NR. 3 - 2019
men det samarbeides også med en rekke andre Jobb smartere
spesialiserte IT-selskaper.
Det krever innsats og tar tid å endre dagens
praksis. Mens man før arbeidet etter faste
- Vi får data inn på plattformen, og på Vera- intervaller og konsulterte kalenderen for å
city jobbes det rent konkret med datakvalitet, sjekke om det var tid for inspeksjon og ved-
det vil si standarder for kvalitetssikring og ren- likehold, kan man nå utnytte innsamlede pro-
sing av kildedata. Vi setter data inn i en kon- sess- og tilstandsdata, sammen med analy-
tekst og standardiserer dette, med andre ord; tiske modeller for å avgjøre når det er på tide
gjør dataene klare for bruk. Analyser på top- med vedlikehold.
pen av dataene gjøres av andre aktører med Det er anbefalt å gjøre denne digitaliserin-
ekspertkompetanse, som for eksempel innen gen steg for steg. Først må man forstå hvilke
advanced analytics som lager algoritmer for data man har, hvordan man kan samle de og
maskinlæring, eksempelvis innen vedlikehold, hva disse dataene faktisk viser. Neste steg er
forklarer Raabel.
å forstå betydningen av dataene og sette de
inn i en kontekst som muliggjør prediksjon
Eksempler på partnere som samarbeider over av skadeutvikling og sammenligning av for
Veracity er vist i figuren under:
eksempel samme type utstyr på flere lokasjo-
ner. Dette danner grunnlaget for å lage predik-
tive maskinlæringsalgoritmer og en forståelse
for hvilke aksjoner som må tas på bakgrunn av
analysene. Siste steg er å få alle de foregående
stegene inn i daglig operasjon slik at det blir en
kontinuerlig læring og forbedringsprosess.
Faktiske forhold
- Det kommer flere og stadig mer avanserte
sensorer på flere og flere typer installasjoner.
Før ble sensorer brukt til alarmer og tilstands-
kontroll. Når alarmen gikk ble problemet sjek-
ket og løst. Med IoT-teknologien samles og
lagres data fra sensorene og informasjonen
systematiseres og foredles slik at man kan
trekke mer lærdom fra dataene og bli i stand til
å øke oppetid på anlegget og levere mer kost-
nadseffektivt vedlikehold ved at det gjennom-
føres til riktig tid, basert på tingenes faktisk til-
stand og læring om feilsituasjoner basert på
innsamlede data, forteller Raabel til Min Drift
og Vedlikehold.
Tolker fakta
- Våre partnere lager algoritmer der man finner
det teknisk-økonomiske optimale tidspunktet
for vedlikehold. Å utnytte komponentenes fak-
tiske levetid og vedlikeholde når det er behov
er helt klart mer økonomisk. Ved å installere
de riktige sensorene får man tidlig indikasjon
om noe er på gang. Uforutsette sammenbrudd
29