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.
Smørefrie lager gir mindre stans i produksjonen hos Maarud
Norges største potegullprodusent er opptatt av pålitelig drift og stor mattrygghet. For å optimalisere disse momentene harde valgt å installere smørefrie lager fra SKF i fabrikken på Disenå. De nye lagrene gir færre stans for å skifte lager og hindrer at smørefett havner i produkt. Tidligere måtte de bytte to–tre lager hver måned. Siden de nye ble Installerte i mai 2024 har de gått problemfritt i halvannet år, og ikke et av dem er skiftet ut.
– Smørefrie lagre har gitt en helt annen hverdag, det er som natt og dag, sier vedlikeholdskoordinator Morten Saugnes i Maarud.
Visualisering av industrielle prosesser med lys
Optiske signaler blir stadig viktigere i industrielle miljøer. Signalløsninger kan gjøre prosesser mer transparente og tryggere. Standardiserte grensesnitt muliggjør enkel og tilpasset dataoverføring. Informasjon overføres raskt og ikke-verbalt til mottakeren; det er ingen språkbarrierer, og ingen teknisk innretning er nødvendig for dekoding.
Godt vedlikehold gir god pålitelighet
Vibrasjonsovervåking har vært tilgjengelig i mange år, og innen vedlikehold er vibrasjonsanalyse det som gir det beste bilde av tilstanden på roterende utstyr. Med instrumentering knyttet til styringssystemer, får du prediktivt vedlikehold.
– Ved å gjøre arbeidet mer datadrevet blir vedlikeholdet bedre og mer effektivt. Når databaserte løsninger kan finne rotårsaker og foreslå handlinger får du preskriptivt vedlikehold, sier adm. dir. Tommy Glesnes i AMPs AS.
Lærer vedlikehold utenlands mens de venter på Norge
Vedlikehold av havvind er eksportartikkel. Verftene spesialbygger skip for installasjon og vedlikehold. – Til det kommer et hjemmemarked i Norge, er det utrolig viktig å jobbe med eksport, sier Knut Erik Steen i Norsk Industri.
