Bakgrund med uppdraget

Implementering och test av proof-of-concept för prediktivt underhåll i skarp produktion

Agio genomförde tillsammans med industrikund ett pilotprojekt för att med ML (AI) prediktera när komponenter i processen är slitna och behöver bytas ut. En AI lösning som effektiviserar produktionen genom minskade kostnader för underhåll av komponent/maskin. I bästa fall helt undvika maskinhaveri.

Målsättningen att i skarp produktion implementera prediktivt underhåll, där man låter en AI prediktera när en komponent/maskin är på väg att gå sönder. Projektet har bestått av att implementera och testa ett proof-of-concept för prediktivt underhåll genom agenter för maskininlärning baserat på produktionsdata. Produktionsdata i en processindustri är signaler från styrsystem och sensorer av olika slag. Syftet med agenterna var att de skulle detektera slitage i ett tidigt skede. Slitaget var inte linjärt och gick inte heller att inspektera under drift. Arbetet utfördes i två steg, i första steget har agenter för maskininlärning tränats och testats med historiska data från underhållssystem samt produktionsdata. När agenterna väl optimerats med historiska data testades dessa i skarp drift med produktionsdata i realtid.

Prediktivt underhåll genom maskininlärning ställer höga krav på datakvalitet. Detta innebär bland annat att säkerställa perioder av normala driftförhållanden som fungerar som en baslinje. Genom att utgå från denna baslinje går det antingen att söka efter anomalier eller specifika mönster för kända fel. I arbetet för att säkerställa normala driftförhållanden kommer det krävas genomgång av till exempel arbetsorder från underhållssystemet. Utförlig och detaljerad rapportering av utförda arbetsorder är en stor fördel för arbetet med prediktivt underhåll.

’) AI / ML står för Artificiell Intelligens respektive Machine Learning

Resultat

Projektet visade att agenterna som tränats på historiska data, inte kunde detektera slitaget på ett tillförlitligt sätt. Resultaten av projektet har dock varit väldigt värdefulla och ger en förståelse för viktiga faktorer för att lyckas med prediktivt underhåll genom ML.

Lärdom – Företags förmåga till att anpassa sina organisationer att dra nytta av AI kommer dock i framtiden antagligen att vara skillnaden mellan blomstrande och utkonkurrerade företag.

Referens

Mer info kontakta;

Affärområdesansvarig Jens Olovsson, Agio, jens.olovsson@agio.se

Tekniskt ansvarig Nils Petter Svonni, Agio, nils-petter.svonni@agio.se