Predictive Maintenance
Alt du skal vide om predictive maintenance
Hvad er predictive maintenance?
Predictive maintenance er kort fortalt en teknik, der bruger dataanalyseværktøjer til at opdage uregelmæssigheder i dine data, og på den måde kan det være med til at hindre omkostningsfulde fejl i ens udstyr og processer. Man vil reelt kunne spare en del penge, hvis man formår at forudsige når f.eks. en maskine snart risikerer at gå i stykker, frem for at man først opdager det, når maskinen er gået i stykker.
Hvis vi hopper et skridt ned i hvordan man kan forstå predictive maintenance, kan man sammenligne det med tre former for vedligeholdelse, som ses i en industriel kontekst; reaktiv -, forebyggende – og tilstandsbaseret vedligeholdelse.
Reaktiv vedligeholdelse refererer til reparationer, der udføres, når udstyret allerede er gået i stykker, for at bringe udstyret tilbage til normal driftstilstand. Hvis man anvender reaktiv vedligeholdelse i en produktion, er hverken sensorer eller digitale systemer der er i stand til at overvåge dit udstyr nødvendige og man er sikker på at reservedelene bliver brugt op. Konsekvensen af reaktiv vedligeholdelse er, at der vil være længerevarende nedetider og de fejl der opstår, kan potentielt skade systemerne.
Forebyggende vedligeholdelse udføres regel- og rutinemæssigt på dit udstyr og dine maskiner for at reducere risikoen for udstyrsfejl og uplanlagt nedetid. Igen er sensorer ikke nødvendige, og den uplanlagte nedetid er reduceret. Men ved at anvende forebyggende vedligeholdelse i sin produktion vil der være et overdrevet forbrug af både reservedele og tid brugt på vedligeholdelsen.
Tilstandsbaseret vedligeholdse er en strategi, hvor du overvåger dine maskiner/systemers faktiske tilstand for at afgøre, hvilken vedligeholdelse der skal udføres. Denne strategi dikterer, at vedligeholdelse kun bør udføres, når visse indikatorer viser tegn på faldende ydeevne eller kommende svigt. Det betyder du kan optimere brugen af dine reservedele og samtidigt begrænse nedetiden. Med denne form for vedligehold skal kan du opleve at indikatorerne ikke forudser en fejl, hvis ikke disse er opsat korrekt efter hvad du vil overvåge, og dermed er der stadig en risiko for fejlprognoser og dermed uønsket nedetid.
Hvordan virker predictive maintenance?
Predictive maintenance bruger historiske og realtidsdata fra forskellige dele af din drift til at forudse potentielle problemer, før de påvirker din drift.
Det første skridt er at fastlægge baselineværdier. Du skal overvåge en maskines betingede basislinje og indsamle data, før du installerer sensorer. På den måde er der, når du begynder at indsamle betingede data, noget som du kan betragte som “normale og velfungerende datasæt”. Disse datasæt bruges i sammenligningen af alt nyt data, hvor noget kan risikere at stikke udenfor. Derfra er det enkelt – hver gang maskinen fungerer uden for de normale parametre og datasæt, udløser sensorerne din protokol for predictive maintenance. Når det sker, vil du altså få af vide, når du aktivt skal reagere på noget.
Fordele ved predictive maintenance
Når predictive maintenance udføres der kun vedligeholdelse på maskinerne, når det er nødvendigt. Det vil sige, lige før der sandsynligvis vil opstå fejl. Dette medfører flere omkostningsbesparelser:
- Minimering af den tid, hvor udstyret vedligeholdes
- Minimering af de produktionstimer, der går tabt på grund af vedligeholdelse
- Minimering af omkostningerne til reservedele og forsyninger
Det er en stor fordel – undersøgelser viser, at uplanlagt nedetid koster industriproducenter omkring 50 milliarder dollars hvert år!
Desuden kan predictive maintenance bruges til at lette logistikken ved at vedligeholde maskinerne på bekvemme tidspunkter – f.eks. uden for produktionstiden, eller mens det nødvendige personale er i nærheden. Endelig kan det også hjælpe indkøbsafdelinger ved at forudsige, hvilke reservedele der vil være brug for på hvilket tidspunkt.
Tal fra Deloitte Analytics Institute rapport
De 5. steps til at implementere predictive maintenance
1. Ledelsen træffer beslutning:
I de fleste tilfælde bliver casen præsenteret for ledelsen inden predictive maintenance implementeres på fabriksgulvet. Derefter bliver maskinoperatørerne og vedligeholdelsespersonalet uddannet i at bruge den nye teknologi og så begynder den egentlige implementering.
2. Etabler baselines:
Vedligeholdelsesteamet fastsætter acceptable baselineværdier for de aktiver der skal have sensorer monteret.
3. Installation af Internet of Things (IoT)-enheder:
IoT-sensorerne bliver monteret på det systemkritiske udstyr. Det kan være en vibrationsmåler der monteres på en mekanisk del af systemet.
4. Opsætning og udvikling af IoT-system og dashboard:
IoT-enhederne skal forbindes til et IoT-system, hvor data indsamles, behandles, analyseres og i sidste ende bliver visualiseres i et dashboard.
5. Predictive maintenance i drift:
Inspektioner kan nu planlægges automatisk når baselineværdierne overskrides, og maskinoperatører og vedligeholdelsespersonalet kan vedligeholde deres produktion ud fra et databaseret grundlag.