om in de loop van de tijd te onderzoeken, want als je een bedrijfsmiddel hebt met een MTBF van 30 dagen en dat cijfer daalt naar 28 dagen, vervolgens naar 25 en blijft uitvallen, dan geeft dat aan dat het bedrijfsmiddel toe is aan onderhoud of een ander soort herstel dat de uitval beperkt.”

Voordelen van onderhoud

Naast de toepassing van MTTR en MTBF om onderhoudsteams en de prestaties van bedrijfsmiddelen te evalueren, kunnen deze meetgegevens ook worden gebruikt om reparatiepercentages bij te houden: niet alleen per bedrijfsmiddel, maar ook per specifieke foutcode op dat bedrijfsmiddel.
“Dit kan helpen om meer prioriteit te geven aan onderhoudsactiviteiten en om de planning van het onderhoudsteam te organiseren”, aldus Russem.

 “Als een specifieke machine vastloopt bij de invoer en we weten dat het meestal 15 minuten kost om deze te repareren, kan dit het onderhoudsteam helpen bij het organiseren van hun planning,” zegt hij. “Aan de operationele kant moet je overwegen hoe MTTR kan worden gekoppeld aan operationele meetgegevens. Bijvoorbeeld, als je je MTTR verbetert, zou je dit moeten terugzien in een hogere beschikbaarheid van middelen en een verbeterde OEE-score (overall equipment effectiveness).”

MTBF kan ook worden gebruikt om mogelijkheden voor geplande stilstand te identificeren. “Als een machine het bijvoorbeeld elke twee weken laat afweten en er is een geplande stilstandtijd voor preventief onderhoud aan die machine, dan kan dat wijzen op mogelijkheden om die MTBF-getallen wat hoger te krijgen en dingen langer te laten draaien”, aldus Russem. “Aan de operationele kant betekenen lagere MTBF-getallen dat productiemiddelen vaker uitvallen en de algehele productiviteit schaden. Met andere woorden, er zijn situaties waarin operatoren de MTBF-tijd direct kunnen beïnvloeden, bijvoorbeeld als je een operator hebt die weet hoe hij machineparameters moet aanpassen om de doorvoer te verhogen. Maar dat kan de MTBF verlagen door de lijn vaker uit te schakelen, waardoor de algemene productiviteit daalt. Daarom is MTBF een van die getallen die je kunnen helpen om de complete effectiviteit van een lijn en de invloed ervan op de volledige doorvoer te begrijpen en in balans te brengen.”

Eenvoudige berekening

Gelukkig zijn MTBF en MTTR vrij eenvoudig te berekenen. Zoals Russem opmerkte is het enige wat je echt nodig hebt om deze statistieken te berekenen, te weten wanneer je bedrijfsmiddelen uitvallen en wanneer ze weer aanstaan.

 “Zolang je die informatie hebt, kun je MTTR en MTBF berekenen. Daarom zijn er veel softwarepakketten, zoals OEE en CMMS (geautomatiseerde onderhoudsbeheersystemen), die deze berekeningen kunnen uitvoeren op basis van onderhouds- en operatorlogboeken”, aldus Russem. “Maar dat betekent niet, als je niet over zo'n systeem beschikt, dat je deze informatie niet zelf kunt verkrijgen. Zolang je die informatie over de beschikbaarheid van bedrijfsmiddelen hebt, ben je maar één Excel-sheet en een snelle berekening verwijderd van het uitzoeken en bijhouden van deze cijfers.”

In principe kan elke software, die verbonden is met je machinegegevens of die informatie uit operator- of onderhoudslogboeken ontvangt, je helpen om deze meetgegevens te verkrijgen. Het gebruik van CMMS- en OEE-software voor het berekenen van MTTR en MTBF kan je ook helpen om meer inzicht te krijgen in moeilijk te bepalen operationele inzichten. Russem stelde dat MTTR en MTBF interessanter kunnen worden wanneer getallen (van verschillende softwaresystemen) niet overeenkomen. Een OEE-systeem kan bijvoorbeeld gegevens rechtstreeks uit PLC's halen, terwijl een CMMS waarschijnlijk is gekoppeld aan onderhoudslogboeken. Wanneer operatoren of onderhoudspersoneel gegevens invoeren in een van deze systemen, kunnen verschillen in de manier waarop deze twee systemen rapporteren waardevolle inzichten geven in hoe goed operations en onderhoud op elkaar zijn afgestemd.