Prediktivt vedlikehold lar det industrielle utstyret ditt melde i fra om at det er i ferd med å bryte sammen, før det bryter sammen. 

Å vite når utstyr eller maskiner er i ferd med å feile eller bryte sammen, vil redusere antallet ikke-planlagte stopp i produksjonen og mengden utstyr som må erstattes. Industri 4.0, med nye muligheter for innsamling, prosessering og analysering av data, gjør dette mulig.

Ny teknologi lar deg optimalisere vedlikeholdsstrategiene dine. Nå kan du gå fra reaktive og preventive vedlikeholdsmetoder til prediktive vedlikeholdsstrategier, og øke stabiliteten i og påliteligheten til produksjonen din. I Industri 4.0 vil prediktivt vedlikehold bli en realitet og en høyst effektiv vedlikeholdsmetode.

Fra preventivt til prediktivt vedlikehold

Preventivt vedlikehold, der utstyr og maskiner vedlikeholdes til faste, gitte tidspunkter har frem til i dag vært blant de mest utbredte formene for vedlikehold blant industribedrifter. I likhet med prediktivt vedlikehold, er preventivt vedlikehold designet for å øke stabiliteten og påliteligheten til utstyr. Men der preventivt vedlikehold utføres til gitte tidspunkter og jevnlige intervaller, utføres prediktivt vedlikehold kun når det er behov for det.

Preventivt vedlikehold har som mål å redusere sjansen for feil på utstyr og maskiner ved å gjennomføre vedlikehold på jevnlig basis. Prediktivt vedlikehold, derimot, baserer seg på datainnsamling og analyse for å avgjøre om maskiner og utstyr er i ferd med å feile.

Prediktivt vedlikehold utnytter data fra flere ulike kilder, som sensorer, produksjonsdata, kontrollsystemer, smarte maskiner, ERP-systemer og lignende. Disse dataene kan kobles sammen med avanserte prediksjonsmodeller og analyseverktøy for å forutse og avverge potensielle fremtidige feil. På sikt kan maskinlæring utnyttes for å øke presisjonen til de prediktive algoritmene og dermed øke ytelsen.

Fordelene med prediktivt vedlikehold

Den åpenbare fordelen med prediktivt vedlikehold er at strategien maksimerer produksjonstiden.

Ifølge programvare- og serviceselskapet PTC kan mindre gode vedlikeholdsstrategier redusere produksjonskapasiteten til en fabrikk med mellom fem og 20 prosent. Ifølge IndustryWeek og Emerson koster ikke-planlagte stopp i produksjonen industrielle produksjonsbedrifter nærmere 50 milliarder dollar årlig. Utstyrsfeil står for 42 prosent av disse ikke-planlagte stoppene.

Fordi prediktivt vedlikehold kun utføres når det er behov for det, reduserer det både arbeidskostnader og materialkostnader. Med preventivt vedlikehold utfører du vedlikehold oftere enn du strengt tatt trenger.

Å implementere en prediktiv vedlikeholdsstrategi krever imidlertid investeringer. Sensorer må ofte installeres for å overvåke og samle inn data fra eksisterende utstyr, løsninger for analyse må settes opp og eksisterende arbeidsstokk må ofte læres opp for å endre vedlikeholdsarbeidet i praksis.

Likevel er prediktivt vedlikehold kostnadsbesparende. Ifølge konsulentfirmaet Deloitte kan prediktivt vedlikehold øke produktiviteten med 25 prosent, redusere antallet maskinhavarier med 70 prosent og redusere vedlikeholdskostnadene med 25 prosent.

Slik kommer du i gang med prediktivt vedlikehold

Prediktive vedlikeholdsstrategier krever tilgang på data, og smarte sensorer må installeres for å samle inn data fra produksjonen eller prosessen. Dette er moderne, industrielle sensorer som samler inn mer informasjon enn bare selve målerverdien, for eksempel trykk, temperatur, fukt, kalibrerings- og diagnosedata. Slike sensorer kan redusere antallet rutinepregede vedlikeholdsoppgaver og forhindre stans i produksjonen.

Du bør også implementere tilstandsovervåking i kontrollsystemet. Dette lar maskinene kommunisere med deg og gi deg beskjed om at de trenger vedlikehold, basert på innsamlet data om for eksempel vibrasjonsdata eller temperatur.

Dataene som samles inn må også lagres i en felles database sammen med historiske data. Dette gjør det mulig å gjennomføre analyser, for å identifisere de mest optimale vedlikeholdsoppgavene og -tidspunktene. En slik database vil også gjøre det mulig å benytte maskinlæringsalgoritmer for å forbedre vedlikeholdsarbeidet.

I dag finnes det enkelte leverandører som tilbyr prediktivt vedlikehold som en tjeneste («Predictive maintenance-as-a-service). Rockwell Automation er en slik tilbyder. Tjenesten deres analyserer data fra sammenkoblede teknologier, som sensorer, kontrollsystemer og smarte maskiner, ved hjelp av maskinlæring. Basert på dette kan man definere normal drift og bygge datamodeller som kan forutse, overvåke og avverge potensielle fremtidige feil som en del av en prediktiv vedlikeholdsstrategi.

Vil du vite mer om prediktivt vedlikehold og hvordan komme i gang?