Smart underhåll – gå från att fixa till att förutse och förebygga

En fungerande produktionskedja är avgörande för en framgångsrik tillverkning. Det spelar ingen roll hur hårt säljarna, designerna eller kundsupporten jobbar, fallerar någon del i själva produktionsanläggningen står allting still. Produktionsstopp orsakar inte bara produktionsförluster men även extrakostnader, förseningar, säkerhetsproblem, missnöjda kunder m.m.

Traditionellt sett har underhåll hittills gått ut på reaktivt eller förebyggande underhåll. Går någonting sönder repareras det eller byts ut så snabbt som möjligt. Är det möjligt att mäta eller utifrån erfarenhet förutse när någonting behöver underhåll så servas det (förhoppningsvis) innan någonting går sönder.

Nu sker en industriell revolution där allt fler tillverkare går över till en digitaliserad produktion. Det innebär att det går att använda datainsamling och analys, sensorer, diagnostik, fjärrövervakning m.m. till att utföra ett smartare underhåll. Någonting som har flera fördelar för produktionen:

• Högre produktivitet. När alla maskiner och all utrustning alltid är i drift ökar produktiviteten. Det går även snabbare att utföra det underhåll som behövs.

• Minskade underhållskostnader. Ett förebyggande underhåll är mycket mer kostnadseffektivt än reparationer och att byta ut komponenter.

• Hållbarare utrustning. Bättre inblick i utrustningens skick i kombination med ett välplanerat förebyggande underhåll förlänger livslängden på utrustningen och ger en bättre investering.

• Ökad säkerhet. En smart övervakning av utrustning och maskiner som förutser eventuella problem gör att de anställda kan jobba under säkrare förhållanden.

• Minskad energiförbrukning. Smart övervakning låter utrustningen fungera optimalt och energieffektivt.

När nu tillverkningsindustrin digitaliseras blir det möjligt att utföra betydligt fler typer av underhåll utöver det reaktiva och det förebyggande underhållet. Beroende på förutsättningarna och vilka digitala verktyg som används kan det smarta underhållet bestå av olika typer av underhåll.

• Reaktivt underhåll. Det reaktiva underhållet har fortfarande en plats inom Industri 4.0. Då främst vad det gäller verktyg som är en del av produktionskedjan men som inte orsakar några störningar om de går sönder, till exempel borstar, mejslar och andra verktyg som är enkla att byta ut.
   
• Förebyggande underhåll. Preventiva insatser har också fortfarande en funktion. Främst då när det gäller underhåll som smörjning, byte av till exempel hydraulvätska och andra förebyggande insatser där det går att förutse när underhåll behövs utifrån erfarenhet (till exempel att smörja de rörliga delarna efter var 1000 enhet). Det här gäller främst utrustning med rörliga delar som är i ständig drift.
   
• Villkorsbaserad fjärrövervakning. Det här är en mer avancerad form av förebyggande underhåll där utrustningen övervakas av exempelvis sensorer. När olika delar av tillverkningsutrustningen är under konstant övervakning kan datan från sensorerna analyseras och vidarebefordras till de underhållsansvariga. Ett exempel kan vara ett löpande band som normalt sett inspekteras ett visst datum varje månad. Om sensorerna registrerar vibrationer utöver det normala i bandet sänder övervakningssystemet en notifikation så det går att åtgärda problemet direkt. Något som förebygger driftstopp och förlänger livslängden på utrustningen. En annan fördel med IoT (Internet of Things) och uppkopplad utrustning är att det går att övervaka den varifrån som helst. Den här typen av underhåll passar utrustning där det går att mäta till exempel temperatur, tryck, fukt och ljud.
   
• Förutsägande underhåll. Med en uppkopplad utrustning och ett system som analyserar datan som kommer in går det att bli ännu mer exakt och sofistikerad i underhållet. När dataanalysen använder både historisk- och realtidsdata kan den förutse vad som behöver åtgärdas innan det uppstår ett problem. Ett exempel kan vara en maskindel som överhettas. En sensor på delen varnar för temperaturökningen, men utan dataanalys skulle insatsen förmodligen bara bli att fylla på med kylvätska. Om systemet däremot tittar på prestandahistoriken för den överhettade delen kan det se att det här är en avvikelse som indikerar att delen är på väg att gå sönder. Det ger underhållsteamet möjlighet att reparera eller byta ut innan det resulterar i ett driftstopp.
   
• Kognitivt underhåll. I den mest sofistikerad typen av smart underhåll används datan för att förutsäga det mest optimala underhållet på sikt. Om vi fortsätter med exemplet ovan så indikerar sensorn hög temperatur kombinerat med historiska data för maskindelen, men nu tar systemet även med faktorer som den förväntade prestandanivån för delen vid dess ålder och användningsnivå, riktlinjerna för förebyggande underhåll för just den här utrustningen, information från andra källor (användarforum etc.) för att förutse vad som är den optimala åtgärden så exakt som möjligt, till exempel att den här delen med stor sannolikhet kommer att gå sönder inom 60 dagar. Det här hjälper underhållsteamet att jobba mer förutseende och förebyggande; de kan beställa reservdelar och utfärda arbetsordrar i god tid. Systemet kan även rekommendera manualer, videor, länkar m.m. som är till hjälp i underhållet. Förutom att det här skyddar mot driftstopp så optimerar det personalen och produktionen när det går att förutse underhållsbehoven på längre sikt. Det blir enklare att prioritera underhållsinsatser och underhållsteamet får ett mer detaljerat underlag för effektiva insatser.