#vedlikehold, #drift, #produksjon, #vedlikeholdsledelse, #vedlikeholdsplanlegging, #produksjonsledelse, #produksjonsplanleggingNR. 1 - 2018 Maskinlæring og vedlikehold Mange bedrifter har opp gjennom årene lagret stor mengde data fra produksjonen. I stor utstrek- ning er dataene kun lagret uten å bli bearbei- det. Alcoa Mosjøen har etablert et prosjekt for å kunne forbedre vedlikeholdet med utgangs- punkt i ni års driftsdata. MainTech fikk oppdra- get med å utvikle en modell som skulle predikere hvilket vedlikehold som burde gjennomføres. En viktig del av prosjektet var å vurdere om drifts- dataene var egent til å forutse hvilke vedlike- hold bedriften burde utføre. Alco var klar over at instrumentering, og derved datainnsamlin- gen, var utviklet for prosesskontroll. Behov for forbedringer I første omgang ble data fra siste års drift matet inn i modellen. Informasjonen model- len ga viste at modellen måte forbedres. Etter fjerde versjon ble resultatet så godt at model- len kunne forutse omlag 25 prosent av utstyrs- svikt som ville oppstå. Det var både feilårsak og hyppighet som modellen kunne forutse. I løpet av prosessen er det blitt tydelig hvilke parametere det er viktig å måle for å kunne forbedre resultatene. Produksjonen må også instrumenteres for vedlikehold, ikke bare pro- sesskontroll, får å få godt grunnlag for å opti- malisere vedlikeholdet. Prosjektet hos Alcoa Mosjøen er et svært godt eksempel på hvorledes maskin æring fungerer. Det trengs både gode modeller som beskriver oppgavene eller funksjonene som skal utføres, og riktig kvalitet på dataene som benyttes. Er disse forutsetningene til stede vil systemet kunne forbedre seg selv og oppnå imponerende resultater. arrow-circle-up G unnar Andreas Aarvold er en engasjert bransjeperson arrow-circle-up ¨ Det var mange gode diskusjoner i gruppearbeidene 45