Min Drift & Vedlikehold 6/2024 | Page 37

NR . 6 - 2024
ARROW-CI Prosessindustrien kan også trekke store gevinter fra digitale løsninger .
utnyttes godt . Ofte trengs det eksperter , på produksjon eller vedlikehold , for å forstå årsakssammenhenger , selv om det er utført gode analyser . Videre er det helt avgjørende at det gjennomføres kontroll etter at en forbedring er implementert . Først når en endring er implementert i produksjonen , er det mulig å se konsekvensene . Selv om det utføres simulering , må det kontrolleres i vanlig driftssituasjon at resultatet av endringen er som forventet . I definisjonsfasen må det fastlegges hva som er målsettingen med forbedringsarbeidet . Det må fastsettes relevante og realistiske KPI-er ( key performance index ). – I vår produktportefølje har et system som heter Senseye for prediktivt vedlikehold . Ved å kombinere AI med menneskelig innsikt , genererer plattformen automatisk maskin- og adferdsmodeller for vedlikehold som støtter opp under ekspertens arbeid med å sikre høy oppetid og god kvalitet . Når grunnmodellen er utviklet , kan den integreres i bedriftens digitale løsning . Neste steg er å teste ut om modellen fungerer som forventet . Her må det prøves en del , for å få tilpasset modellen til de virkelige forholdene i produksjonen . Et viktig element er å utvikle standard arbeidsflytmodeller og sørge for at alt nøkkelpersonell jobber med samme verktøy .
Gode erfaringer – Siemens har arbeidet med utvikling av slike digitale løsninger i åtteårs tid , forteller Rørtvedt . – Teknologiutviklingen har i de siste årene gjort det mulig å utvikle svært fleksible løsninger . Brukere har allerede gjort positive erfaringer . I nordisk elektronikkproduksjon er det gjennom kontinuerlig forbedringsarbeid , som er basert på våre løsninger , oppnådd besparelser på over 100 millioner kroner i året . Det er erfart besparelser både i prosessindustri og stykkproduserende industri . Vi vil i de nærmeste årene se mange slike eksempler , også her til lands .
37