66 / 87
AMNYTT NR. 3 2025
Å få faresignalene før maskinene bryter sammen er økonomisk lønnsomt og et bidrag til sikkerheten på arbeidsplassen.
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