AI-understøttet vedligeholdelse giver høj anlægstilgængelighed

Klemt mellem små fortjenstmargener, høje kvalitetsstandarder for ofte letfordærvelige produkter, og snævre windows til vedligeholdelse mellem produktionsprocesserne står fødevare- og drikkevareindustrien over for enorme udfordringer i produktionen. Fejltolerancen er derfor lav. Og i dag bruges flere og flere intelligente, avancerede netværksopkoblede maskiner i produktionen, der kommunikerer med hinanden og genererer data — data, der med den rigtige software-løsning kan bruges til at optimere vedligeholdelsen.

Sachsenmilch Leppersdorf GmbH blev grundlagt for 30 år siden og behandler omkring 4,6 millioner liter mælk om dagen, hvilket svarer til 170 lastbilleverancer. Det er afgørende at have en problemfri produktionsproces døgnet rundt, alle ugens dage, for at opretholde denne volumen. Derfor besluttede virksomheden at implementere et pilotprodukt på stedet i samarbejde med Siemens Digital Enterprise Services.

Siemens Senseye Predictive Maintenance-løsning er en platform, der kan identificere umiddelbare og fremtidige problemer ved hjælp af AI-understøttede algoritmer, der har lært maskiners og servicepersonales normale adfærd. Det kan bruges til at igangsætte vedligeholdelsesaktiviteter, før anlægget rent faktisk lukker ned.

Virksomheden arbejdede først med eksperter fra Siemens om at definere de rigtige datapunkter til forudsigelse af specifikke fejlscenarier. Eksisterende data fra kontrolsystemet blev brugt på flere måder. Nogle steder blev der installeret nye sensors og SIPLUS CMS1200 condition monitoring system til overvågning af vibrationer.

I hele projektets varighed nød Sachsenmilch fordel af, at Siemens ikke kun bidrog med teknologisk ekspertise, men også hjalp med at håndtere projektet. Ifølge Ziepel gjorde dette samarbejdet meget lettere. Siemens' støtte til implementering af løsningen omfattede uddannelse og orientering af Sachsenmilch-medarbejderne, hvilket gjorde det muligt for dem hurtigt at overtage projektet på en vellykket måde.

„Vi var for eksempel i stand til at planlægge en pumpeudskiftning, der resulterede i en meget kortere nedetid sammenlignet med en ikke-planlagt pumpefejl i løbet af produktionen. Alene denne handling - den tidlige identifikation af, hvornår pumpen var udslidt - sparede os et mindre sekscifret beløb,“ siger Ziepel.

Det næste projekt er allerede begyndt. I samarbejde med Siemens planlægger Sachsenmilch at integrere Senseye Predictive Maintenance i SAP Plant Maintenance (PM). Målet er, at vedligeholdelsesmeddelelser fra Senseye automatisk modtages af SAP PM, så de kan tages med i betragtning, når vedligeholdelsesjob genereres.

Det vil i fremtiden også være muligt at bruge Maintenance Copilot Senseye i større omfang som en virtuel vedligeholdelsesassistent, der kan levere dataunderstøttede anbefalinger om tiltag, når vedligeholdelsesarbejde er påkrævet. Det konsoliderer hele serviceteamets ekspertise, gemmer alle nødvendige oplysninger om anlæggene (herunder maskinmanualer) og forbedrer det interne samarbejde i mejeriet.