Kunstig intelligens gir forutsigbart vedlikehold: Siemens og Senseye med ny løsning for industrien
I takt med økende krav til oppetid, energieffektivitet og smartere ressursbruk, får prediktivt vedlikehold en stadig viktigere rolle i moderne industribedrifter. En løsning som vekker interesse internasjonalt er Senseye, en plattform for prediktivt vedlikehold drevet av kunstig intelligens (KI), som nå rulles ut i samarbeid med Siemens sin Industrial Edge-infrastruktur. Senseye og Industrial Edge er to forskjellige produkter som funger hver for seg, men de spiller også svært godt sammen. Siemens trekker frem Senseye sin åpenhet mot andre systemer, hvilket gjør at man ikke trenger hele å kjøre Siemens fra A til Å.
Skalerbart og brukervennlig
Senseye beskrives som en selvkjørende vedlikeholdsplattform som gir operatører og vedlikeholdspersonell mulighet til å overvåke og analysere maskiner i sanntid – uten å være avhengig av dataeksperter. Systemet er utviklet for å være skalerbart: én konfigurasjon kan gjenbrukes på tvers av lignende utstyr, noe som forenkler implementering i større anlegg.
Et konkret eksempel kommer fra stålgiganten BlueScope, som ifølge Siemens har tatt i bruk Senseye på over 20 000 enheter.
Åpen integrasjon med eksisterende sensorer
Løsningen er utformet for fleksibilitet i datainnhenting og støtter en rekke industrielle protokoller via Siemens’ Industrial Edge-plattform – blant annet OPC-UA, Modbus, S7 og Ethernet/IP. Dette gjør det mulig å hente ut data produsent uavhengig som etablerte merker som for eksempel Rockwell, Allen-Bradley, ABB, Schneider og Treon.
Senseye tar også imot data fra trådløse vibrasjons- og temperatursensorer og kan hente informasjon fra SCADA-systemer, MES og bruke historiske data.
Hvilken data gir best prediksjon?
Erfaring fra Siemens viser at ulike typer data gir ulik treffsikkerhet, avhengig av komponenttype. Eksempelvis er strømmålinger egnet for å avdekke feil i motorens viklinger, mens vibrasjonsdata er mer presise ved feil i lagre. Systemet benytter et omfattende bibliotek av tidligere cases og utstyrstyper for å avgjøre hvilke sensordata som gir best prediksjon for ulike scenarier.
Kontekst gjør KI mer intelligent
Senseye legger stor vekt på kontekstuell dataforståelse – en viktig komponent for å unngå falske alarmer. Hvis en strømtopp skyldes oppstart av et tungt produkt på et transportbånd, tolker systemet dette som normal drift så lenge det får informasjon om produktkoden. Endringer i driftstilstand eller lastforhold kan dermed tas hensyn til, slik at bare reelle avvik fanges opp.
Brukergrensesnitt og varsling
Brukergrensesnittet består av et intuitivt dashbord der kritiske feil markeres tydelig. Vedlikeholdsteam kan benytte systemet til å prioritere hvilke maskiner som krever innsats. I tillegg kan daglige rapporter sendes på e-post med oversikt over nye og pågående tilfeller.
KI uten dataspesialister
Et av de mest fremtredende trekkene ved løsningen er at den ikke krever spesialkompetanse innen dataanalyse. Systemet benytter kunstig intelligens og elementer av generativ KI, men er pakket slik at brukeren kun trenger å forholde seg til resultatene – ikke algoritmene.
– Det er som å sette seg i bilen og kjøre, uten å måtte forstå motoren, uttalte en representant fra Siemens under en presentasjon nylig.
Vurdering
Senseye og Siemens’ fellesløsning representerer et konkret eksempel på hvordan kunstig intelligens tas i bruk på en pragmatisk og produksjonsnær måte. I motsetning til mange KI-konsepter som fortsatt er på forsknings- eller pilotstadiet, er dette en løsning som ifølge Siemens allerede er i drift hos flere større industribedrifter.
Siemens hevder at teknologien allerede kan levere på pålitelighet, brukervennlighet og faktisk reduksjon i nedetid. Så får vi se om det står deg over tid. For industribedrifter som ønsker å ta i bruk KI uten store investeringer i dataressurser, fremstår Senseye som en interessant kandidat i et marked med stadig større behov for smart vedlikehold.
Kunstig intelligens gir forutsigbart vedlikehold: Siemens og Senseye med ny løsning for industrien
I takt med økende krav til oppetid, energieffektivitet og smartere ressursbruk, får prediktivt vedlikehold en stadig viktigere rolle i moderne industribedrifter. En løsning som vekker interesse internasjonalt er Senseye, en plattform for prediktivt vedlikehold drevet av kunstig intelligens (KI), som nå rulles ut i samarbeid med Siemens sin Industrial Edge-infrastruktur. Senseye og Industrial Edge er to forskjellige produkter som funger hver for seg, men de spiller også svært godt sammen. Siemens trekker frem Senseye sin åpenhet mot andre systemer, hvilket gjør at man ikke trenger hele å kjøre Siemens fra A til Å.
Digitale verktøy og LEAN organisering
Vestdavit har modernisert sin produksjon i Polen. Med digitale verktøy og LEAN organisering har de etablert en effektiv og kundetilpasset organisasjon. Det toppmoderne anlegget på 1000 kvm har økt produksjonskapasiteten til rundt 100 enheter per år.
– Oppgraderingen av anlegget gjør oss i stand til å møte økende etterspørsel etter avanserte båthåndteringssystemer. Det gir også muligheter for bygging av større daviter, sier teknisk direktør Helge Gravdal.
Automatisert sliping av rillestål
K. Kværner på Kløfta har vært spesialist på produksjon av listverk siden 1934. God fagkompetanse og moderne produksjonsutstyr gjør at de kan drive virksomheten i Norge.
– Vi satser mye på spesialhøvling. Det er en nisje i markedet, og med vår nye, automatiske slipemaskin kan vi produsere lister og profiler i små serier, sier daglig leder Kåre Knudsen i K. Kværner Industri AS.
Min Drift & Vedlikehold nr. 1 – 2026
Hvordan skal industrien møte en fremtid preget av økt usikkerhet, høyere krav til effektivitet og rask teknologisk utvikling? I årets første utgave av Min Drift & Vedlikehold ser vi nærmere på hvordan norske industribedrifter tar i bruk automasjon, KI og nye vedlikeholdsstrategier for å styrke både konkurransekraft og robusthet.
