1 / 2024 | Industry @ pps | 32
– Prediktivt vedlikehold gjør at man kan oppnå store besparelser ved å gjøre litt tidlig , fremfor å gjøre mye senere . Og med Senseye får kunden en mer presis angivelse av hvor feilen er og hva som er feil , sier salgsspesialist for service og ettermarked Erik Martinsen i Siemens Norge . ( Foto : Eirik Iveland )
Start med noe , skaler senere Senseye Predictive Maintenance er en skalerbar skybasert løsning som kan utvides etter hvert som behovene vokser . Mange velger å starte 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 de 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 ny 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 bilprodusent 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 , transportører , fall-løftere og pumper . Alle maskiner overvåkes eksternt ved hjelp av Senseyes proprietære maskinlæringsalgoritmer .
Introduserer språkmodeller Ved hjelp av generative KI vil mange ulike typer maskiner hos brukeren bidra til økt maskinlæring . Interaktiv dialog strømlinjeformer beslutningsprosessen , og gjør vedlikeholdet raskere og mer effektivt . Datateknologien gjør også at bedriften kan sentralisere vedlikeholds-ekspertisen . Et samlet fagmiljø kan bistå personell rundt om på mer perifere anlegg .