Jak zwiększyć MTBF w produkcji — plan na 90 dni

Najpewniejsza droga do zwiększenia MTBF łączy trzy działania: naprawę jakości danych o awariach, priorytetyzowaną konserwację zapobiegawczą dla krytycznych aktywów i pilotażowy monitoring predykcyjny. Każde z nich osobno przynosi efekty, ale razem tworzą efekt mnożnikowy, który widać już po pierwszym kwartale.

Trzy priorytety do wdrożenia od zaraz:

1. Naprawa danych i właściwe zliczanie awarii. Sprawdź, czy Twój CMMS rozróżnia awarie nieplanowane od planowanych przestojów. Jeśli nie, każda liczba MTBF, którą teraz masz, jest zaniżona i myląca.
2. Priorytetyzowana prewencja dla krytycznych aktywów. Zidentyfikuj 10 maszyn o najwyższym koszcie przestoju i upewnij się, że mają aktywny harmonogram przeglądów. To jeden krok, który zwykle skraca listę powtarzających się awarii o połowę.
3. Pilotaż monitoringu kondycji. Wybierz kilka maszyn z historią powtarzających się awarii i podłącz podstawowe sensory (wibracje, temperatura). Dane z pierwszych tygodni pokażą, czy anomalie pojawiają się przed awarią.

Jak zmierzyć efekt natychmiast:

• Liczba nieplanowanych godzin przestoju tygodniowo (cel: trend spadkowy)
• MTBF dla top-10 krytycznych aktywów (cel: wzrost kwartał do kwartału)
• Dostępność: Dostępność = MTBF / (MTBF + MTTR), gdzie MTTR to średni czas naprawy

Plan na pierwszy tydzień:

• Technicy: audyt ostatnich 90 dni zdarzeń w CMMS, oznaczenie każdego zdarzenia jako planowane lub nieplanowane
• Kierownik utrzymania: lista 10 krytycznych aktywów z kosztem godziny przestoju, weryfikacja harmonogramów przeglądów

Kluczowe wnioski

Najskuteczniejsza strategia zwiększenia MTBF łączy poprawę jakości danych, priorytetyzowaną konserwację zapobiegawczą i monitoring predykcyjny, realizowane w sekwencji 30–60–90 dni.

Spis treści

• Czym jest MTBF i kiedy ta metryka ma sens?
• Jakie czynniki obniżają MTBF w Twoim zakładzie?
• Które metody zwiększania MTBF działają najszybciej?
• Jak prawidłowo mierzyć MTBF i nie dać się zmylić złym danym?
• Jak policzyć ROI projektu poprawy MTBF?
• Plan wdrożenia: co zrobić w ciągu 90 dni?
• Jak Synaptix-platform operacyjnie podnosi MTBF?
• Gdzie większość zespołów UR traci czas i pieniądze
• Synaptix-platform skraca drogę od danych do decyzji serwisowej
• Źródła

Czym jest MTBF i kiedy ta metryka ma sens?

MTBF (Mean Time Between Failures) to średni czas pracy maszyny między kolejnymi awariami nieplanowanymi. Wzór jest prosty:

MTBF = całkowity czas pracy ÷ liczba awarii

Przykład: maszyna pracuje przez 480 godzin i ulega 4 awariom. MTBF = 480 ÷ 4 = 120 godzin. To oznacza, że statystycznie co 120 godzin pracy należy spodziewać się kolejnej awarii.

Kluczowe zastrzeżenie: do mianownika wchodzą wyłącznie awarie nieplanowane. Planowe przeglądy, wymiany filtrów czy przestoje produkcyjne nie są awariami i nie mogą obniżać MTBF. To najczęstszy błąd w polskich zakładach produkcyjnych.

Kiedy MTBF, a kiedy MTTF lub MTTR?

Zgodnie z rozróżnieniem stosowanym w inżynierii niezawodności, MTBF dotyczy aktywów naprawialnych, czyli silników, pomp, sprężarek. MTTF (Mean Time To Failure) stosuje się dla elementów nienaprawialnych: łożysk jednorazowych, bezpieczników, żarówek. Mylenie tych dwóch wskaźników prowadzi do błędnych decyzji o wymianie versus naprawie.

Dostępność systemu wyznaczają łącznie MTBF i MTTR: Dostępność = MTBF / (MTBF + MTTR).

Ograniczenia MTBF, o których rzadko się mówi:

• MTBF to średnia statystyczna, nie gwarancja. Maszyna z MTBF = 120 h może ulec awarii po 10 h lub po 300 h.
• W fazie „śmiertelności dziecięcej“ (pierwsze tygodnie po uruchomieniu lub naprawie) awarie są częstsze niż sugeruje MTBF. Podobnie w fazie zużycia zmęczeniowego pod koniec cyklu życia.
• Przy małej liczbie awarii (mniej niż 10 zdarzeń w analizowanym okresie) MTBF jest statystycznie niewiarygodny.

Dlatego specjaliści rekomendują łączenie MTBF z monitoringiem kondycji i prognozowaniem RUL (Remaining Useful Life), a nie traktowanie go jako jedynej metryki niezawodności.

Jakie czynniki obniżają MTBF w Twoim zakładzie?

Zanim zaczniesz działać, musisz wiedzieć, co faktycznie powoduje awarie. Przyczyny dzielą się na dwie grupy, które wymagają różnych interwencji.

Przyczyny techniczne:

• Komponenty niskiej jakości lub nieoryginalne zamienniki (szczególnie łożyska, uszczelnienia, pasy napędowe)
• Praca poza parametrami projektowymi: przeciążenia, zbyt wysoka temperatura otoczenia, zanieczyszczenia
• Brak ochrony przed pyłem, wilgocią lub agresywnymi mediami
• Błędy projektowe lub nieodpowiednie dobory mocy napędów

Przyczyny organizacyjne:

• Brak aktywnego harmonogramu przeglądów dla krytycznych maszyn
• Słaba polityka części zapasowych: brak kluczowych elementów na magazynie powoduje, że MTTR rośnie, a awaria powtarza się szybciej
• Operatorzy nieświadomi sygnałów ostrzegawczych (hałas, wibracje, temperatura)
• Nieprecyzyjne procedury zgłaszania awarii w CMMS: brak timestampów, błędna klasyfikacja, duplikaty zdarzeń

Jak szybko zmapować przyczyny w swoim zakładzie:

Pobierz z CMMS listę zdarzeń z ostatnich 6 miesięcy. Posortuj według aktywu i policz powtórzenia. Jeśli ta sama maszyna pojawia się więcej niż 3 razy, masz kandydata do analizy RCA (Root Cause Analysis). Sprawdź, czy zdarzenia mają wypełnione pola: czas wykrycia, typ awarii, czas naprawy. Puste pola to sygnał, że dane są bezużyteczne do liczenia MTBF.

Porada profesjonalisty: Najczęstsza pułapka to wliczanie planowanych przestojów do liczby awarii. Jeśli Twój CMMS nie ma osobnego statusu dla przeglądów planowych, każdy raport MTBF jest zaniżony. Zanim zaczniesz jakiekolwiek działania naprawcze, napraw tę klasyfikację.

Które metody zwiększania MTBF działają najszybciej?

Działania różnią się horyzontem efektu i kosztem wdrożenia. Poniższy podział pomaga wybrać, od czego zacząć.

Szybkie zwycięstwa (0–30 dni)

Poprawa klasyfikacji danych w CMMS kosztuje tylko czas techników i natychmiast poprawia wiarygodność wskaźnika. Reorganizacja magazynu części zapasowych dla top-10 krytycznych aktywów skraca MTTR i zmniejsza ryzyko powtórzenia awarii z powodu braku części. Krótkie szkolenie operatorów z rozpoznawania sygnałów ostrzegawczych (hałas łożyska, wibracje, przegrzewanie) przynosi efekty już po kilku tygodniach, bo operatorzy zgłaszają problemy wcześniej.

Działania średnioterminowe (30–90 dni)

Harmonogram prewencyjny oparty na krytyczności aktywów to fundament. Nie każda maszyna wymaga tego samego interwału przeglądów. Maszyna krytyczna (brak redundancji, wysoki koszt przestoju) powinna mieć przegląd co 250–500 godzin pracy, nie co rok kalendarzowy. RCA dla trzech najczęściej psujących się maszyn ujawnia wzorce, których nie widać w surowych danych. Modernizacja krytycznych komponentów, np. wymiana łożysk na klasy wyższej lub montaż uszczelnień labiryntowych, wydłuża MTBF bez dużych nakładów.

Długoterminowe inwestycje (90+ dni)

Monitoring kondycji oparty na sensorach wibracji, temperatury i prądu silnika pozwala wykrywać anomalie tygodnie przed awarią. Wdrożenia analityki predykcyjnej przynoszą wzrost MTBF i redukcję kosztów przestojów, przy czym orientacyjne wyniki opisywane w studiach przypadku wskazują na wzrost MTBF o kilkadziesiąt procent i redukcję kosztów przestojów o 30% w odpowiednich warunkach. Integracja sensorów z CMMS i modele prognozowania RUL zamykają pętlę: system sam generuje zlecenie serwisowe, zanim dojdzie do awarii.

Jak priorytetyzować działania?

Działania operacyjne i szkoleniowe przynoszą natychmiastowy efekt przy minimalnym koszcie. To one budują wiarygodność projektu i zdobywają poparcie zarządu dla większych inwestycji technologicznych.

Jak prawidłowo mierzyć MTBF i nie dać się zmylić złym danym?

Dobry pomiar MTBF zaczyna się od czterech obowiązkowych znaczników czasowych dla każdego zdarzenia awaryjnego: czas wykrycia awarii, czas rozpoczęcia naprawy, czas zakończenia naprawy i czas restartu produkcji. Bez tych czterech pól nie można oddzielić czasu oczekiwania na technika od czasu faktycznej naprawy, a MTTR staje się bezużyteczny.

Lista kontrolna jakości danych przed liczeniem MTBF:

• Każde zdarzenie ma status: planowe lub nieplanowane
• Każde zdarzenie ma cztery timestampy (wykrycie, start naprawy, koniec naprawy, restart)
• Brak duplikatów: jedno zdarzenie = jeden rekord
• Typ awarii jest wypełniony (mechaniczna, elektryczna, procesowa, operatorska)
• Aktywo jest jednoznacznie zidentyfikowane (numer inwentarzowy, nie tylko nazwa)

Horyzont pomiaru i statystyczna istotność. MTBF liczony na podstawie mniej niż 10 awarii w danym okresie jest statystycznie słaby. Dla maszyn z rzadkimi awariami warto agregować dane z 12 miesięcy lub porównywać z benchmarkami branżowymi. Benchmarki silnie zależą od klasy aktywa: roboty przemysłowe i centra obróbcze CNC osiągają MTBF w tysiącach godzin, proste siłowniki lub motoreduktory często w setkach godzin. Porównywanie tych dwóch klas ze sobą nie ma sensu.

Przykładowy dashboard KPI dla działu UR:

• MTBF per aktywo (trend miesięczny)
• Dostępność per linia produkcyjna
• Top-5 przyczyn awarii (Pareto)
• Korelacja MTBF z MTTR: czy skrócenie napraw przekłada się na rzadsze awarie?
• Liczba zdarzeń bez kompletnych timestampów (wskaźnik jakości danych)

Właściwe znaczniki czasowe w rejestracji zdarzeń to warunek konieczny, by MTBF i MTTR były wiarygodne. Bez nich każda analiza trendów jest fikcją.

Jak policzyć ROI projektu poprawy MTBF?

Zwiększenie MTBF przekłada się bezpośrednio na dostępność, a dostępność na OEE i produkcję. Łańcuch zależności wygląda tak:

Wyższy MTBF → wyższa dostępność → wyższy OEE → więcej wyprodukowanych jednostek

Połączone działania na MTBF i MTTR mogą podnieść dostępność maszyn do poziomu 95–97% w praktycznych scenariuszach przemysłowych.

Prosty szablon kalkulacji ROI:

1. Policz średnią liczbę nieplanowanych godzin przestoju miesięcznie (np. 40 h)
2. Ustal koszt godziny przestoju (utracona produkcja + robocizna + części, np. 5 000 zł/h)
3. Oszacuj redukcję przestojów po wdrożeniu działań (np. 30%, czyli 12 h mniej)
4. Oszczędność miesięczna: 12 h × 5 000 zł = 60 000 zł
5. Koszt projektu (sensory, wdrożenie, szkolenia): np. 180 000 zł
6. Czas zwrotu: 180 000 ÷ 60 000 = 3 miesiące

Wartości zależą od branży, skali zakładu i kosztu przestoju. W przemyśle spożywczym, farmaceutycznym lub motoryzacyjnym koszt godziny przestoju może być wielokrotnie wyższy niż w produkcji jednostkowej.

Jak priorytetyzować aktywa do analizy ROI: Zacznij od maszyn bez redundancji, z najwyższym kosztem godziny przestoju i najkrótszym aktualnym MTBF. To one dają największy zwrot z inwestycji w poprawę niezawodności.

Plan wdrożenia: co zrobić w ciągu 90 dni?

30 dni: porządek i identyfikacja

1. Audyt danych w CMMS: oznaczenie wszystkich zdarzeń jako planowe lub nieplanowane, uzupełnienie brakujących timestampów.
2. Obliczenie aktualnego MTBF dla każdego z top-10 krytycznych aktywów (lista według kosztu przestoju).
3. Weryfikacja stanów magazynowych części zamiennych dla tych 10 maszyn.
4. Szybkie szkolenie operatorów z rozpoznawania sygnałów ostrzegawczych.
5. Wyznaczenie właściciela projektu (inżynier niezawodności lub kierownik UR).

60 dni: prewencja i analiza

1. Wdrożenie lub aktualizacja harmonogramów przeglądów dla top-10 aktywów (interwały oparte na krytyczności, nie na kalendarzu).
2. RCA dla 3 maszyn z najwyższą częstością awarii: identyfikacja przyczyn źródłowych i działania korygujące.
3. Pilotaż sensorów na kilku krytycznych maszynach: wibracje, temperatura, prąd silnika.
4. Pierwszy raport KPI: MTBF przed i po działaniach z 30 dni.

90 dni: integracja i skalowanie

1. Integracja danych z sensorów z CMMS lub platformą analityczną.
2. Kalibracja pierwszego modelu anomalii lub prognozowania RUL dla pilotażowych maszyn.
3. Ocena wyników pilota: porównanie MTBF, liczby nieplanowanych przestojów i MTTR.
4. Decyzja o skalowaniu: które maszyny dołączają do programu monitoringu w kolejnym kwartale.

Role i odpowiedzialności:

• Technik: zbieranie danych, uzupełnianie CMMS, obsługa sensorów
• Inżynier niezawodności: analiza danych, RCA, kalibracja modeli
• Kierownik UR: priorytetyzacja aktywów, zatwierdzanie harmonogramów, raportowanie do zarządu
• IT/OT: integracja protokołów (MQTT, OPC-UA, Modbus), bezpieczeństwo sieci
• Sponsor biznesowy: zatwierdzenie budżetu, śledzenie ROI

Mierniki sukcesu po 90 dniach: wzrost MTBF dla top-10 aktywów, spadek liczby nieplanowanych godzin przestoju miesięcznie, skrócenie MTTR tam, gdzie RCA ujawniło opóźnienia w dostępności części.

Jak Synaptix-platform operacyjnie podnosi MTBF?

Synaptix-platform integruje dane maszynowe z wielu źródeł przez protokoły MQTT, OPC-UA i Modbus, co eliminuje ręczne przepisywanie danych i błędy klasyfikacji, które zniekształcają MTBF. Moduł GridSense monitoruje kondycję aktywów w czasie rzeczywistym i wykrywa anomalie zanim przekształcą się w awarie. Modele predykcyjne RUL szacują pozostały czas życia komponentu na podstawie rzeczywistych danych eksploatacyjnych, nie tylko harmonogramu.

Typowy pilot przebiega w czterech krokach: integracja źródeł danych z CMMS i ERP, kalibracja modeli na historycznych danych awaryjnych, test na 2–3 krytycznych maszynach przez 4–8 tygodni, ocena KPI i decyzja o skalowaniu. Dobre piloty zaczynają się od maszyn z najbogatszą historią danych, bo modele predykcyjne potrzebują wzorców, nie tylko surowych pomiarów.

Platforma obsługuje automatyzację procesów dokumentowych przez moduł AutomateFlow (OCR, NLP, routing do SAP i Maximo), co skraca czas od wykrycia anomalii do wystawienia zlecenia serwisowego. Technicy w terenie korzystają z PWA do obsługi zleceń bez konieczności dostępu do stacjonarnego systemu.

Gdzie większość zespołów UR traci czas i pieniądze

Przez lata obserwowania projektów poprawy niezawodności w polskim przemyśle widać jeden powtarzający się schemat: zespoły zaczynają od technologii, zamiast od danych. Kupują sensory, wdrażają platformę, a potem odkrywają, że ich CMMS zawiera trzy lata śmieciowych rekordów bez timestampów i z błędną klasyfikacją awarii. Model predykcyjny trenowany na takich danych jest gorszy od prostego harmonogramu przeglądów.

Konwencjonalna mądrość mówi, że predykcja jest przyszłością utrzymania ruchu. To prawda, ale ta przyszłość zaczyna się od bardzo nudnej teraźniejszości: audytu danych, standaryzacji formularzy zdarzeń i szkolenia techników z wypełniania pól w CMMS. Bez tego żaden algorytm nie pomoże.

Drugi błąd to skupianie się wyłącznie na MTBF i ignorowanie MTTR. Jeśli maszyna psuje się rzadko, ale każda naprawa trwa 48 godzin z powodu braku części lub oczekiwania na specjalistę, dostępność jest równie niska jak przy częstych, krótkich awariach. Praca równolegle nad oboma wskaźnikami daje szybszy efekt niż obsesja na punkcie jednego z nich.

Trzecia pułapka to brak szybkich zwycięstw na początku projektu. Zarząd widzi wyniki po 6–12 miesiącach od wdrożenia sensorów i modeli predykcyjnych. Jeśli przez ten czas nie ma żadnych mierzalnych efektów, projekt traci finansowanie. Dlatego pierwsze 30 dni powinny przynieść coś konkretnego: lepsze dane, krótszą listę powtarzających się awarii, jeden naprawiony problem zidentyfikowany przez RCA. To buduje wiarygodność i daje czas na wdrożenie cięższej artylerii.

Synaptix-platform skraca drogę od danych do decyzji serwisowej

Największy koszt nieplanowanego przestoju to nie naprawa, lecz czas od wykrycia anomalii do wystawienia zlecenia serwisowego. Synaptix-platform eliminuje ten interwał, łącząc monitoring kondycji w czasie rzeczywistym (GridSense), modele predykcyjne RUL i automatyczne routowanie zleceń do CMMS lub ERP w jednym przepływie.

Dla zespołów UR, które mają już dane maszynowe, ale nie mają narzędzia do ich interpretacji, platforma oferuje pilota na 2–3 krytycznych maszynach z integracją przez OPC-UA, MQTT lub Modbus. W ciągu 4–8 tygodni widać, czy anomalie poprzedzają awarie i o ile wcześniej system je wykrywa.

Jeśli chcesz sprawdzić, czy Twoje maszyny kwalifikują się do pilota predykcyjnego, odwiedź stronę Synaptix-platform i umów się na konsultację techniczną.

Źródła

Poniższe materiały warto mieć pod ręką podczas tworzenia business case i specyfikacji technicznej pilota:

• MTBF, MTTR and MTTF — LeanCommunity

Przy tworzeniu business case sięgnij po materiały GlobalReader i Symestic, które zawierają wzory dostępności i przykłady liczbowe. Do specyfikacji technicznej pilota przydatny jest artykuł Pro Lider z opisem procesu wdrożenia analityki predykcyjnej.

Rekomendacja

• SynaptixPlatform