AI a karbantartásban – mikor érdemes belevágni?

A mesterséges intelligencia egyre több ponton jelenik meg az ipari karbantartásban. Gépek állapotának elemzése, rendellenességek felismerése, meghibásodási kockázatok becslése vagy akár a következő karbantartási beavatkozás támogatása ma már nem pusztán kísérleti technológia.

A kérdés ezért egyre kevésbé az, hogy lesz-e szerepe az AI-nak a karbantartásban, inkább az, hogy egy ADOTT ÜZEMBEN MIKOR, milyen feladatra és milyen alapokra építve érdemes alkalmazni?

Nem minden üzemnek ugyanaz a következő lépése

Egy jól működő karbantartási rendszerben már rendelkezésre állhatnak a strukturált meghibásodási adatok, a gépek állapotadatai, a karbantartási előzmények és a szükséges üzemi kontextus. Ilyen környezetben az AI segítségével új összefüggéseket kereshetünk, kockázatot becsülhetünk vagy gyorsíthatjuk a szakértői döntést.

Máshol a következő nagy előrelépést még az állapotadatok automatikus gyűjtése, a karbantartási folyamatok következetes digitalizálása vagy a CMMS-ben tárolt adatok minőségének javítása hozza. Ez nem fejlett és elmaradott üzemek egyszerű megkülönböztetése. A karbantartás digitalizációja egymásra épülő fejlesztési lépésekből áll, és az AI értéke is attól függ, milyen működésre építjük rá.

Az AI lehetséges alkalmazási területei a karbantartásban – a hibák előrejelzésétől a technikusi támogatáson át a karbantartási tudás megőrzéséig.

Mitől lesz valódi értéke az AI-nak?

Egy algoritmus felismerhet egy szokatlan rezgést vagy hőmérsékleti trendet, de a karbantartási döntéshez ennél több információ szükséges.

Tudnunk kell:

• melyik berendezés érintett,
• mennyire kritikus a termelés szempontjából,
• milyen hibák fordultak elő korábban,
• mikor lehet beavatkozni,
• rendelkezésre áll-e a szükséges alkatrész és szakember,
• majd azt is vissza kell mérnünk, hogy a végrehajtott beavatkozás valóban megoldotta-e a problémát?

Az AI akkor válik a karbantartás hasznos eszközévé, amikor megfelelő adatokkal, üzemi kontextussal és a tényleges karbantartási folyamattal kapcsolódik össze. Ezért az AI alkalmazását nem önálló technológiai projektként érdemes vizsgálni. A cél egy olyan döntési folyamat kialakítása, amelyben az adatokból időben végrehajtható karbantartási döntés születik.

Egy chatbot még nem karbantartási döntéstámogatás

Az AI-val kapcsolatban ma sokak első tapasztalata a generatív chatbot: feltöltünk egy gépkönyvet, leírjuk a tapasztalt hibajelenséget, majd megkérdezzük, mi lehet a probléma és mit tegyünk. Ipari környezetben ezt önmagában nem tekintjük biztonságos döntéstámogatásnak. A gépkönyv egy berendezéstípust ír le, miközben a karbantartási döntés egy konkrét gépre, annak aktuális konfigurációjára, üzemállapotára, karbantartási előzményeire és mért állapotadataira vonatkozik. Ehhez társul a szakértői kontroll és a végrehajtott beavatkozások visszacsatolása.

A természetes nyelvű chatbot nagyon hasznos kezelőfelület lehet az AI-hoz. A mögötte lévő ipari kontextust azonban nem helyettesíti. Erről részletesen is írunk ebben a cikkben.

Hol tart most az Önök karbantartása?

A SilverFrog karbantartás-digitalizációs érettségi modellje a hibakezeléstől és megelőző karbantartástól az adatkezelésen és digitális integráción keresztül az adatvezérelt működésig vizsgálja a jelenlegi állapotot. Az online felmérés segít meghatározni a következő fejlesztési lépést.

A cél az eredmény, nem az alkalmazott technológia

A fejlesztési sorrend meghatározásakor fontos kérdés, hogy az adott problémához valóban szükség van-e mesterséges intelligenciára, vagy csak egy jól kitalált digitális karbantartási rendszerre?
Egy üvegfeldolgozó üzemben például egy kritikus berendezés állapotának megfelelő mérésével és az adatok felhasználásával sikerült időben felismerni egy kialakuló problémát. A tervezett beavatkozással egy akár nyolchetes nem tervezett állásidőt sikerült megelőzni. Ehhez nem volt szükség AI-ra.

A példa azért fontos, mert jól mutatja a karbantartás digitalizációjának egyik alapelvét: nem a lehető legfejlettebb technológiát keressük, hanem azt a következő lépést, amely mérhető üzemi eredményt hoz.

8 hét állásidő megelőzése – AI nélkül?
Hogyan jelezte előre egy kritikus berendezés állapotának változását az online adatgyűjtés, és hogyan lett a jelzésből időben tervezett karbantartási beavatkozás?

Mikor jön el az AI ideje?

Amikor megfelelő mennyiségű és minőségű adat áll rendelkezésre, a különböző adatforrások összekapcsolhatók, és a karbantartási folyamat már képes felhasználni az így létrejövő információt, az AI újabb jelentős fejlődési lehetőségeket nyit.

Segíthet olyan mintázatok felismerésében, amelyeket emberként nehéz észrevenni, támogathatja a meghibásodási kockázatok értékelését, gyorsíthatja a prioritások meghatározását, és egyre több információt adhat ahhoz, hogy a szakember a megfelelő időben a megfelelő beavatkozás mellett döntsön.

A SilverFrog megközelítésében ezért az AI a karbantartás digitalizációjának következő fontos technológiai rétege. A kérdés minden esetben az, hogy milyen adatokra és működésre építjük, illetve a döntési folyamat mely részén tud valódi hozzáadott értéket teremteni.

Hogyan épül fel mindez a gyakorlatban?

Az adatgyűjtéstől és a CMMS-ben kialakított adatalaptól az üzemi kontextuson keresztül az AI-alapú döntéstámogatásig több technológiai és karbantartás-szakmai réteget kell összekapcsolni.

A megfelelő következő lépést keressük

Az AI egyre fontosabb része lesz a modern karbantartásnak, de önmagában nem cél. Egy adott üzemben lehet, hogy ma egy új prediktív modell hozza a következő jelentős eredményt. Máshol ugyanezt az állapotadatok gyűjtésének elindítása, a CMMS-adatok rendezése vagy a karbantartási folyamatok következetesebb működtetése adja.

A jó kérdés ezért nem egyszerűen az, hogy használjunk-e AI-t. Hanem az, hogy mi az a következő technológiai és működési lépés, amelyből jobb karbantartási döntés és mérhető üzemi eredmény születik.