Predictive maintenance: Fra brandslukning til planlagte stop

Predictive maintenance, eller forudsigende vedligehold, handler om at opdage fejl under udvikling, så I kan planlægge indgrebet før et uventet stop. Det er relevant, når en pumpe, motor eller kompressor kan standse mere end sin egen del af produktionen.

I kender måske situationen: Serviceplanen er fulgt, men udstyret stopper alligevel. Eller I udskifter dele efter kalenderen uden at vide, om de faktisk var slidte.

Her får I forskellen på vedligeholdsstrategierne, en praktisk vurdering af egnet udstyr og en plan for at komme fra maskindata til handling. Målet er ikke flere alarmer. Det er bedre mulighed for at bestille dele, finde teknikere og placere stoppet, hvor det generer mindst.

Hvad er predictive maintenance?

Predictive maintenance bruger data og modeller til at forudsige, hvornår en fejl vil opstå, så vedligehold kan planlægges. Udgangspunktet er, at mange fejl udvikler sig gradvist og efterlader signaler, før udstyret stopper.

Det adskiller sig fra at reparere efter havari, men også fra at servicere efter faste intervaller. Forskellen ligger i, hvad der udløser handlingen.

Condition monitoring betyder overvågning af udstyrets tilstand. Det kan være grundlaget for både tilstandsbaseret og forudsigende vedligehold, men overvågning alene er ikke en forudsigelse.

En alarm ved høj temperatur fortæller, at en grænse er overskredet. En forudsigende tilgang ser på udviklingen og sammenhængen mellem signalerne for at vurdere den kommende fejl. I behøver derfor ikke kalde al digital overvågning for predictive maintenance.

Vælg udstyr efter konsekvensen af et stop

Den rigtige vedligeholdelsesstrategi afhænger af udstyret og konsekvensen af fejl. I behøver ikke vælge samme tilgang til hele fabrikken.

Forudsigende vedligehold passer bedst til kritisk udstyr, hvor uplanlagte stop er dyre, og hvor fejl udvikler sig over tid. Lejer, motorer, pumper, gear og kompressorer er relevante steder at undersøge.

Begynd med konsekvensen, ikke med sensoren. En pumpe med reservekapacitet bag sig har en anden betydning for driften end en tilsvarende pumpe, der kan standse hele processen.

• Driftskonsekvens: Hvilken produktion eller proces bliver berørt af et stop?
• Fejludvikling: Opstår fejlen gradvist, så der er noget at opdage?
• Handlemulighed: Kan et tidligere varsel bruges til at planlægge reservedele og indgreb?
• Alternativ: Er faste intervaller eller kørsel til fejl mere hensigtsmæssigt?

Billigt udstyr, som er enkelt at udskifte og ikke påvirker resten af driften, kan være bedre tjent med reaktiv vedligeholdelse. Fejl, der opstår helt pludseligt uden forudgående signaler, er heller ikke et oplagt mål for en forudsigende tilgang.

Hvilke data skal I bruge?

Start med at undersøge, hvad I allerede registrerer. Maskinens egne signaler fra PLC kan være relevante, før I beslutter at montere ekstra sensorer.

Typiske datakilder er vibration, temperatur, strømforbrug, tryk, olieanalyse og akustik. Hertil kommer vedligeholdshistorikken med fejl, inspektioner og reparationer.

Forbind målingen med den konkrete fejltype

Hvis I vil følge udviklingen i et leje, er vibrationsanalyse relevant at undersøge. Ved en pumpe kan vibration, temperatur, motorstrøm og tryk tilsammen give et mere brugbart billede af driften end et enkelt signal.

Sensoren skal sidde på det rigtige udstyr og måle noget, der hænger sammen med den fejl, I vil opdage. En stor mængde data er ikke i sig selv et godt grundlag.

Gør registreringerne brugbare for vedligehold

Notér, hvilket aktiv der havde fejlen, hvad teknikeren fandt, og hvad der blev repareret. Beskriv også, hvornår problemet blev opdaget, og hvornår indgrebet fandt sted.

En registrering som “maskine stoppet” fortæller mindre end en beskrivelse af den konkrete komponent og fejl. Historikken skal kunne forbindes med maskinens signaler, så hændelsen kan forstås i sammenhæng.

Driftsforholdene skal også med. En ændring i belastning kan ændre målingerne uden at være en fejl. Derfor skal vurderingen tage højde for, hvad maskinen laver, frem for blot at sammenligne alle målinger direkte.

Fra advarsel til et planlagt indgreb

Et tidligt signal skaber først værdi, når nogen handler på det. Derfor skal arbejdsgangen omkring advarslen være afklaret, før den bliver en del af den daglige drift.

Forestil jer en kritisk pumpe, hvor vibrationerne ændrer sig gradvist. Den relevante opgave er ikke bare at sende en besked, men at få vurderet udviklingen og besluttet, hvad der skal ske.

• Modtagelse: En navngiven funktion har ansvar for at gennemgå advarslen.
• Vurdering: Teknikeren ser på signaler, belastning og tidligere reparationer.
• Planlægning: Reservedele, bemanding og et passende stop koordineres.
• Tilbagemelding: Fund og udført arbejde registreres på det samme aktiv.

Den sidste del er vigtig. Hvis teknikeren finder et slidt leje, skal den oplysning tilbage i historikken. Så bliver sammenhængen mellem signal, fejl og indgreb tydeligere.

Aftal også, hvordan advarsler prioriteres. En afvigelse på kritisk udstyr bør vurderes ud fra både udviklingen i målingerne og konsekvensen af et stop, ikke blot ud fra at en alarm er udløst.

Jo tidligere en gradvis fejl opdages, jo mere tid er der til at bestille reservedele og lægge indgrebet ind i produktionsplanen. Det er forbindelsen mellem overvågning og planlægning, der gør forskellen i hverdagen.

Byg business casen på jeres egen nedetid

Start med at beskrive den nuværende situation: Hvilke fejl giver uplanlagte stop, hvor længe varer de, og hvilke opgaver følger med? Skeln mellem selve reparationen og konsekvensen for produktionen.

Medtag også indsatsen til sensorer, diagnoseudstyr, databehandling, træning og opfølgning. En business case skal rumme hele arbejdsgangen, ikke kun teknologien.

Ifølge U.S. Department of Energys O&M Best Practices Guide, Release 3.0, har tidligere studier anslået, at et velfungerende predictive maintenance-program kan give 8 til 12 % besparelse sammenlignet med et program, der kun bruger forebyggende vedligeholdelse. Guiden nævner samtidig øget investering i diagnoseudstyr og træning som ulemper.

Et regneeksempel med jeres eget udgangspunkt

Hvis I vil undersøge spændets betydning, kan I tage jeres årlige omkostning til det afgrænsede, forebyggende vedligeholdsprogram og beregne:

• Årlig omkostning ganget med 8 %.
• Årlig omkostning ganget med 12 %.

Det er et indledende sammenligningsgrundlag, ikke et løfte eller et budget. Brug kun omkostninger for det udstyr og den indsats, I faktisk undersøger, og hold investering og løbende drift op mod den mulige gevinst.

Følg derefter antal uplanlagte stop og nedetid før og efter. Notér ændringer i belastning og produktionsforhold, så I vurderer resultaterne på et sammenligneligt grundlag.

Hvor hjælper data og AI konkret?

AI er relevant, når flere signaler skal vurderes i sammenhæng, og maskinens normale mønster afhænger af driften. Det kan eksempelvis være samspillet mellem vibration, temperatur og belastning.

Har I historik med tilstrækkeligt mange registrerede fejl, kan modeller lære af sammenhængen mellem signaler og fejl. En anden tilgang er anomalidetektion, som lærer normal drift og advarer om afvigelser.

En afvigelse er dog ikke det samme som en præcis forudsigelse af et havari. Advarslen skal sættes i forbindelse med udstyret, fejltypen og vedligeholdshistorikken, så den bliver brugbar for teknikeren.

Data og AI kan også hjælpe med at prioritere advarsler, så teknikerne ikke drukner i alarmer. Koblingen til tidligere reparationer og reservedelsplanlægning gør informationen mere anvendelig i den konkrete arbejdsordre.

AI giver ikke mening som første skridt, hvis der hverken er relevante signaler eller en organisation, der handler på dem. Her er opgaven først at etablere målinger, ensartede registreringer og tydeligt ansvar.

Hvis en enkel grænseværdi giver det nødvendige beslutningsgrundlag, er tilstandsbaseret vedligehold et fornuftigt valg. Kompleksiteten skal følge opgaven.

Hos Norvell tager vi udgangspunkt i den konkrete driftsbeslutning: Hvad skal I kunne opdage, og hvilken handling skal det udløse? Derefter afklarer vi, hvilke data og hvilken analyse der er nødvendig.

Sådan kommer I i gang

Start afgrænset frem for at koble hele anlægget på. Vælg få kritiske aktiver, hvor fejltyperne er kendte, og hvor et tidligere varsel giver en konkret mulighed for at planlægge arbejdet.

1. Analysér udstyr og business case. Hos Norvell er første fase altid analyse og business case på jeres egne data. Vi kortlægger fejltyper, konsekvenser, eksisterende signaler og den nuværende vedligeholdsindsats.
2. Afklar data og ansvar. Vi fastlægger, hvilke målinger og registreringer der skal bruges. I udpeger samtidig, hvem der vurderer advarsler og planlægger indgreb.
3. Kør en afgrænset pilot. Vi kobler analysen til de valgte aktiver og den aftalte arbejdsgang. Vi måler før og efter med fokus på uplanlagte stop og nedetid.
4. Planlæg næste fase. Resultater og erfaringer bruges til at prioritere den videre indsats. I får en fast pris pr. fase og et tydeligt grundlag for hver beslutning.

Målet er ikke at udskifte hele jeres vedligeholdelsesstrategi. Det er at bruge den rette tilgang på det rette udstyr og skabe en forbedring, der kan mærkes på bundlinjen.

Book et gratis afklaringsmøde på 30 minutter med Norvell, og få afklaret, hvor det giver mening at begynde hos jer.

Spørgsmål og svar

Vil I vide, hvad det kan betyde hos jer?

På et gratis afklaringsmøde på 30 minutter ser vi på jeres proces og jeres data, og I får en ærlig vurdering af, om og hvor det giver mening at starte.

Book et afklaringsmøde

Læs også