Predykcyjne utrzymanie robotów: wyłap awarię, zanim zatrzyma flotę

Awaria jednego przegubu nie brzmi groźnie — dopóki nie policzysz, ile identycznych robotów pracuje obok: ta sama zmiana, ten sam cykl, ten sam reduktor z tej samej partii. Wtedy zużyta przekładnia falowa przestaje być incydentem, a staje się prognozą dla całej floty. To jest sedno problemu, który predykcyjne utrzymanie robotów próbuje rozwiązać: nie „naprawić szybciej“, tylko „dowiedzieć się wcześniej“.

Ten materiał to briefing operacyjny, nie broszura. Konsekwentnie oddzielam to, co zmierzone, od tego, co obiecane w materiałach dostawców — bo w utrzymaniu ruchu ta różnica przekłada się na konkretne pieniądze. Jeśli zarządzasz operacjami floty robotów, poniższe rozróżnienia są warte więcej niż jakakolwiek pojedyncza liczba, a szersze tło całej dyscypliny znajdziesz w pillarowym materiale RobotOps: DevOps dla floty robotów.

Czym jest predykcyjne utrzymanie robotów — odpowiedź w jednym akapicie

Predykcyjne utrzymanie robotów to wykrywanie podzespołu bliskiego awarii na podstawie wzorców w telemetrii — drgań, prądu silnika, temperatury, sygnałów akustycznych — zanim ten podzespół faktycznie się zepsuje. Celem nie jest „zero awarii“. Celem jest przesunięcie momentu naprawy: z nieplanowanego postoju w środku zmiany na planowane okno serwisowe, które sam wybierasz. To odróżnia je od utrzymania reaktywnego (naprawiam, gdy stanie) i od czysto harmonogramowego (wymieniam co X godzin, niezależnie od faktycznego zużycia). W praktyce oznacza to jedno pytanie zadawane bez przerwy: który z pracujących robotów zachowuje się dziś inaczej niż wczoraj — i czy ta różnica zapowiada usterkę.

Planowany kontra nieplanowany — dlaczego to rozróżnienie decyduje o koszcie?

Cała ekonomika predykcyjnego utrzymania sprowadza się do jednej granicy: postój planowany kontra nieplanowany. Postój planowany to okno, które celowo wyłączasz z produkcji na przegląd — nie liczy się jako awaria. Postój nieplanowany to nagłe zatrzymanie, zwykle wywołane usterką podzespołu, w najgorszym możliwym momencie. Predykcyjne utrzymanie nie eliminuje przestojów robotów — przenosi je z drugiej kategorii do pierwszej. To samo okno serwisowe zwykle wykorzystuje się też do wgrania aktualizacji OTA floty robotów, więc warto planować oba procesy razem, a nie osobno.

Wymiar	Postój planowany	Postój nieplanowany
Wyzwalacz	Zaplanowane okno serwisowe	Nagła usterka podzespołu
Kto wybiera moment	Ty	Awaria
Dostępność części	Zamówione z wyprzedzeniem	„Na wczoraj“, często ekspres
Wliczany do MTBF?	Nie	Tak
Ryzyko awarii wtórnych	Niskie	Wysokie (kaskada)

Widać to najczytelniej w dwóch wskaźnikach utrzymania ruchu. MTBF (średni czas między awariami) z definicji liczy wyłącznie awarie nieplanowane — wliczanie do niego planowych przeglądów sztucznie zaniża wynik. MTTR (średni czas naprawy) mówi, jak szybko przywracasz robota do pracy. Predykcja gra głównie o pierwszy z nich: przesuwa zdarzenia poza definicję „awarii“, zanim tam trafią. Definicje obu wskaźników masz w słowniku pojęć.

Warto od razu rozwiać jeden mit. Nie istnieje uniwersalnie „dobra“ wartość MTBF dla robotów — zależy od typu maszyny, cyklu pracy i środowiska. Spotykany w źródłach utrzymaniowych przedział 500–1500 godzin dotyczy niektórych maszyn przemysłowych i jest przykładem ilustracyjnym, nie wzorcem odniesienia dla robota. Traktuj każdą okrągłą liczbę „typowego MTBF robota“ jak twierdzenie do zweryfikowania na własnej flocie.

Dlaczego przestój floty kumuluje się szybciej niż pojedynczej maszyny?

Bo flota jest jednorodna. Ten sam model, ta sama partia przekładni, ten sam profil obciążenia — i ten sam rodzaj usterki, który dojrzewa w podobnym tempie w wielu egzemplarzach naraz. Pojedyncza maszyna psuje się losowo. Flota potrafi zacząć się psuć synchronicznie.

Skala tego problemu rośnie. Według raportu IFR „World Robotics 2025“ (dane za 2024) na świecie zainstalowano 542 000 nowych robotów przemysłowych w ciągu jednego roku — ponad dwukrotnie więcej niż dekadę wcześniej — a roczne instalacje przekraczają 500 000 sztuk czwarty rok z rzędu. Globalny park pracujących robotów sięgnął ok. 4 664 000 jednostek (wzrost o 9% rok do roku). Azja odpowiadała za ok. 74% instalacji z 2024, Europa za ok. 16%, obie Ameryki za ok. 9%. Same Chiny eksploatują ponad dwa miliony jednostek.

Operacyjny wniosek jest prosty: gdy na jednej hali pracują dziesiątki lub setki bliźniaczych robotów, jeden niezdiagnozowany rodzaj usterki nie zostaje incydentem — powiela się. Trzy roboty z tej samej partii, które przekroczą próg zużycia w tym samym tygodniu, to nie trzy naprawy, tylko jedno zatrzymane gniazdo produkcyjne. Dlatego monitorowanie stanu w robotyce nabiera sensu dopiero w skali floty: wzorzec zwiastujący usterkę, wykryty w jednym egzemplarzu, od razu staje się hipotezą do sprawdzenia we wszystkich siostrzanych jednostkach.

Jak telemetria zdradza awarię, zanim ta nastąpi?

Podzespół rzadko psuje się bez zapowiedzi. Degradacja zostawia ślad w sygnałach, które da się mierzyć ciągle. Monitorowanie stanu opiera się na kilku uzupełniających się metodach pomiaru:

• Analiza drgań — akcelerometry na przegubach, przekładniach i silnikach wychwytują zużycie łożysk, błędy zazębienia i niewyważenie. To podstawowa metoda dla elementów obrotowych, a więc dla przegubów robota.
• Analiza sygnatury prądu silnika (MCSA) — z przebiegu prądu wykrywa usterki wirnika i stojana, degradację łożysk oraz anomalie obciążenia mechanicznego, bez montażu dodatkowych czujników.
• Monitoring termiczny/termowizyjny — sygnalizuje przegrzewanie silników, przemienników i przegubów, często wyprzedzające awarię izolacji albo problem ze smarowaniem.
• Emisja akustyczna/ultradźwięki — wychwytują wysokoczęstotliwościowe zdarzenia od pęknięć, tarcia czy zaniku filmu smarnego, zanim ujawnią się one w pasmach drganiowych.
• Analiza oleju/smaru — zliczanie cząstek (kodowanie czystości wg ISO 4406), lepkość, zanieczyszczenia — dla przekładni i reduktorów robota.

Te sygnały zasilają łańcuch, który norma ISO 17359:2018 formalizuje jako metodykę utrzymania według stanu (CBM): pomiar → analiza trendu → wykrycie przekroczenia progu lub anomalii (oparte na regułach lub uczeniu maszynowym) → prognoza → zlecenie serwisowe w wybranym oknie. Kluczowe słowo to „trend“. Pojedynczy odczyt drgań niewiele mówi; dopiero jego dryf w czasie — i odchylenie od zachowania siostrzanych robotów — zamienia telemetrię w prognozę. Dane muszą przy tym być porównywalne: standaryzowaną architekturę ich przetwarzania i prezentacji opisuje seria ISO 13374.

Ile realnie kosztuje przestój — i jak czytać te liczby?

Tu potrzebna jest podwójna ostrożność: liczby są duże, a pochodzą w większości z raportu jednego dostawcy. Najczęściej cytowane pochodzą z raportu Siemens/Senseye „True Cost of Downtime“. Podaję je, otwarcie wskazując źródło, bo to badanie branżowe oparte na deklaracjach firm, nie neutralny pomiar.

Według edycji z 2024 roku ok. 500 największych firm przemysłowych świata traci szacunkowo 1,4 biliona USD rocznie na nieplanowanych postojach — mniej więcej 11% ich łącznych rocznych przychodów. W motoryzacji unieruchomiona główna linia montażowa kosztuje, zależnie od źródła i rocznika, od ok. 1,2 mln do 2,3 mln USD za godzinę (druga liczba z raportu 2024; niższa wynika z osobno cytowanego szacunku ok. 20 000 USD za minutę). Nie traktuj tego jako jednej autorytatywnej wartości — to raczej rząd wielkości: od niskich do średnich kwot siedmiocyfrowych za godzinę. W najcięższym przemyśle raport wskazuje skrajne przypadki rzędu 59 mln USD za godzinę, czyli 1,6 raza więcej niż w 2019.

Do tego dochodzi częstotliwość i koszt pojedynczego zdarzenia. Dwie trzecie zakładów w badaniu zgłosiło nieplanowany postój co najmniej raz w miesiącu; wśród firm mierzących incydenty 82% zgłaszało przestoje trwające średnio ok. 4 godziny i kosztujące ok. 2 mln USD za zdarzenie. A koszt widoczny to nie wszystko — koszty ukryte (braki jakościowe, ekspresowy transport, nadgodziny, awarie wtórne) szacuje się na 2–3-krotność kosztu bezpośredniego. To branżowy szacunek orientacyjny, nie zmierzona stała, ale kierunek jest jednoznaczny: rachunek za nieplanowany postój jest wyższy, niż pokazuje pierwsza faktura.

Co obiecują dostawcy — i ile z tego zweryfikowano?

Dwaj więksi producenci robotów mają własne usługi predykcyjne. Warto rozumieć, jak działają — i traktować liczby jako deklaracje marketingowe, bo żadnej z poniższych nie poddano niezależnemu audytowi.

Rozwiązanie	Jak działa	Deklaracja dostawcy	Status
FANUC Zero Down Time (ZDT)	Dane z zakładu trafiają do chmury; analityka FANUC wykrywa anomalie i wysyła alert do serwisu, który planuje interwencję. Powstało we współpracy z General Motors i Cisco.	„Nawet o 50% mniej nieplanowanych przestojów“; MTBF robotów FANUC „ponad 80 000 h“	Deklaracje dostawcy, brak niezależnej weryfikacji
ABB Ability Condition-Based Maintenance	Porównuje dane o obciążeniu, prędkości, przyspieszeniach i zużyciu przekładni z globalną bazą floty ABB, by oszacować prawdopodobieństwo i termin usterki — dla pojedynczego robota lub floty.	„Nawet o 25% mniej przestojów“ i „nawet o 20% dłuższa żywotność“	Deklaracje dostawcy, brak niezależnej weryfikacji

Zasada sceptyka floty: każdą liczbę „nawet o X%“ czytaj jako górny pułap w sprzyjających warunkach, nie jako obietnicę dla twojego zakładu. Ten sam odruch stosuj do wtórnych zestawień — krąży na przykład twierdzenie, że pewien system predykcyjny „przewidział ponad 70% awarii z wyprzedzeniem co najmniej 24 godzin“, ale udało się je znaleźć w jednym źródle agregującym, bez oryginalnego raportu. Takimi liczbami nie uzasadniaj własnej inwestycji.

Na jakich normach oprzeć program monitorowania stanu?

Pierwsza niewygodna prawda: nie istnieje osobna norma ISO „predykcyjne utrzymanie robotów“ (stan na 2026). Monitorowanie stanu robotów korzysta z ogólnych norm CBM dla maszyn — i to jest w porządku, bo przegub robota to silnik, łożysko i przekładnia, a te podlegają tym samym prawom fizyki co reszta parku maszynowego.

• ISO 17359:2018 — nadrzędna metodyka utrzymania według stanu (zbieranie danych → analiza → diagnoza → prognoza → decyzja).
• ISO 13374 (cz. 1–3) — standaryzowana architektura przetwarzania, komunikacji i prezentacji danych CBM.
• ISO 13373 (m.in. ISO 13373-2:2016) — monitorowanie stanu na podstawie drgań; rdzeń diagnostyki elementów obrotowych.
• ISO 10816 / ISO 20816 — pasma oceny intensywności drgań maszyn; seria 20816 zastępuje 10816 dla wielu klas. To, które części serii wciąż obowiązują, a które wycofano, traktuj jako niepewne i sprawdź w katalogu ISO dla swojej klasy maszyny.
• ISO 4406 — kodowanie czystości oleju do analizy zanieczyszczeń w układach przekładniowych.

Osobno stoją dwie normy, które wyznaczają ramy operacyjne floty, choć same nie są normami predykcyjnymi. ISO 10218-1:2025 i ISO 10218-2:2025 (opublikowane w styczniu 2025) to pierwsza duża rewizja wymagań bezpieczeństwa robotów przemysłowych od edycji z 2011 — część 1 urosła z ok. 50 do ok. 95 stron i wprowadza klasyfikację robotów (Klasa 1 „bardzo słabe“/o ograniczonej kontroli kontra Klasa 2 pozostałe, do której należy m.in. spora część kobotów w produkcji). VDA 5050 (wersja 2.1.0 od sierpnia 2024, a od marca 2026 już v3.0.0; VDA + VDMA + KIT) standaryzuje interfejs komunikacji między mobilnymi robotami a nadrzędnym sterowaniem floty (JSON przez MQTT), z myślą o większych, heterogenicznych flotach — to naturalna warstwa transportu telemetrii dla robotów mobilnych. Numery wydań są aktualne wg stanu z połowy 2026; nowsze wersje i erraty mogły je zastąpić.

Ile jest wart rynek — i dlaczego nie ufać jednej liczbie?

Prognozy wielkości rynku predykcyjnego utrzymania rozjeżdżają się między wydawcami tak mocno, że pojedyncza liczba nic nie znaczy. MarketsandMarkets w nowszym szacunku podaje wzrost z ok. 9,71 mld USD (2026) do ok. 16,74 mld USD w 2031 (CAGR ok. 11,5%). Ten sam wydawca w raporcie z 2022 prognozował 15,9 mld USD już na 2026 przy CAGR 30,6% — wartości wzajemnie sprzeczne. Cytuj takie dane z nazwą firmy badawczej i rokiem, i nigdy jako konsensus branży.

RobotOps: co realnie zyskujesz, łapiąc awarię wcześnie?

Zacznijmy od uczciwości terminologicznej: „RobotOps“ to termin ukuty przez analogię do DevOps czy MLOps — przeniesienie praktyk operacyjnych (orkiestracja, monitoring, zarządzanie cyklem życia) na flotę robotów. To rama pojęciowa tego portalu, nie norma uznana przez ISO czy VDA. Nie sprzedaję ci metodyki z certyfikatem — sprzedaję sposób myślenia.

W tym ujęciu korzyść z wczesnego wykrycia usterki jest konkretna i policzalna w trzech ruchach. Po pierwsze, zamieniasz postój nieplanowany na planowany — odzyskujesz kontrolę nad momentem, w którym robot stoi. Po drugie, na flocie jednorodnej jedna wykryta anomalia staje się kampanią prewencyjną: sprawdzasz i obsługujesz siostrzane jednostki w jednym oknie, zamiast gasić trzy pożary w trzech różnych tygodniach. Po trzecie, przecinasz kaskadę — części zamawiasz z wyprzedzeniem, unikasz awarii wtórnych i ekspresowego transportu, czyli tych kosztów ukrytych, które potrafią być wielokrotnością kosztu widocznego.

To jest cała stawka predykcyjnego utrzymania robotów: nie magiczne „zero awarii“, lecz przesunięcie każdej możliwej usterki na twoją stronę kalendarza. Na pojedynczej maszynie to oszczędność. Na flocie — różnica między incydentem a synchronicznym zatrzymaniem hali.

Briefing końcowy

Predykcja nie eliminuje awarii; zmienia ich kategorię z nieplanowanej na planowaną, a to właśnie ta kategoria decyduje o rachunku. Opieraj program na ogólnych normach CBM (ISO 17359, 13374, 13373, 4406) uzupełnionych o pasma drganiowe serii 10816/20816 — osobnej normy „dla robotów“ nie ma. Liczby dostawców i raportów rynkowych traktuj jako hipotezy do sprawdzenia na własnej flocie, nie jako fakty. A skoro flota jest jednorodna, każdą pojedynczą prognozę usterki czytaj od razu jako pytanie o wszystkie bliźniacze roboty — bo przestój floty kumuluje się szybciej, niż podpowiada intuicja z jednej maszyny.