46 / 82
AMNYTT NR . 2 2024
Senseye Predictive Maintenance har sterk maskinlæringsfunksjon . Med et samlebånd går relativ raskt , roboter med flere armer er mer komplekst og det tar naturlig nok mer tid .
– Noen produsenter kommer med maskiner med implementert funksjon for å analysere rådata . Har de ikke det samler vi og pre-prosesserer data før de sendes i skyen .
Start med noe , skaler senere Senseye Predictive Maintenance er en svært skalerbar skybasert løsning kan utvides etter hvert som behovene vokser . Mange velger å starter med et mindre antall objekter i et enkelt anlegg for å få en forståelse av plattformen og å etablere god praksis . – Det er ofte fornuftig for en organisasjon å kjøre en øvelse for å sikre at de ikke bare velger riktig leverandør , men også for at organisasjonen selv skal være tilstrekkelig forberedt . At det vet at prosjektet har alt det trenger for å lykkes , sier Martinsen . – Løsningen vil ganske fort bidra til redusert nedetid , mens maskinlæring vil over tid gi bedre og mer presist vedlikehold . Ser man først gevinsten for en mindre del av virksomheten , er det enkelt å skalere opp systemet . I noen bransjer er kostnader knyttet til nedetid veldig høye , og de vil kunne tjene inn en nye løsning raskere . Er det et gammelt anlegg med mange avvik vil også maskinlæringen gå fortere . – Hvor lang tid det tar å påvise verdi vil variere fra kunde til kunde . Det avhenger av hvor mye de har å spare på bedre vedlikehold , og ikke minst hvor gode de er til å ta systemet i bruk . Vedlikeholdsavdelinger som er proaktive og deltar i implementeringen vil skape merverdi raskere , det er ikke nok å bare installere software , sier Martinsen . En bilprodusenten har over 400 medarbeidere som bruker Senseye aktivt for å optimalisere vedlikeholdsaktiviteter og utføre reparasjoner måneder før forventet maskinfeil . Globalt har de 9000 tilkoblede eiendeler og mer enn 30 forskjellige maskintyper inkludert roboter ,