Mikä on ennakoiva kunnossapito?
Tämä verkkosivu on käännetty koneellisesti. SAP ei anna takuuta konekäännöksen oikeellisuudesta tai täydellisyydestä. Alkuperäinen englanninkielinen verkkosivu löytyy tämän sivun oikeassa yläkulmassa olevasta maailmankartasta.
Ennakoivan kunnossapidon teknologioiden avulla saat selville, mitä yrityksesi omaisuus yrittää kertoa sinulle. Tehtaissa olevat koneet, kuorma-autokanta, teollisuuslaitteesi – ne ovat puhuneet kanssasi jo vuosia. He ovat kertoneet sinulle, milloin he ovat erittelemässä ja mitä heidän täytyy toimia pidempään ja sujuvammin.
Ennakoivan kunnossapidon avulla yritykset voivat ennakoida epäonnistumisia ja ajoittaa kunnossapitoa silloin, kun ja kun sitä tarvitaan välittömästi. Se antaa yrityksille tietoja, joita ne tarvitsevat edistääkseen suorituskykynsä huippusuoritusta arvokkaasta omaisuudestaan, mutta luottaa siihen, että ne eivät vie niitä liian pitkälle ja että ne ovat vaarassa hajota kalliiksi.
Ennakoivan kunnossapidon määritys: Ennakoivalla kunnossapidolla pyritään estämään laitteen vikaantuminen ja seisokkiaika yhdistämällä IoT-pohjaiset yrityksen laitteistot, soveltamalla laajennettuja analyyseja niiden toimittamiin reaaliaikaisiin tietoihin ja käyttämällä tuloksena saatavia analyyseja valistettujen, kustannustehokkaiden ja tehokkaiden huoltoprotokollien käyttöön.
Miksi ennakoiva kunnossapito on niin tärkeää tämän päivän yrityksille?
Nykyajan yritykset ovat ennennäkemättömän muutoksen ja kilpailun aikakaudella. Amazon Effect on johtanut siihen, että kuluttajien vaatimukset ohjauksesta, yksilöllistämisestä ja nopeudesta ovat kasvaneet nopeasti. Kaupan ja politiikan muuttuva ilmapiiri on jättänyt monille yrityksille vaikeuksia ylläpitää kohtuuhintaisia toimitus- ja valmistussuhteita. Ja kun yhä useammat yritykset käyvät läpi digitaalista muutosta, kilpailu lisääntyy ja virhemarginaali pienenee koko ajan. Tämän seurauksena nykypäivän yritysjohtajat pyrkivät saamaan kilpailuetua älykkäillä ratkaisuilla, jotka ennustavat käyttöomaisuuden ylläpidon tarvetta, auttavat lisäämään kustannustehokkuutta ja tehostavat usein monimutkaisia yrityksen laitteistojen hallinnan vaatimuksiaan.
Sveitsin liittovaltion rautateiden käyttötapaus
Kuuntele, miten ennakoiva kunnossapito auttoi toiminnallisen huipputason saavuttamisessa.
Mitä eroa on reagoivalla, ehkäisevällä ja ennakoivalla kunnossapidolla?
Ero näissä kolmessa ylläpitomallissa ei niinkään ole siinä, miten huoltotehtävät suoritetaan, vaan milloin.
- Reaktiivinen ylläpito: Tämä on pohjimmiltaan tekoa, jossa ei tehdä mitään, kunnes jokin menee rikki. Huoltostrategiana tätä ei yleensä harjoiteta suurissa yrityksissä itsestään selvistä syistä. Se voi kuitenkin olla tahaton käytäntö, jos tietyt osat ja komponentit jätetään perinteisten huoltoaikataulujen säännöllisen kierron ulkopuolelle. Reagoiva kunnossapito tapahtuu aina faktan jälkeen.
- Ennaltaehkäisevä kunnossapito: Tähän vaikuttavat aiemmat suoritukset sekä insinöörien ja toiminnanharjoittajien tietämys ja kokemus. Se sisältää rutiininomaisen, kausittaisen, suunnitellun tai aikaperusteisen kunnossapidon. Usein se estää rikkoutumiset, mutta valitettavasti se voi olla epätarkka, mikä voi johtaa kalliiseen kunnossapitoon ennen kuin sitä tarvitaan, tai kunnossapitoprosessissa havaitsemattomiin heikkouksiin. Ehkäisevä huolto tapahtuu ennalta asetettuina aikoina, usein jo kauan etukäteen.
- Ennakoiva ylläpito: Tämä on mahdollista, kun esineiden internet (IoT) -verkot integroivat kaikki yrityksen resurssit live-ekosysteemiin. Mahdollisuus siirtää ja analysoida tietoja reaaliaikaisesti tarkoittaa, että reaaliaikaisen käyttöomaisuuden tilasta – kalentereiden sijaan – tulee ylläpitolokien perusta. Ennakoiva kunnossapito tapahtuu reaaliajassa, tarkalleen milloin ja missä sitä tarvitaan.
Seuraavassa kaaviossa (joka on sovitettu Deloitte'sta) esitetään teknologisten valmiuksien kehittyminen teollisissa vallankumouksissa ja niiden vaikutus huoltostrategioihin ja laitteiden tehokkuuteen.
Miten ennakoiva kunnossapito ja esineiden internetin analyysit toimivat?
Ennakoivan kunnossapitoprosessin ensimmäisessä askeleessa kerätään reaaliaikaisia tietoja yhdistetyistä esineiden internetin verkko-omaisuuksista koko liiketoiminnasta. Näitä tietoja on tämän jälkeen tallennettava ja hallinnoitava siten, että niitä voidaan helposti käsitellä, käyttää ja analysoida. Ennakoiva komponentti tulee voimaan, kun dataan sovelletaan tekoälyä (tekoälyä ja koneoppimisteknologiaa), jotta se alkaa kertoa hyödyllistä ja toteuttamiskelpoista tarinaa.
Ennakoivan ylläpidon ja teollisen esineiden internetin (IIoT) arkkitehtuurissa on neljä perusvaihetta:
Ennakoiva kunnossapitoprosessi
- Tietojen tunnistus ja kerääminen käyttämällä ennakoivia huoltotekniikoita (esimerkiksi lämpökuvausta tai tärinää)
- Näiden tietojen välittäminen reaaliaikaisesti verkon kautta keskitettyyn liiketoimintajärjestelmään
- Hyödyntämällä älykkäitä teknologioita, kuten tekoälyä ja koneoppimisen analyyseja, tietoihin saadaan hyödyllisiä ja relevantteja tietoja
- Nopea toiminta näiden datalähtöisten analyysien pohjalta (sekä inhimillisten että automatisoitujen) ylläpito- ja reagointiprotokollien laatimiseksi
Omaisuuserien ehtojen valvonta ja ennakoivien kunnossapitoteknologioiden hyödyntäminen
Ennakoiva ylläpito on mahdollista sellaisten verkkofyysisten järjestelmien avulla, jotka auttavat integroimaan koneet ja yrityksen resurssit älykkääseen esineiden internetin verkkoon. Se alkaa kartoittamalla edellytykset, joita on seurattava, asentamalla antureita ja perustamalla esineiden internetin verkko sekä keräämällä ja analysoimalla tietoja kyseisestä verkosta, jotta saadaan aikaan toteuttamiskelpoisia havaintoja ja näkemyksiä. Näiden seurattavien ehtojen tunnistaminen on ensimmäinen ratkaiseva askel kohti yrityksen omaisuudenhallinnan muuttamista ennakoivan kunnossapidon avulla.
Seurantaolosuhteet
Aluksi esimiesten on määriteltävä ehdot, joita on seurattava jokaisen koneen osalta. Analyysi voi olla näennäinen, kuuloinen, terminen tai tyypillisimmin näiden kriteerien yhdistelmä ja enemmän. Teknologinen vaihe tässä vaiheessa on se, että määritetään oikeat anturit ja asennettavat valvontavälineet:
- Tärinäanalyysi: Värähtelykuvioiden pienet muutokset voivat viitata epätasapainoon tai epäsuhtaan, kun taas suuret tärinätasot voivat viitata lähestyviin kantaviin tai muihin ongelmiin. Tärinäanalyysi voi antaa varhaisia varoituksia vikaantumisesta, ja se on erityisen hyödyllinen epätasapainon, epätasaisuuden, mekaanisen löyhyyden tai kuluneiden tai vahingoittuneiden osien havaitsemisessa.
- Äänen ja ultraäänen analysointi: Normaalissa toiminnassa useimmat järjestelmät luovat tasaisia äänikuvioita. Vertailuäänen kuvion muutokset voivat tarkoittaa kulumista tai muuntyyppistä huononemista. Ultraäänianalyyseillä voidaan myös saada tietoa järjestelmän yleisestä kunnosta muuntamalla korkeataajuisia ääniä (kuten höyryn tai ilmavuotojen tuottamia ääniä) kuuluvalle alueelle.
- Infrapuna-analyysi: Kuten ultraäänitutkimuksessa, myös termografia paljastaa piilotetun käyttämällä infrapuna-analyysia lämpötilan muutosten muuntamiseen näkyväksi spektriksi. Jopa hyvin hienovaraiset muutokset normaaleissa käyttölämpötiloissa voivat varoittaa lähestyvistä ongelmista.
- Nesteanalyysi: Pelkän pitoisuuksien ja lämpötilan seurannan lisäksi nesteiden fysikaalinen ja kemiallinen analyysi voi antaa arvokasta tietoa mekaanisten komponenttien kunnosta. Havaitsemalla hajoamisnopeuden jäähdytys- ja voiteluaineissa voidaan ryhtyä ehkäiseviin toimiin heti, kun nämä tiedot ovat tarpeen.
- Muut: Muita ennakoivia huoltotekniikoita on erikoistunut erilaisiin ainutlaatuisiin teollisuuden tarpeisiin. Niitä ovat laserin suuntaaminen, virtapiirin valvonta, krakkauksen havaitseminen, korroosiontarkkailu, sähkövastuksen muutokset ja muut toimialakohtaiset korroosion tai huononemisen mittauskeinot.
Ennakoivat kunnossapitotekniikat
Kun edellä mainitut kriteerit on määritetty, asianmukaiset anturit ja monitorit on asennettava ja yhdistettävä keskitettyyn liiketoimintajärjestelmään, useimmiten toiminnanohjausjärjestelmään (ERP) pilviyhteyden omaavan esineiden internetin kautta. Lisäksi käytössä on oltava tarvittavat tekoälyyn perustuvat ohjelmistoratkaisut, joilla tuetaan erilaisia algoritmeja ja analyysiprosesseja, joita tarvitaan kerätyn datan sisältämien konkreettisten tietojen ja suositusten toimittamiseen.
- IoT-verkko: Kun yrityksen resursseja lisätään antureilla, käsittelykyvyllä ja muilla teknologioilla, ne voivat lähettää ja vastaanottaa tietoja – yleensä pilviyhteyden kautta – keskitettyyn liiketoimintajärjestelmään ja sieltä pois. Tämä sisältää esineiden internetin verkon ja tukee ennakoivaa huoltostrategiaa.
- IoT gateways: Monet vanhemmat omaisuuserät toimivat edelleen erinomaisesti, mutta niiden analoginen teknologia on digitaalista integraatiota edeltävää aikaa. Näihin koneisiin voidaan asentaa esineiden internetin yhdyskäytävälaitteita, joihin voi kuulua kameroita, mikrofoneja ja lämpömittareita, joilla kerätään ja välitetään reaaliaikaista tietoa niiden toimintatiloista.
- Cloud-liitettävyys: Pilviyhteys tarjoaa on-demand-saatavuuden tietokonejärjestelmän resursseille. Useista teollisista laitteistoista koostuvassa esineiden internetin verkossa on ratkaisevan tärkeää integroida usean sijainnin tietokonekeskukset yhteen tietokantaan ja järjestelmään.
- Moderni tietokanta ja ERP: Vanhat disk-pohjaiset tietokannat eivät ole hyvin varustettuja hallitsemaan massadatan ja monimutkaisten tietokokonaisuuksien muodostamaa tilavaa ja epälineaarista dataa. Ennakoiva kunnossapito käyttää lisäksi tekoälyä ja koneoppimista tällaisten tietojen edistyneiden analyysien suorittamiseen. Tätä koko prosessia palvelee parhaiten moderni tekoälyä käyttävä ERP, jonka in-memory-tietokanta on nopea, reagoiva ja lähes rajattomasti skaalautuva.
- AI ja koneoppiminen: Pioneeraava tietojenkäsittelytieteilijä John McCarthy määrittelee tekoälyn ”älykkäiden koneiden teon tieteeksi ja insinööriksi”. Koneoppiminen on tekoälyn osajoukko, joka käyttää algoritmeja tietojen analysointiin ja ymmärtämiseen. Ennakoivat kunnossapitoratkaisut ovat riippuvaisia tekoälystä ja koneoppimisesta, jotka eivät pelkästään lajittele, ymmärrä ja opi yrityksen käyttöomaisuuden operatiivisista tiedoista, vaan myös ekstrapoloivat tiedot toteuttamiskelpoisten suositusten ja näkemysten avulla.
- Edistynyt analytiikka: tekoälyn ja koneoppimisen kehittyneet analyysit. Esimiesten on määritettävä arvioitavat määritteet ja ehdot sekä halutut analyyttiset tulokset. Tällä tavoin edistyneisiin analyyseihin informoivat algoritmit voidaan ohjelmoida mahdollisimman oivaltaviksi ja toimintakykyisiksi sekä oppia parhaiten datasta ja uusista kokemuksista ajan mittaan.
- Digitaaliset kaksoset: Digitaalinen kaksikko on juuri se: todellisen fyysisen omaisuuden virtuaalinen virkistys. Luomalla digitaalisia kaksosia johtajat voivat vierailla missä tahansa mahdollisessa toimintaskenaariossa kummallakin – ilman vaaraa siitä, että kallis kone tai laite tosiasiallisesti vahingoittuu. Tämä auttaa parantamaan ennakoivaa kunnossapitoa sallimalla koneoppimisen ja tekoälyn työkalujen sisällyttää ja oppia kokemuksista, joita ei ole koskaan edes tapahtunut.
Esimerkkejä ennakoivan kunnossapidon käyttötapauksista
- Öljy- ja kaasuala: Öljynporaus kuluttaa valtavasti varoja ja voi aiheuttaa suuria riskejä ja vaaratilanteita. Öljyn lämpötilan muutosten ja porauslaitteistojen vaihteiden nopeuden reaaliaikaisen seurannan ansiosta ennakoiva kunnossapito on parantanut turvallisuutta huomattavasti ja vähentänyt ylläpitokustannuksia jopa 38 prosenttia.
- Autoteollisuus: Kokoonpanolinjoilla pistehitsaustykit suorittavat noin 15 000 spot-hitsaa päivässä. Yhdistämällä hitsauspistooleja ympäri maailmaa ja keräämällä niiden operatiivisia tietoja autonvalmistajat voivat kerätä miljoonia datapisteitä, mikä johtaa ennennäkemättömään ennustetarkkuuteen näiden omaisuuserien kunnon ja tilan suhteen.
- Kotitalouksien laitteiden valmistus: Rummun pyörimisen tärinämittaukset kuivaimen tuotantoprosessissa ovat auttaneet ennustamaan toimintahäiriöitä tai rikkoutumista. Tämä ennakoiva kunnossapitosovellus on poistanut valmistusvirheet 33 prosenttia ja alentanut kuluttajien ylläpitokustannuksia 27 prosenttia.
- Rautateiden omaisuudenhoito: ”Mitätöinti” tapahtuu, kun tyhjä tila kehittyy radan alle, mikä johtaa mahdolliseen viivästymiseen tai jopa raiteilta suistumiseen. Viimeaikaiset innovaatiot ovat johtaneet kaapelipohjaisiin seurantajärjestelmiin, joilla voidaan havaita useita muuttujia niiden noustessa raiteille. Tämä on parantanut virheellistä havaitsemista ja parantanut yleisesti asiakkaiden turvallisuutta.
- Terästeollisuus: Poikkeamien havaitsemisella kerätään reaaliaikaisia lukemia teräksen jalostuksessa käytetyistä kylmävalssauslaitteista tärinästä, pyörimisnopeudesta ja sähkövirrasta (ampeereista). Hakemus on parantanut laitteiden käyttöikää 60 prosenttia ja vähentänyt merkittävästi seisokkiajasta ja viivästyksistä johtuvia tappioita.
Ennakoivan kunnossapidon hyödyt
Ennustehuoltojärjestelmien käyttöönotto on johtanut vaikuttaviin tuloksiin useilla toimialoilla.
Mielenkiintoista on, että ajatus ennakoivasta kunnossapidosta ei ole mikään uusi. Vuosikymmenten ajan yritykset ovat pyrkineet parantamaan käyttöomaisuuden ylläpidon ennustettavuutta, mutta AI:n ja modernien ERP-järjestelmien kaltaisten teknologioiden yleistyminen on vaatinut kykyä ja toiminnallisuutta, joita tarvitaan todella toimivien ennakoivien ylläpitoratkaisujen aikaansaamiseen. Hyödyt:
- Parempi näkyvyys koko toimintoon: Parempi näkyvyys kenttään ja muihin laitteistoihin, jotka eivät ole paikan päällä. Näin alkuperäiset laitevalmistajat ja kolmannen osapuolen palveluntarjoajat voivat tarjota parempaa arvoa ja valistuneempia palveluja.
- Alhaisemmat kunnossapitokustannukset ja parempi käyttöomaisuuden suorituskyky: Ennakoiva kunnossapito johtaa johdonmukaisesti olemassa olevien resurssien parempaan käyttöön, seisokkiajan lyhenemiseen ja arvokkaiden käyttöomaisuushyödykkeiden käyttöiän pidentämiseen.
- Entistä vaikutusvaltaisemmat tiimit: Kun omaisuudenhoitajilla, palveluntarjoajilla ja toimitusketjupäälliköillä on käytössään datatiede ja reaaliaikaiset analyysit, ne voivat kehittää huoltoaikatauluja, jotka toimivat – heistä tulee palomiehiä ja -suunnittelijoita.
Seuraavat askeleet toimitusketjun muuntamiseen ennakoivilla ylläpitoratkaisuilla
Monet yritykset eivät ole muuttaneet omaisuuserien ylläpitostrategioitaan vuosikymmeniin, vaikka ne ovat nykyaikaistaneet muita liiketoiminta-alojaan. Pitkäaikaisten prosessien muuttaminen on haastavaa, ja tiimissäsi voi olla vaikea saada hyväksyntää. Menestyneimmät liiketoiminnan muutossuunnitelmat alkavat hyvällä viestintä- ja muutostenhallintastrategialla, jonka avulla tiimit saadaan mukaan ja siilot puretaan. Pyydä ohjelmistotoimittajaltasi lisätietoja siitä, mitkä työkalut ja ratkaisut soveltuvat parhaiten yksilöllisiin tarpeisiisi, ja saat käyttöösi tiekartan ja digitaalisen muutosmatkan.
Tutustu SAP Predictive Asset Insights -ratkaisuun
Maksimoi laitteiston suorituskyky nykyaikaisilla ennakoivilla kunnossapitotyökaluilla.
SAP Insights -uutiskirje