Når maskiner eller utstyr stopper eller bryter sammen, kan det være vanskelig å finne årsaken til problemet. Dessuten kan det være for sent å gjøre noe med det. Med riktig bruk av prediktivt, eller forebyggende eller forutseende, vedlikehold er det mulig å forutsi når en maskin eller et utstyr vil trenge vedlikehold, slik at man kan planlegge vedlikeholdet og unngå kostbar nedetid. Her er en omfattende guide til hvordan du kan implementere forebyggende vedlikehold i dine anlegg.
Forebyggende vedlikehold
Du har sikkert vært i en situasjon der du har stått med en maskin som har gått i stykker og krevde vedlikehold, uten at du ante hvorfor den gikk i stykker. Det kan være frustrerende å måtte håndtere uventet nedetid.
Prediktivt vedlikehold innebærer et paradigmeskifte fra konvensjonelle reaktive eller planlagte vedlikeholdsprosedyrer. Det reduserer kostnadene og maksimerer levetiden ved å legge til rette for rettidig og nøyaktig service på utstyret ved hjelp av sanntidsdata fra sensorer og tidligere registreringer. Det “forutser” problemer og planlegger vedlikeholdsaktiviteter på riktig måte ved å evaluere historiske data, sensordata i sanntid og maskinlæringsalgoritmer. Dette minimerer uplanlagt nedetid og senker de totale kostnadene knyttet til vedlikehold og utstyrssvikt.
Nøkkelkomponentene i forebyggende vedlikehold er blant annet:
- Datainnsamling – innhenting av informasjon for å spore utstyrets funksjon fra sensorer, tidligere vedlikeholdslogger og andre kilder.
- Dataanalyse – å finne mønstre og avvik som kan peke på mulige feil ved hjelp av statistisk analyse, maskinlæringsalgoritmer og andre metoder.
- Tilstandsovervåking – sanntidsovervåking av utstyrets ytelse og tilstand for å identifisere eventuelle endringer som kan tyde på fremtidige problemer.
- Prediktive modeller – lage modeller for å forutse når vedlikehold bør utføres for å unngå feil basert på tidligere data og nåværende omstendigheter.
- Handlingsrettet innsikt – gir vedlikeholdspersonalet praktiske forslag, for eksempel om å arrangere vedlikehold under planlagt nedetid eller bytte ut komponenter før de går i stykker.
Nedetid kan koste deg dyrt
Ifølge Siemens‘ rapport “The True Costs of Downtime 2022” blir uplanlagt nedetid stadig dyrere. Produsenteres kostnader for en times uplanlagt nedetid har økt med minst 50 % i alle de undersøkte bransjene de siste to årene. I følge Uptime Institute Global Data Center Survey 2023 rapporterer over halvparten (55 %) av operatørene at det har vært driftsstans på deres lokasjon i løpet av de siste tre årene.
“I Industry 4.0-miljøet bør vedlikehold gjøre mye mer enn bare å forhindre driftsstans for enkeltanlegg. Å forutsi feil ved hjelp av avanserte analyser kan øke utstyrets oppetid med opptil 20 %.”
Forebyggende vedlikehold, posisjonsnotat – Deloitte Analytics Institute
Dette betyr at ulike organisasjoner står overfor en rekke tap, ifølge rapportene ovenfor. Det kan dreie seg om alt fra økonomiske tap til produktivitetstap. For å unngå dette er det derfor nødvendig for organisasjoner å ha en pålitelig strategi for forebyggende vedlikehold. Ifølge Deloitte Analytics reduserer prediktivt vedlikehold i gjennomsnitt vedlikeholdskostnadene med 25 %, eliminerer driftsstans med 70 % og øker produktiviteten med 25 %. Det er en ny tilnærming til planlegging og gjennomføring av vedlikehold i industriell skala, og er basert på avansert analyse.
Fordeler
Forutseende vedlikehold er svært nyttig for en lang rekke bransjer og lar bedrifter forutse sannsynlige utstyrshavarier før de inntreffer ved hjelp av moderne analyse- og maskinlæringsalgoritmer. Denne forebyggende strategien minimerer driftsavbrudd og produksjon ved å redusere uplanlagt nedetid og optimalisere vedlikeholdsplanene. Ved å målrette vedlikeholdsaktivitetene nøyaktig mot hvor og når de trengs mest, oppnår man kostnadsbesparelser gjennom smart ressursallokering.
Fordelene omfatter blant annet:
- Redusert utstyrsnedetid
- Lengre levetid for maskin/utstyr
- Budsjettkontroll og lavere vedlikeholdskostnader
- Forbedret utstyrseffektivitet
- Forbedret sikkerhet
- Forbedret produktivitet
- Kundetilfredshet
- Datadreven kunnskap
Produkter og teknologier innen prediktivt vedlikehold
Forebyggende vedlikehold er avhengig av ulike produkter og teknologier for å lykkes. For eksempel er sensorer viktige fordi de overvåker ytelsen til de enkelte eiendelene. Når sensordataene svinger over det forventede området, får du beskjed om å ta vare på eiendelen og iverksette nødvendige tiltak før det oppstår feil.
Produktene nedenfor gjør det enklere å implementere denne type vedlikehold:
Termokamera
Termokamera bidrar til tidlig oppdagelse av problemer, noe som gjør det mulig å utføre vedlikehold i tide og forhindre kostbare driftsstans. Her bruker man infrarøde kameraer til å oppdage og visualisere termiske mønstre fra utstyr og maskiner. Ved å analysere termiske mønstre kan vedlikeholdspersonell identifisere overopphetede komponenter, løse koblinger og andre problemer som kan tyde på potensielle feil eller ineffektivitet. Det er spesielt nyttig i elektriske systemer, mekanisk utstyr og bygningsinfrastruktur, der temperaturvariasjoner kan signalisere underliggende problemer.
Anbefalte produkter
Termokamera fra FLIR
Termokamera fra Fluke
Overvåkingssensorer
Forutseende vedlikehold er i stor grad avhengig av overvåkingssensorer. Disse sensorene fanger opp sanntidsdata om viktige tilstander som vibrasjon, temperatur, trykk og væskeanalyse. Gjennom kontinuerlig observasjon identifiserer de avvik fra standard driftsomstendigheter som kan tyde på mulige problemer med utstyret. Temperatursensorer kan for eksempel identifisere overoppheting, og vibrasjonssensorer kan oppdage ubalanse eller feiljustering i roterende utstyr, som begge kan føre til tidlig intervensjon og forebyggende vedlikehold.
Anbefalte produkter
Trykksensor fra RS PRO
Ultrasonisk akustikkovervåking
Sensorer brukes i ultrasonisk akustikkovervåking for å identifisere høyfrekvente lyder som oppstår når bevegelige deler gnis mot hverandre i lagre. Disse lydene, som ofte ikke er hørbare for det menneskelige øret, er tegn på slitasje eller utilstrekkelig smøring. Signalene omdannes av sensorer til auditive eller visuelle varsler, som gjør det mulig for vedlikeholdsteamene å gjenkjenne mulige problemer og iverksette tiltak før de blir mer alvorlige.
Oljeanalyse
Ved å oppdage eventuelle problemer før de fører til svikt i utstyret, gir oljeanalyser viktig informasjon om motorens tilstand. For å oppdage lekkasjer eller slitasje på utstyret ser man etter metallpartikler, vann og forurensende stoffer i oljen. Tidlig oppdagelse av disse komponentene muliggjør rask reparasjon, noe som øker maskinens generelle driftssikkerhet og levetid.
Vibrasjonsanalyse
Vibrasjonsanalyse innebærer sporing og evaluering av vibrasjoner fra maskiner og annet utstyr. Det hjelper deg med å identifisere unormale forhold som slitasje, ubalanse, feiljustering og mekaniske problemer, noe som gjør det mulig å oppdage mulige problemer på et tidlig tidspunkt før de fører til feil på utstyret.
Anbefalte produkter
Vibrasjonsmåler fra Extech Instruments
Vibrasjonsmåler med Fluke Connect fra Fluke
Utslipsstesting
Forutseende vedlikehold bruker utslippstesting for å måle luftforurensningsnivået fra maskiner eller biler i bevegelse. Under en inspeksjon holder sensorer øye med nitrogenoksider, karbonmonoksid, hydrokarboner og dioksid. Undersøkelser av defekte tenningssystemer, oksygensensorer som svikter, feil på drivstoffinnsprøytningen eller ødelagte luftinnsprøytningssystemer blir iverksatt når det oppdages økte forurensningsnivåer.
Programvare
Ved hjelp av sofistikerte algoritmer analyserer programvaren data fra tilstandsovervåkingssensorer og historiske data, noe som er avgjørende for prediktivt vedlikehold. Den forutser utstyrsproblemer før de oppstår ved å oppdage mønstre og avvik, noe som muliggjør proaktiv vedlikeholdsplanlegging for å spare nedetid og maksimere ressursallokeringen. Ved hjelp av ABBs AbilityTM Predictive Maintenance-programvare kan du for eksempel vurdere data i sanntid, identifisere uregelmessigheter og forutsi feilfunksjoner. Gjennom bruk av prediktiv analyse hjelper ABB bedrifter med å redusere vedlikeholdskostnader, øke produksjonen og redusere nedetid.
Trinn for å implementere forebyggende vedlikehold
For å optimalisere fordelene med forebyggende vedlikehold i forbindelse med utstyrsstyring, må man ta en rekke avgjørende skritt. Det finnes ulike tilnærminger til forebyggende vedlikehold, men det er viktig å starte med å analysere historiske data og se på eventuelle tilfeller av nedetid og andre problemer som har oppstått tidligere.
Deretter er det første trinnet installasjon av industrielle sensorer. Kontinuerlig overvåking av egenskaper som vibrasjoner, temperatur og trykk er mulig ved å velge riktig teknologi og installere sensornettverk på viktige anlegg. Dette er vedlikehold som i stor grad er avhengig av tidlig identifisering av avvik, noe som muliggjøres av denne datainnsamlingen.
Det er avgjørende å forstå utstyrets opprinnelige tilstand. Normale driftsparametere fastsettes av ingeniører for raskt å kunne oppdage eventuelle avvik som kan tyde på mulige problemer og muliggjøre forebyggende vedlikeholdstiltak. I tillegg er det viktig å ta i bruk programvare for prediktivt vedlikehold, for eksempel et datastyrt vedlikeholdsstyringssystem (CMMS), for å optimalisere ressursallokeringen og driftseffektiviteten gjennom effektiv planlegging basert på datadrevet innsikt.
Oppsummering
Produksjonsbedrifter har mye å tjene på å ta i bruk forebyggende vedlikehold, siden det reduserer nedetiden, øker produksjonen og gir betydelige kostnadsbesparelser. Ved å fremme energieffektivitet støtter disse taktikkene i tillegg internasjonale bærekraftsmål. Det forventes kontinuerlige forbedringer i driftssikkerheten og bærekraftsstandardene etter hvert som prediktivt vedlikehold utvikles og integreres i produksjonsprosessene.
Det er imidlertid viktig å huske på at det er mange utfordringer forbundet med å implementere denne type strategi. For å finne unormale forhold trenger dataanalyse derfor også en jevn tilførsel av data. Det kan være utfordrende å finne problemer hvis det er uregelmessigheter i måten dataene samles inn på. Når du bruker utstyr, må du dessuten investere litt tid, energi og omtanke i å finne ut hvilke av de ovennevnte teknologiene og produktene for forebyggende vedlikehold som passer best for den enkelte eiendelen.
