AMNYTT amnytt.no 4/2024 | Page 129

1 / 2024 | Industry @ pps | 31
Senseye Predictive Maintenance har sterk maskinlæringsfunksjon . Med et samlebånd går det relativ raskt , roboter med flere armer er mer komplekst og det tar naturlig nok mer tid .
– Har du én ny maskin vil den sannsynligvis løpe feilfritt i flere måneder . Har du mange maskiner er sannsynligheten mye større for at du kan registrere noen avvik , sier Martinsen .
– Et prøveprosjekt vil typisk ha opp mot 100 objekter , og vil vare i fem – seks måneder . I denne fasen er det viktig å velge KPI-er som kan forbedres , med reduksjon i nedetid eller høyere total utstyrseffektivitet .
Sending av data kan gjøres på ulike måter , for eksempel OPC UA , MQTT – eller e-post .
– Det er en fordel at de sender fra en samlet kilde , i stedet for at vi henter data rett fra PLS-er , drives og andre instrumenter , sier han .
Trenger god datakvalitet Det er viktig å få så god datakvalitet som mulig . Tradisjonelt tar det tid før man får et mønster på informasjon som kan fortelle om komponenter er slitte .
– Med historiske maskindata og generativ KI kan Senseye konfigurere dette til informasjon som bidrar til å øke bedriftens innsikt , sier Martinsen .
– Da må vi ha reelle , industrielle data – med feil og alt . I et barskt industrielt miljø går ikke alt knirkefritt hele tiden , det vil oppstå avvik fra tid til annen . Senseye kjører 70 – 80 algoritmer for å analysere datamengden som kommer inn , da er vi sikre på at avvik plukkes opp i god tid før havari .
Det er lagt stor vekt på sikkerhet i Senseye Predictive Maintenance ; informasjonen behandles i et privat skymiljø og er sikret mot ekstern tilgang . dataene vil heller ikke bli brukt til å trene ekstern generativ KI .
– Vi sender ikke rådata direkte til skyen . Noen applikasjoner , som vibrasjonssensor på lager , genererer en enorm mengde data – det gir ikke mening å kjøre alle de dataene inn i en analyse , sier Martinsen .
– 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 .