MaintainIT

Ideel vedligeholdelsesstrategi for industri- og produktionsvirksomhederne kan nu realiseres via sensor data og en ny software kaldet: HDC-Analyzer

Vedligehold til fremtidens Industri 4.0

•    Intelligent tilstandsbaseret vedligehold (AI)
•    Enorm økonomisk og miljømæssig besparelse på reservedele og færre driftsstop
•    “If it ain´t broke – don’t fix it”.  (T. Bert)

Den dygtige maskinmester eller tekniker, som går rundt og ”lytter” på lejerne, og kender lyden af maskinen, har vi automatiseret med softwarekonceptet ”HDC-Analyzer”. Dermed er det ikke længere nødvendigt at skifte komponenter ud før de viser tegn på nedbrud. Afløseren for timebaseret vedligehold er den intelligente tilstandsbaserede vedligehold.

Der er et kæmpe spild i maskindele, som udskiftes selvom de intet fejler. I mange virksomheder skiftes kritiske komponenter ud efter intervaller som producenten anviser. Her er der ofte tale om intervaller, hvor under 10% af komponenterne har fejlet. Det næste problem er, at efter udskiftningen, så fejler op til 27% af de nye komponenter pga. fejlmontage (kilde ABB).
I Cedas ønsker vi i stedet at fremme følgende motto:

“If it ain´t broke – don’t fix it”.  (T. Bert)

Miljømæssigt er der store gevinster at hente ved at implementere vores intelligente vedligeholdsløsning. Dette koncept vil nemlig potentielt nedbringe salget af reservedele markant.
Økonomisk er det desuden en rigtig god investering, hvor den enkelte virksomhed kan opnå store besparelser.

Udfordringen

•    Data bliver til informationsoverflod (<1% af data når beslutningstager )
•    Der er data nok til at forudse nedbrud, men udstyret bryder stadig ned
•    Viden om dataanalyse forankres ikke i virksomheden, men hos enkeltpersoner

I industri 4.0 æraen er der et stigende fokus på anvendelse af data og en mangfoldighed af digitale løsningsmuligheder. Dette kan give den enkelte industri- eller produktionsvirksomhed en stor teknisk udfordring i stigningen i antallet af forskellige skærmbilleder og apps, som operatørerne på f.eks. et kraftværk skal holde øje med. Der købes udstyr til dataopsamling som aldrig før, alt kan forbindes og vises på trendkurver, så der kan gribes ind før et nedbrud opstår.
Her er en del af udfordringen. Her i spændingsfeltet mellem drift og strategiske langsigtede beslutninger. Hvem har ejerskabet over alle disse nye systemer til fx vibrationsovervågning og lignende, og hvem holder øje med, om der er tegn på nedbrud om 8-12 måneder? Skal man ansætte flere dataanalytikere, eller skal det normale driftspersonale holde øje med det hele?

En anden del af udfordringen er, at driften potentielt bliver usikker og fejl fyldt pga. individuelle alarmgrænser på komponenterne, og en overvældende mængde af data som man skal holde øje med. Når der endelig findes nogle personer i organisationen, der bliver dygtige til at arbejde med data, så risikerer man, at disse nøglepersoner med unik viden og ejerskab over systemerne, søger nye udfordringer.

På trods af data, fra fx dyrt vibrationsmålingsudstyr, så bryder det tekniske udstyr stadig ned, og man kan (måske for sent) se på graferne… at nedbruddet kunne have været forudset.

Der er få, der har tid og evner til at overskue al den data i sammenhæng med f.eks. vejrforhold og forskellige belastninger. Det er frustrerende og derfor har vi udarbejdet et nyt software koncept, der kan løse disse

Vores fremtidssikrede løsning

• Optagelse af ”Normal drift” for hver enkelt del-maskine kan gemmes og overvåges automatisk
• Simpel idriftsættelse i tre step og ingen behov for datanalytikere
• Mulighed for at optage flere scenarier af "Normal drift"

HDC-Analyzer - Historical Data Conflict Analyzer

Peter Strini, Executive Global Network (EGN) siger om vores HDC-Analyzer:

”Industrien og den tekniske ledelse har aldrig tidligere haft et softwareværktøj, som interaktivt fortæller vedligeholdsafdelingen, hvornår der skal skiftes kritiske reservedele ud – kun ved hjælp af i forvejen kendt sensor teknologi”.

Vi kan med denne ny software præsentere én samlet status af driftstilstanden fra maskinen og automatisk overvåge, om den kører problemfrit. En algoritme giver besked, når de første tegn på problemer opstår.

Ved at overvåge hele konteksten til driften af f.eks. en ventilator, så lærer algoritmen, hvordan signalerne indbyrdes påvirker hinanden.

Softwaren er forberedt til, at f.eks. 10 sensordata laves om til ét resultat, 10 af disse resultater, kan igen repræsenteres med ét resultat osv. Ultimativt kan den tekniske driftstilstand af en hel fabrik vises med et ”teknisk barometer”, hvor man nemt kan navigere til det problemfyldte udstyr.

Softwaren er designet efter ”Jethro Princippet” og muliggør, at tusinder af data punkter kan overskues og, at væsentlige udfordringer bringes op til den tekniske ledelse.

 

Mere om vores HDC-Analyzer

• Alle data kan anvendes
• Kan tilpasses kundens netværkskonfiguration og lokale retningslinjer for IT og data
• Algoritme arbejder med matematisk sandsynlighed

Der er tale om en software, som kan tilkobles eksisterende overvågningssystemer (add-on) eller det kan køres som et ”stand-alone” setup, som det er vist herunder.

Blæseren herunder er en simpel repræsentation af en industriel proces som anvender softwaren.

Data kan komme fra f.eks. temperatur, vibrationer, lyd, strømforbrug, hastighed, tryk og meget mere. Vi kan også overvåge sekvenstider, manuelle registreringer, recepter og driftsparametre. Faktisk kan vi overvåge alle former for data med dette koncept

 

Lyd analyse med special mikrofon (FFT-193 kHz) med ”HDC-Analyzer” hos Cedas i Randers. En leje overvågning som denne kan fortælle om problemer med et leje op til 1 år før et lejehavari.

 

”HDC-Analyzer” – betjening integreret i WinCC-Advanced

 

Der er 3 simple steps, så alle kan anvende softwaren vist på billedet herover:

• History: Først laves der en ”data-optagelse” fra udvalgte målepunkter.
• Key: Dernæst aktiveres nøglen ud fra det optagede data.
• Play: Endeligt aktiveres overvågningen af maskinen og resultatet præsenteres i speedometeret, hvor 0 angiver, at alt kører som normalt, og en stigende værdi viser, at der er tegn på problemer.

Vi søger samarbejde med flere virksomheder der vil deltage i pilotprojekter omkring anvendelsen af dette koncept.

Fakta:

• Data is a key strategic asset – 1.6T USD (Maintenance is where the biggest assets are found).
• ^[1] Kun 1% af sensordata fra en boreplatform når beslutningstageren.

Kilde:

https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/the-internet-of-things-the-value-of-digitizing-the-physical-world