Koneoppiminen ennakoivassa kunnossapidossa ja koneenrakentajan työkalut

Koneoppiminen ja analytiikka ovat tulossa osaksi laitevalmistajien työkalupakkia ennakoivaan kunnossapitoon. Varsinkin älykäs ennakoiva kunnossapito on aihealue, joka tuo oikeasti tehokkuutta tuotantoon opastavien toimenpiteiden kautta. Ihan arkipäivää nämä ei vielä ole, mutta työkalut, ymmärrys ja osaaminen kehittyy koko ajan. Myös VTT käsittelee aihetta yleisesti muutamien esimerkkien kautta ja yksityiskohtaisempia tietoja saa heidän tutkimusjulkaisuistaan.

 

Mitä on älykäs ja ohjeistava kunnossapito?

Ennakoivassa kunnossapidossa, kuten nimi kertoo, haluamme ennakoida asioita. Koneen tapauksessa haluamme lähinnä ennakoida, tuleeko koneeseen vika vai pystyykö kone ajamaan tuotantoa suunnitellusti. Jos voimme ennakoida, kuinka kone vikaantuu, on tieto vielä arvokkaampaa. Lisäksi, jos voimme jotenkin tiedon perusteella välttää vikaantumisen, ollaan taas askel lähempänä todella arvokasta tietoa. Tästä päästäänkin puhumaan kokonaistehokkuudesta. Yleensä koneen omistaja haluaa ajaa korkeimmalla mahdollisella OEE:llä (Overall equipment Effectiveness). Jos voimme ennakoida koneen vikaantumisen, voimme seuraavassa huoltoseisokissa tehdä tarvittavat korjaukset ja välttää koneen odottamattoman pysähtymisen. Näin voimme pitää koneen käytettävyyden korkealla tasolla. Toisaalta, jos voimme ennakoida koneen vian sopivalla mallilla, voimme ajaa konetta hallitusti ja ottaa koneesta sen verran suorituskykyä irti, kuin se kulloisissakin olosuhteissa on mahdollista.  Tämä aihepiiri kuuluu ennakoivaan kunnossapitoon (PdM). Yksi askel eteenpäin on älykäs ja ohjeistava kunnossapito (RxM). Se ehdottaa älykkäästi toimenpiteitä koneen ajamiseksi optimialueella ja havaitessaan vian todennäköisyyden kasvamista, se ehdottaa korjaavia toimenpiteitä. Toimenpiteet voivat laskea koneen kokonaistehokkuutta, mutta konetta pystytään kuitenkin ajamaan tietyissä puitteissa. Suorituskyky laskee, mutta ei nollaan.

 

Älykkääseen ennakoivaan kunnossapitoon tarvitaan työkaluja.

Tehokkaimmat työkalut perustuvat monesti koneoppimiseen. Olen käsitellyt esimerkin kautta neuroverkkomallia liittyen työstökoneen työkalun vikaantumisen ennakoimiseen sekä älykkäisiin korjaaviin toimenpiteisiin. Artikkeli löytyy tästä linkistä: https://www.linkedin.com/pulse/running-neural-networks-plc-heikki-hietanen/

Kuva 1. Työnkulkua neuroverkkomallin viennistä Python ympäristöstä PLC ympäristöön.

 

Vaikkakin artikkeli käsittelee neuroverkkomallin ajamista PLC ympäristössä, on siinä havainnollistettu laajasti koneoppimisen käsitteitä visuaalisesti ja videon avulla selittäen. Koneoppimisen yleisimmät mallit perustuvat ohjattuun oppimiseen. Käytännössä se tarkoittaa, että mallin opetukseen pitää löytyä luokiteltua dataa. Luokitteluun tarvitaan asiantuntijan näkemystä, jotta datasta saadaan luotua mahdollisimman hyvä malli.

 

Koneoppiminen – Machine Advisor Machine Attention

Koneoppimiseen löytyy toki muitakin vaihtoehtoja kuin ajaa mallia PLC:ssä. Machine Advisor Machine Attention (aikaisemmin Machine Health). Machine Attention on pilvipalvelussa ajettava ennakoivan kunnossapidon työkalu pilveen liitetylle koneella. Malli perustuu ohjattuun oppimiseen, joka kuitenkin tehdään melko automaattisesti seuraamalla tietty opetusaika koneen käytöstä. Seurantajakso voi olla useita viikkoja, jonka aikana koneesta muodostetaan mallia käyttäytymiselle. Koneen käyttäytymisen pitää olla lähellä normaalia toimintaa, muuten Attention ilmoittaa poikkeavasta toiminnasta normaaliajon aikana. Ilmoitusten perusteella käyttäjä antaa palautetta mallin toimivuudesta, jonka perusteella korjataan mallia tarvittaessa. Näin ajan kuluessa koneesta muodostuu luotettavampi malli koneen normaalista käyttäytymisestä.

Tästä pääset katsomaan perusteita, kuinka Machine Advisor Machine Attention toimii ennakoivan kunnossapidon työkaluna. Attention työkalulla voi tarvittaessa hallita koko konekannan ennakoivaa kunnossapitoa:

Kuva 2. Koneen käyttäytyminen Attention sovelluksessa ja sen tuottama informaatio koneen ennakoivaan kunnossapitoon.

 

Tässä muutamia vaihtoehtoja esitettynä ennakoivaan kunnossapitoon. Jos herää kysymyksiä, kiinnostusta tai muuten vain haluat jutella aiheesta, ole yhteydessä.

Tägit: ,

Lisää kommentti

Kaikki kentät ovat pakollisia.

Tämä sivusto käyttää Akismet –palvelua roskapostin suodattamiseksi. Lue miten kommentit prosessoidaan.