Foto: ÅF

Predictive Maintenance heter ÅF:s lösning. 

- Det gör det möjligt att undvika oförutsedda driftsstopp, säger Azad Noorani, Lead Data Scientist på ÅF Digital Solutions.  

Predictive Maintenance bygger på så kallad ”machine learning”, maskininlärning, och är en tillämpning av avancerad AI-teknik, som bland annat ger användaren information om sårbarheter i driftskedjan och talar om när underhåll behöver göras. 

- Det handlar om att få rätt information vid rätt tidpunkt.

Ett stort energiföretag, Sveriges ledande producent av förnybar el, såg tidigt fördelarna med att kunna planera och schemalägga underhållet av sina vattenkraftverk. Ett konkret exempel är de stora generatorerna som kyls av vattenpumpar. Om en pump går sönder riskerar generatorn att överhettas och slås ut.

Fram till början av 2018 behövde de inspekteras manuellt fyra gånger per år eller ännu oftare. Med ÅF:s Predictive Maintenance-lösning har behovet av dessa periodiska inspektioner kunnat reduceras väsentligt.  

- Produktionen blir jämnare samtidigt som det går att spara mycket pengar. När systemet är uppe sker ingen mänsklig interaktion. Allt görs automatiskt tills dess att något behöver åtgärdas, säger Azad Noorani. 

En förutsättning för att kunna använda Predictive Maintenance på ett optimalt sätt är att det finns tillgång till stora mängder data. Ju större datamängd som finns att tillgå, desto bättre blir kvaliteten och precisionen på förutsägelserna. 

- I det här fallet använde vi oss av historiska data för till exempel vattenflöden och energiåtgång och byggde unika och skräddarsydda modeller för varje kylsystem, med hjälp av machine learning. Det gör att man får en helt annan kontroll på vad som håller på att hända i vattenkraftverken. 

Resultatet visualiseras i realtid på en kontrollpanel som indikerar om exempelvis en generator riskerar att överhettas.  

- Underhållet effektiviseras och eventuella avbrott kan planeras in till den bästa tidpunkten.

Antalet generatorer som går sönder minskar väsentligt. Driftsstoppen minskar med 10 till 15 procent, uppger ÅF. Något som har gjort att energiföretagets investering har betalat sig.

Azad Noorani ser stora möjligheter att utnyttja tekniken, som bygger på en ursprungsidé från amerikanska Nasa. 

- Den kan användas överallt där maskiner är involverade, från bilar till processer inom hela industrin.