Tilstandsbaseret vedligehold er fremtiden – og nu nemt tilgængelig

Intelligent brug af data, som minimerer nedbrud og nedetid i industriens maskiner og produktionsanlæg.

03.05.2021: Tilstandsbaseret vedligehold er fremtiden – og nu nemt tilgængelig | Optimering.nu

I produktionsindustrien er digitaliseringen driver for Industri 4.0. Optimering på alle parametre bliver stadig vigtigere. Mange produktionsvirksomheder er i dag kommet et stykke hen ad digitaliseringsvejen. Det er eksempelvis ganske udbredt at opsamle data fra sin produktion. Et naturligt næste skridt på vejen vil derfor være at bruge disse data intelligent til at skabe værdi.

Palle Grøndahl, Sektionsleder fra Teknologisk Institut udgav i december 2019 en rapport om effektivt vedligehold. Her skriver han bl.a. ”vedligehold er en essentiel del af produktionen i en virksomhed”, og han fortsætter ”…at stabilt og optimeret udstyr skaber grundlag for en trimmet og effektiv produktion”, hvorpå han konkluderer ”…at vedligehold skal på dagsordenen, fordi det rummer en ret væsentlig økonomi for virksomhederne”.

En simpel og klog måde at minimere nedbrud og nedetid på er at opgradere til tilstandsbaseret vedligehold. Fremtidens vedligehold.

 

Banebrydende tilstandsbaseret vedligehold

Cedas har, med støtte fra blandt andet Innovationsfonden, udviklet et let integrerbart CBM (Condition Based Maintenance) softwareprodukt DetectIT. Direktør og maskinmester Peter Jensen Hyldgaard fortæller om produktet:

»Med DetectIT kan vi sikre overvågning af dit produktionsudstyr og ved hjælp af løbende dataanalyse give dig besked, hvis et element i produktionsudstyret ”opfører sig anderledes” end normalt. Med andre ord sikrer DetectIT en data baseret anomali detektion.«

»Med DetectIT implementerer vi tilstandsbaseret vedligehold på dit produktionsanlæg. Du kan dermed tage et skridt ind i fremtidens vedligehold ved at ændre praksis – fra at skifte maskindele ud efter den timebaserede tilgang til at overvåge den reelle tilstand i produktionsapparatet – og kun skifte/reparere efter behov.«

»Det banebrydende er, at der nu findes en let betjent software, der reelt gør CBM muligt. Det er helt nyt, idet eksisterende systemer på markedet har isoleret sig til enkelt-komponenter med smarte sensorer, som stadig blot reagerer på en fastsat alarmgrænse, eller specialdesignede løsninger hvor Machine learning skræddersyes til unikke levetidsmodeller.«

Som en del af en grøn omstilling er der besparelser at hente i forhold til at bruge færre reservedele, hvilket også kan ses på den økonomiske bundlinje. Derfor vil mange produktionsvirksomheder, som i dag anvender timebaseret vedligehold, med fordel kunne analysere om de, på såvel den grønne som den sorte bundlinje, kan drage fordel af den tilstandsbaserede tilgang til vedligehold.

 

Let integrerbar og brugerstyret

DetectIT kan let integreres med eksempelvis eksisterende PLC- eller SCADA-systemer. Produktet er modulært opbygget, hvilket betyder, at softwaren kan overvåge flere maskindele i kontekst. Brugeren kan vælge hvilke sensordata, der ønskes overvåget, så helheden tages i betragtning. Det giver en virkelig stærk viden til algoritmen, der således utrolig hurtigt kan idriftsættes (ned til 10 minutter).

Brugeren aktiverer CBM-overvågningen i tre steps – Recording, Enable Algoritm og Monitor.

  1. Recording: Her optager analyseværktøjet data fra en hvilken som helst maskine. Optagelsen kan vare ti minutter eller en dag, afhængig af user case.
  2. Enable Algoritm: Denne optagelse vælges efterfølgende som læringsnøgle til maskinen og repræsenterer normalbilledet på, hvordan maskinen skal opføre sig.
  3. Monitor: Endelig sættes systemet til at monitorere maskinen, hvilket betyder, at softwaren giver driftspersonalet besked, hvis data fra maskinen afviger fra normaloptagelsen.

Herpå kan der ageres proaktivt, og en eeventuel fejl under opsejling kan udbedres i god tid.

Med DetectIT overvåges hele applikationen, det vil sige ikke kun en specifik vibrationssensor, men for eksempel vibration i kontekst til hastighed, belastning, vægt af emnet, recept valg, tid og meget mere. Det giver en utrolig stærk Machine Learning, hvor uønskede ændringer i vibration kan findes lang tid før, individuelle sensorer alarmerer.

 

Optimal brug af eksisterende sensorer

Hvis temperaturen stiger to grader i et leje, uden udefra kommende årsag dertil, er det et stort problem. Det kan være begyndelsen til et nedbrud (indefra), og DetectIT kan nemt se forskel på normalt og unormalt ved hjælp af kendskabet til øvrige målepunkter omkring applikationen.

Det betyder, at for eksempel simple sensorer, som PT100-følere, igen kan blive ”supersmarte”, idet deres værdi overvåges i kontekst til hele maskinen.

DDV´s tidligere chef og maskinmester, Peter Strini, siger om DetectIT:

»Der er mange løsninger på markedet for prædiktivt vedligehold, som er baserede på sensorer og forskellige måleparametre, men jeg synes, at DetectIT skiller sig ud fra andre løsninger, da den både inddrager flere måleparametre samtidig og ikke kræver overvågning i den daglige drift. Som driftsansvarlig får du kun besked, når der er en afvigelse, og du kan undersøge sagen.«

 

Læs mere på www.cedas.dk

Kontakt info@cedas.dk og tlf. 22770161

Annonce

Annonce

DDV: Optimering af drift gennem vedligehold

Annonce