67 / 87 AMNYTT NR. 3 2025
Prediktivt vedlikehold benytter dataene du har tilgjengelig.
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.
” Senseye beskrives som en selvkjørende vedlikeholdsplattform”
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.