Blogi

Huollon ajankohdan optimoinnilla lisätään ja parannetaan koneen käyttöastetta

Toimintavarmuus ja luotettavuus ovat yrityksen menestyksen kivijalka. Olipa kysymys sitten matkustamisesta lentokoneella tai junalla, materiaalin kuljettamisesta kaivoksissa tai maan päällä tai vaikkapa prosessien toimivuudesta teollisuudessa, kannattavuus korreloi toimintavarmuuden kanssa. Tällöin agendalle nousee huolto ja sen optimointi.

Perinteinen tapa on toteuttaa huollot kalenteripohjaisesti. Tällöin haasteena on, ettei huollon tarve aina noudata kalenteriaikoja. Tästä seurauksena tuottavaa pääomaa voidaan seisottaa turhaan tai vaihtoehtoisesti väärä huoltoajankohta voi aiheuttaa kalliin, asiakastyytyväisyyttä syövän, ennakoimattoman seisokin. Huolto ei siis ole pelkkä öljynvaihto vaan useimmiten kysymys on lukuisista erittäin monimutkaisia, hinnaltaan arvokkaista, tuotannossa kuluvista osista, joiden vaihto kannattaa optimoida.

Ennakoiva huolto, joka perustuu sensoridatasta kerättyyn tietoon, voi säästää miljoonia. IBM:n SPSS Modelerin avulla prosessien ja koneiden sensoreista kerätty tieto muuttuu toimintaa palvelevaksi huollon ennustemalliksi, joka komponenttien kulumista ennakoimalla pystyy optimoimaan huollon ajankohdan. Näin pienennetään suunnittelemattomien alasajojen riskiä ja toisaalta tarpeettomia huoltoja ja niiden mukanaan tuomia seisokkipäiviä.

Sensoridatan avulla voidaan luoda osille elinkaarimalli, joka kertoo, mitkä osat todennäköisesti vaativat vaihtoa lähitulevaisuudessa ja toisaalta voidaan oppia, miten ennakolta estetään laitteiden yllättävät seisokit. Analyysien avulla reaaliaikaiset hälytykset saadaan toimimaan optimaalisella tavalla, mikä vähentää väärien hälytysten aiheuttamaan turhaa työtä. Näin ennakoivan, optimoidun huollon avulla on mahdollisuus alentaa merkittävästi kustannuksia, parantaa toimintavarmuutta ja välttää turhia toimivien osien vaihtoja.

Esimerkiksi iso rautatieoperaattori on asentanut tuhansia sensoreita 20.000 km pitkälle rataosuudella valvomaan junaliikenteen pyörien ja akselien tilaa. SPSS Modeleria avulla antureitten välittämä tieto kriittisistä parametreistä, kuten pyörän lämpötilasta, kulumisesta, asentovirheistä hyödynnetään huollon ja tarkastusten ennakoinnissa ja optimoinnissa. Tämä on lisännyt kaluston käyttötunteja ja toisaalta ehkäissyt ennakoimattomia seisokkeja. Älykkään seuranta- ja huoltojärjestelmän ansiosta palvelujen taso ja asiakastyytyväisyys ovat sekä liike- ja vapaa-ajan matkustajien osalta on noussut.

Kun tavoitteena on luoda älykäs kunnossapidon malli, SPSS Modeler on toimiva ratkaisu todella monelle liiketoiminta-alueelle. ”Yksinkertaisin ja tehokkain tapa korjata ongelma, on ennakolta varmistaa, ettei se koskaan pääse toteutumaan”.