Norex on vuonna 1983 perustettu perheyritys, joka on omistautunut maksimoimaan teräksen käyttöasteen ja tavoittelemaan 100 % kierrätettävyyttä. Norex tuottaa laajasti erilaisia palveluja terästehtaiden tarpeisiin. Tässä resurssiviisautta vaativassa ympäristössä toteutettu Process Heartbeat™ Proof of Concept (PoC) osoitti, kuinka olemassa oleva automaatiodata voidaan muuttaa arvokkaaksi tiedoksi, jota hyödynnetään laitteiston kunnonvalvonnassa.
Datan voimalla kohti häiriötöntä tuotantoa
Kokeilun tavoitteena oli selvittää, miten Norexin teollisuusmurskan toimintaa voidaan seurata tekoälyn avulla hyödyntämällä suoraan automaatiojärjestelmästä saatavaa dataa. Haasteena perinteisessä kunnossapidossa on usein se, että vika havaitaan vasta, kun se on jo aiheuttanut tuotantokatkoksen, mikä on kriittinen este Norexin tavoittelemalle resurssien optimoinnille.
Tässä PoC-projektissa keskityttiin murskan toiminnan analysointiin ja poikkeamien tunnistamiseen historiadatan avulla. Ratkaisussa hyödynnettiin koneoppimismallia, jolle opetettiin laitoksen ”normaali tila” esimerkiksi tammikuun tuotantodatan perusteella. Kun malli oli oppinut normaalin toimintakäyttäytymisen, se pystyi vertaamaan sitä uuteen dataan ja tunnistamaan pienimmätkin poikkeamat, jotka jäisivät ihmiseltä tai perinteisiltä hälytysrajoilta huomaamatta.
Tekoäly havaitsee alkavan ongelman ennen perinteisiä menetelmiä
Kokeilun aikana Process Heartbeat® osoitti kykynsä käytännössä: järjestelmä alkoi tunnistaa poikkeavaa käyttäytymistä Norexin murskan roottorin laakereihin liittyvässä datassa. Se havaitsi hienovaraisia muutoksia, jotka viittasivat alkavaan mekaaniseen ongelmaan.
Myöhemmin suoritetut tarkemmat selvitykset vahvistivat tekoälyn havainnon oikeaksi: roottorissa oli todellisuudessa kehittymässä oleva laakerivika. Keskeisin havainto oli kuitenkin se, että järjestelmä kykeni tunnistamaan vikatilanteen huomattavasti aiemmin kuin muut käytössä olleet seurantametodit. Reaaliaikaisessa käytössä tämä tieto olisi mahdollistanut huoltotoimenpiteiden suunnittelun etukäteen, vältettyjen häiriöiden ja mahdollisten tuotantokatkosten tuodessa merkittäviä säästöjä.
Reaktiivisesta korjaamisesta datavetoiseen ennakointiin
Vaikka tämä kokeilu toteutettiin murskan seurannassa, Process Heartbeat™ -ratkaisu on täysin laiteriippumaton. Samaa tekoälypohjaista mallia voidaan soveltaa minkä tahansa kriittisen prosessin osan, kuten pumppujen, kuljettimien tai moottoreiden seurantaan.
Vikojen ennakoinnin lisäksi järjestelmä tarjoaa merkittäviä etuja tuotannon optimointiin ja johtamiseen. Datan avulla pystyttiin analysoimaan, onko tuotannon tehokkuus oikealla vertailutasolla: analyysissä voitiin havaita esimerkiksi vuorojen välisiä eroja syöttönopeuksissa ja koneen kuormituksessa. Tekoäly paljasti erot siinä, miten laitteistoa käytettiin, mikä mahdollistaa parhaiden käytäntöjen jakamisen ja tasaisemman tuotannon saavuttamisen. Lisäksi järjestelmällä voidaan varmistaa esimerkiksi koneikon täsmällinen esilämmittely, mikä säästää energiaa ja vähentää kulumista.
Kokeilu osoitti, että siirtyminen reaktiivisesta toimintatavasta kohti ennakoivaa ja datavetoista mallia on mahdollista toteuttaa matalalla kynnyksellä. Kehittämämme toimintamallin avulla asiakkaamme voivat helposti testata ratkaisun tehokkuutta omalla datallaan, jolloin lisäarvo ja takaisinmaksuaika voidaan todentaa konkreettisesti jo ennen laajempaa käyttöönottoa.
