Vaak zien we dat er binnen onderhoudsorganisaties weinig aandacht is voor de inrichting en gebruik van het onderhoudsbeheersysteem. Technici hebben niet altijd interesse, focus en tijd om storingen in voldoende detail te registreren. Bevindingen worden vaak als losse tekstregels aan werkorders toegevoegd. Deze informatie biedt onvoldoende mogelijkheden om onderhoudshistorie te analyseren en hier waarde uit te halen voor optimalisatie. Daardoor worden besluiten over het onderhoud en vervangingen genomen op basis van onzekerheden en ervaringen uit het verleden. De onderhoudsafdeling streeft juist naar zekerheid op basis van objectieve en feitelijke inzichten. Toch is er een pragmatische aanpak denkbaar waarmee de werkdruk wordt verlicht, datakwaliteit in het onderhoudsbeheersysteem toeneemt en de assetprestaties uiteindelijk verbeteren. Bijvoorbeeld door de inzet van FRACAS.
Wat is FRACAS?
FRACAS staat voor Failure Reporting, Analysis, and Corrective Action System. Het is een werkwijze waarmee technici storingen op een uniforme wijze rapporteren en classificeren. Door het begrijpen van de faaloorzaken en het mechanisme daarachter, kunnen de juiste maatregelen worden getroffen zodat dezelfde storingen niet opnieuw optreden. Daarbij is het cruciaal om na verloop van tijd te verifiëren of de ingreep effectief is, door bijvoorbeeld te kijken naar de Mean Time Between Failures (MTBF).
Afbeelding: FRACAS-proces (Metrolinx, 2020)
Afhankelijk van de organisatiedoelstellingen kan FRACAS ingezet worden om te zorgen voor een gestandaardiseerde aanpak waarmee je:
- transparant kunt meten en sturen op de assetprestaties en waarmee assetintegriteit en compliance risico’s beheerst worden;
- zorgt voor een snelle en minder foutgevoelige dataregistratie, als basis voor een meer gedetailleerde faalanalyse en het opstellen van rapportages;
- voorziet in de prioritering op basis van analyses bij de opgetreden stroringen;
- effectiviteit van de correctieve maatregelen kunt monitoren en valideren;
- input hebt voor levensduurkosten berekeningen voor het optimaliseren van onderhoudsstrategieën.
Toepassing in de praktijk
Door de assets te inventariseren, een assetdecompositie te beschrijven en storingen op het juiste asset- of installatiedeel te registreren, ontstaat enerzijds inzicht in de onderdelen die zorgen voor de meeste storingen. Anderzijds ontstaat een beeld over de oorzaken achter het faalgedrag. De FRACAS toepassing lijkt eenvoudig en waardevol. Toch is het in de praktijk een uitdaging om op het juiste componentniveau en met de juiste diepgang te achterhalen wat de echte oorzaak is. In de praktijk is er niet altijd voldoende tijd om in detail aanvullend onderzoek uit te voeren. Het is daarom aan te raden om ‘klein’ te beginnen en een selectie uit te voeren, daar waar FRACAS een meerwaarde oplevert. FRACAS geeft inzicht in welke onderdelen de meeste storingen optreden. Hieronder is een fictief voorbeeld te zien, waarbij de meeste meldingen geregistreerd zijn op de afdichtingen. Zo kan het uitvoeren van een Pareto-analyse helpen bij het selectief toepassen van bijvoorbeeld een Root Cause Analysis, om nog beter te begrijpen waardoor storingen op het betreffende onderdeel optreden. In het voorbeeld hieronder focus je dus eerst op het assetonderdeel ‘Afdichtingen’, omdat daar de meeste winst te behalen is.
Figuur: Pareto-analyse met fictieve data
Aandacht voor data is een vereiste om patronen en trends zichtbaar te maken tijdens de levenscyclus van een asset. Het investeren in de inrichting van de storingsregistratie en het verbeterproces eromheen geeft een impuls aan dataverzameling, waarmee de onderhoudshistorie binnen korte tijd kan ontwikkelen van subjectieve onzekerheid, naar objectieve zekerheid. FRACAS ondersteunt onderhoudsafdelingen bij het realiseren van nieuwe inzichten én valideert of weerlegt het onderbuikgevoel.
FRACAS kan in theorie op alle asset- en installatiedelen worden toegepast. Of het nu gaat over centrifugaalpompen, bruggen, productielijnen, mobiele rupskranen of consumentenproducten. Toch levert het registreren in detail, het analyseren en verbeteren van het onderhoud niet overal voldoende waarde op. Om FRACAS effectief in de praktijk toe te passen is een selectie nodig. Dus, waar levert het inzicht en het verbeteren van het faalgedrag een significante vooruitgang op, zodat operationele verstoringen in de toekomst zo min mogelijk optreden? Op basis van kennis en ervaring kan er voorafgaand een selectie worden gemaakt van bijvoorbeeld:
- omvang van aantallen assets;
- diversiteit van het assetportfolio om te benchmarken;
- onderhoudsplichtige assets;
- beschikbare kennis voor het juist beoordelen van het faalgedrag;
- assets met een hoge mate aan correctief onderhoud en bijbehorende kosten.
Een organisatie kan morgen de eerste stap zetten met het aanbrengen van focus, door een selectie te maken binnen het assetportfolio waar FRACAS waarde toevoegt. Ga na of er binnen de organisatie standaardlijsten beschikbaar zijn met faalcodes. Wellicht zijn deze eerder opgesteld tijdens faalanalyses. Zorg daarnaast voor het op orde brengen van de assetdecompositie en houdt het dataregistratie proces tegen het licht. Tot slot blijven menselijke interventies binnen het onderhoudsvak nog altijd een vereiste. Een belangrijke voorwaarde voor succes is dat vakspecialisten voldoende kennis hebben over het faalgedrag en bekwaam zijn voor een technische beoordeling. FRACAS kan alleen succesvol zijn als de randvoorwaarden goed zijn ingeregeld en er synergie is tussen de gebruiker en het systeem.
Aan de slag met FRACAS?
Dit artikel reikt een methode aan om systematisch om te gaan met storingsregistratie en het proces eromheen. Voor de meeste organisaties is deze pragmatische aanpak makkelijk te begrijpen en snel toepasbaar. Het resultaat levert binnen korte tijd inzicht op over het faalgedrag en het wordt mogelijk om de effectiviteit van een maatregel zichtbaar te maken. Bent u op zoek naar de mogelijkheden om uw onderhoud te optimaliseren? Stel uw concrete vraag bij ‘Ask the consultant’ of neem contact met ons op.