Tuomas Uusitalo,
21.04.2021
Teollisuus
Vähemmän kalliita tuotantokatkoksia – tekoäly teollisuuden kunnossapidon työkaluna
Minkälaisia vaikutuksia tunnin suunnittelematon tuotantokatkos voi aiheuttaa?
Väärään aikaan tapahtuva tuotantokatkos voi aiheuttaa merkittäviä kustannuksia tuotannonmenetysten, materiaalihävikin sekä kunnossapitotöiden muodossa. Myös työturvallisuusriskit sekä energiatehokkuuden häviöt voivat kasvaa. Jokainen vältetty tuotantokatkos on arvokas, ja tekoäly on oiva teollisuuden kunnossapidon työkalu katkosten ehkäisyyn, toimitusvarmuuden parantamiseen ja asiantuntijoiden päätöksenteon tukemiseen nopeasti muuttuvissa tilanteissa.
Kokonaisvaltainen katkosten ennakointi avainasemassa
Miksi kalliiden tuotantokatkosten välttäminen on ollut hankalaa?
Asiaa voi havainnollistaa teollisuuden kunnossapidon näkökulmasta. Yhden tehtaan laitekanta on valtava ja siihen saattaa kuulua jopa kymmeniä tuhansia laitteita. Tyypillisesti näistä vain osa on reaaliaikaisen valvonnan piirissä.
Prosesseja hidastavia ja toimintahäiriöitä aiheuttavia tekijöitä pyritään tietysti ehkäisemään. Käytännössä tuotantohäiriöiden ennakointimahdollisuudet ovat kuitenkin rajalliset, jos koko kriittistä laitekantaa ei pystytä valvomaan tehokkaasti reaaliajassa.
Perinteisen kunnonvalvonnan haasteena on prosessin normaalin vaihtelun huomioiminen hälytysrajoja asetettaessa. Vaihtelevat käyntitilat, kuormat, tuotteet ja raaka-aineet tekevät kiinteiden hälytysrajojen asettamisesta vaikeaa. Tällöin ensimmäisiä merkkejä alkavista tuotantohäiriöistä ei havaita riittävän ajoissa. Toisessa ääripäässä taas turhia hälytyksiä tulee liikaa, jolloin niiden käsittely ei ole motivoivaa. Myös johdettujen mittausarvojen yhdistelmien tarkastelu suhteessa prosessin vaiheeseen on tärkeää, muttei helppoa.
Ennakoivalla kunnossapidolla seisokit minimiin ja tuotantokatkokset hyötykäyttöön
Prosessien aika-hyötysuhde saadaan nousuun ennakoimalla potentiaalisia vikatilanteita mahdollisimman tehokkaasti. Ennakoivan kunnossapidon avulla saadaan paitsi seisokkiajat minimoitua, myös suunnitellut katkokset, kuten tehtaiden vuosihuollot, parhaaseen mahdolliseen hyötykäyttöön. Kun huoltotoimenpiteiden todellinen tarve on tiedossa etukäteen, tuotantokatkoksia voidaan ajoittaa niiden mukaan.
Tuotantotehokkuuteen ja teollisuuden kunnossapitoon voidaan vaikuttaa myös prosessin optimaalisilla säädöillä muuttuvissa tilanteissa. Teollisuuden automatisoiduissa prosesseissa on tuhansia erilaisia muuttujia, jotka edellyttävät prosessioperaattoreilta ohjaustoimenpiteitä. Mitä enemmän tietoa laitteiden todellisesta kunnosta voidaan tuoda operoinnin tueksi, sitä paremmin myös muuttuviin tarpeisiin voidaan vastata.
Mitä siis tulisi tehdä? Jos systemaattiset kunnossapidon kehitystyöt on tehty, voidaan operaattoreiden ja kunnossapidon tueksi ottaa kattava datan ja automaattisen koneoppimisen hyödyntäminen. Lue lisää kunnossapidon prosessikehityksestä blogistamme.
Mittausdatasta hyödyllistä informaatiota päätöksentekoon
Mittaaminen ei itsessään paranna laitteen tai prosessin tilaa. Ratkaisevia ovat mittaamalla saadun informaation perusteella tehdyt päätökset ja toimenpiteet. Kerätystä datasta tuotetaan analytiikkatyökalujen avulla tarkkaa ja laadukasta tietoa eri asiantuntijoiden (operaattori, kunnossapitoteknikko, prosessi-insinööri) käyttöön.
Älykäs ennakoiva kunnossapito tuo näkyviin ilmiöitä, joita aiemmin ei voitu havaita ajoissa. Lisäksi se auttaa ymmärtämään prosessin käyttäytymistä syvällisemmin sekä tekemään aiempaa tarkempia juurisyyanalyysejä.
Caverionin dataan perustuvan ennakoivan kunnossapidon ratkaisut koostuvat kahdesta elementistä. Ensimmäinen on älykkäiden langattomien antureiden lisääminen prosessialueille, joista ei ole saatavilla riittävän tarkkaa reaaliaikaista mittaustietoa. Toinen on automaatiojärjestelmien prosessidatan hyödyntäminen koneoppimismenetelmien avulla.
Koneoppivat algoritmit tunnistavat reaaliaikaisesti ja automaattisesti prosessidatasta ilmiöitä, joita perinteisin menetelmin on erittäin vaikeaa tunnistaa ajoissa. Algoritmit osaavat huomioida käyntitilan, ajoasetukset sekä mittausten keskinäiset vaikutussuhteet.
Tuhansien mittaussignaalien reaaliaikainen analysointi koneoppivien mallien avulla mahdollistaa prosessipoikkeamien tunnistamisen hyvin aikaisessa vaiheessa. Lähtökohtana on kokonaisvaltainen kattavuus, eli kaikkien laitteiden kaikkien mahdollisten vikaantumisten ja virhetilanteiden ennaltaehkäisy. Havaittu poikkeama tuodaan asiantuntijoiden tarkasteltavaksi, ja varoitusten käsittely tuodaan osaksi operoinnin ja kunnossapidon toimintaprosessia.
Tekoäly ei opiskele virhetilanteita vaan se koulutetaan datan avulla ymmärtämään prosessin normaali käyttäytyminen. Näin päästään kiinni toistuvien ongelmien lisäksi ensimmäistä kertaa tapahtuviin ilmiöihin, olipa kyseessä sitten laitteen toimintahäiriö tai epänormaali operointitilanne.
Automaattinen koneoppivien mallien koulutus onnistuu jo kerätyn historiadatan tai muutaman viikon opetusjakson avulla. Niinpä hyötyjä saadaan nopeasti ilman monimutkaista räätälöintiä. Käyttäjäpalautteeseen perustuva oppiminen mahdollistaa järjestelmän jatkuvan kehityksen, mukautumisen prosessimuutoksiin ja väärien hälytysten minimoinnin.
Teollisuuden kunnossapito: tekoälyn ja asiantuntijoiden yhteispeliä
Teknologia ja asiantuntijat toimivat yhdessä ja täydentävät toinen toisiaan. Kone on parhaimmillaan suurta laskentakapasiteettia vaativissa tehtävissä, kuten tuhansien signaalien reaaliaikaisessa matemaattisessa analysoinnissa. Ihmisasiantuntijan tehtävänä puolestaan on tiedon tulkinta, johtopäätökset sekä toteutettavien korjaavien toimenpiteiden suunnittelu ja toteutus.
Me Caverionilla yhdistämme kokemuksen teollisuusprosessien kunnossapidosta ja operoinnista matematiikan ja datatieteen syväosaamiseen. Yhtälöä täydennetään toimintaprosesseihin soveltuvalla käyttöliittymä- ja käytettävyyssuunnittelulla sekä informaation visualisoinnin työkaluilla.
Älykkään ennakoivan kunnossapidon avulla suunnittelemattomia käyttökatkoja voidaan vähentää useita kymmeniä prosentteja. Samaan aikaan parannamme prosessien turvallisuutta, energiatehokkuutta ja ympäristöystävällisyyttä.
Olitpa sitten juuri aloittamassa digitalisaation matkaa tai jo pidemmälle edennyt, älykkäillä ratkaisuilla voidaan tehostaa toimintaa sinunkin tuotantoympäristössäsi. Ota yhteyttä niin keskustellaan teille sopivista ratkaisuista!