Teollisesta internetistä tai IIoT:stä on puhuttu jo pitkään, mutta kyse on aidosti teknologioista, jotka tulevat mullistamaan organisaatioiden toiminnan. IIoT mullistaa niiden huollon, korjaamisen kuin ylläpidonkin.
Artikkelin kirjoittaja Darren Hobbson S3 Semiconductorin  markkinoinnista ja strategiasta vastaava johtaja. Hänellä on tutkinnot Corkin yliopistosta sekä Henleyn johtamiskoulusta. Darrenilla on yli 20 vuoden kokemus puolijohdealalta tuotemarkkinoinnista ja tuotehallinnasta sekä pienissä yrityksissä että suurissa monikansallisissa yrityksissä. |
Hallitusten vetämillä teollisuuden automaatiohankkeilla kuten Teollisuus 4.0 ja laajemmin ymmärrettynä teollisella internetillä (IIoT, Industrial Internet of Things) on perustavanlaatuinen vaikutus tuotantoon. Lupaamalla muuttaa teolliset prosessit ja organisaatiot tehokkaimmiksi, kannattavimmiksi ja ketterimmiksi se nojaa datankeruuseen ja analyysiin, sekä tuotantoresurssien parempaan saavutettavuuteen. Parempi saavutettavuus tarkoittaa, että tehtaat täytyy pitää optimaalisessa toimintakunnossa ja kulumista ja mahdollista vikaantumista pitää jatkuvasti monitoroida. Seisokit täytyy hallita huolellisesti ja pitää mahdollisimman vähäisinä.
Tässä artikkelissa katsomme, miten IIoT-teknologia muuttavat ylläpitoa, korjaamista ja toimintaa (MRO, maintenance, repair and operations), sekä anturien kriittistä roolia tämän muutoksen mahdollistajana. Artikkeli on jaettu kahteen osaan, joista toinen ilmestyy ensi kuussa.
Teollisuus 4.0 ja MRO
Teollisuus 4.0perustuu ”älykkääseen tehtaaseen”, jossa kyberfysikaaliset järjestelmät monitoroivat tehtaan fyysisisä prosesseja ja tekevät keskitettyjä päätöksiä. Teollisuus 4.0 -tehtaan tai -järjestelmän klassisiin ominaisuuksiin kuuluvat:
- Yhteistoiminta — koneet, laitteet, anturit ja ihmiset ovat yhteydessä ja kommunikoivat toistensa kanssa.
- Informaation läpinäkyvyys — järjestelmät luovat anturidatan avulla virtuaalisen kopion fyysisestä maailmasta, minkä avulla informaatio voidaan kontekstualisoida.
- Tekninen apu — sekä järjestelmien kykynä tukea ihmisiä päätöksenteossa ja ongelmanratkaisussa, että auttaa ihmisiä tehtävissä, jotka ovat liian vaikeita tai vaarallisia.
- Koneoppiminen/tekoäly — kyberfyysisten järjestelmien kyky tehdä yksinkertaisia päätöksiä itsenäisesti ja tulla mahdollisimman autonomisiksi.
Teollisuus 4.0 -teknologioiden vauhdittama tuotantoprosessien kehittyminen kasvattaa myös huollon, korjaamisen ja toimintaprosessien vaatimuksia. Kun ympäristöstä tulee yhä kilpaillumpi, tarve saada enemmän arvoa laitteista kasvaa. Näin käy erityisesti pääomaintensiivisillä aloilla, kuten ilmailussa, öljy- ja kaasuteollisuudessa, kaivostoiminnassa, kemikaalien tuotannossa ja metallien prosessoinnissa. Katteiden maksimointi tarkoittaa sekä laitteiden eliniän pidentämistä että niiden käyttöasteen kasvattamista mahdollisimman suureksi samalla, kun kunnioitetaan lainsäädäntöä, sekä turva- ja muita määräyksiä. MRO-toiminnan (maintenance, repair and operations) merkityksen kasvu on lähtenyt liikkeelle ilmailuteollisuudesta, jossa sen osuus toimintakustannuksista on 12-15 prosenttia, ja sittemmin sen merkitys on laajentunut muille aloille.
MRO:n alue ja ajurit
Lentokoneteollisuuden voidaan katsoa johtaneen MRO-kehitystä, jossa sen alkuperä voidaan paikantaa 1950-luvun alkupuolelle. Tuolloin alalla kehitettiin innovatiivisia liiketoimintamalleja komponenttitoimittajien suuren määrän hallintaan. MRO-strategioiden ajurit vaihtelevat alasta toiseen, mutta yhteistä niille on toimintakustannusten pienentäminen ja tuottavuuden parantaminen. Muut tekijät kuten turvallisuus, lainsäädännön mukaisuus ja asiakastyytyväisyys voivat olla yhtä tärkeitä, alasta riippuen. Lentokoneteollisuudessa esimerkiksi turvallisuus on kriittinen tekijä ja tehtaassa odottamattomat tuotantokatkokset voivat johtaa tuotannon katoamiseen, mikä aiheuttaa liikevaihtotappioita ja/tai heikennyksiä asiakastyytyväisyyden tasoon.
Seuraava kuvaa määräävää ylläpitoskenaariota:
Moderni lentokone tuottaa lentäessään teratavuja dataa antureillaan. Pelkästään moottoreissa on jopa 5000 monitoroitavaa elementtiä joka sekunti. Tätä dataa voidaan jatkuvasti analysoida lennon aikana ja sen perusteella voidaan tunnistaa syntyviä ylläpitoa vaativia tekijöitä ja vaatimuksia. Varaosia voidaan tilata ja huoltohenkilöstöä varata, kun kone on vielä ilmassa, joten sen laskeutuessa on kaikki valmiina: dokumentaatio, osat, jne. varmistamaan, että kone huolletaan nopeasti niin, että se on pian valmiina seuraavaa lentoa varten ja aika maan pinnalla jää mahdollisimman lyhyeksi. Maassaoloaika, AOG eli Aircraft on Ground on kriittinen tekijä, sillä jokainen sekunti, jonka siviililentokone viettää maassa, tarkoittaa tappiota lentoyhtiölle.
Yllä kuvattu esimerkki myös korostaa MRO:n alaa, joka kattaa datankeruun, sen lähetyksen, tallennuksen ja analyysin, ylläpitoproseduurit, dokumentaation ja ERP-toiminnallisuuden, mukaan lukien resurssien ajoittamisen ja toimitusketjun toiminnot. Muita tähän kuvioon mahdollisesti mukaan tulevia alueita ovat älykäs inventointi ja myös asiakasprosessit kuten matkatavaroiden seuranta.
Samanlaisia skenaarioita voidaan nähdä muilla teollisuudenaloilla, joissa yhä laajempi IIoT-anturin käyttö mahdollistaa laitteiden heikentymisen tai pettämisen varhaisen näkemisen jo ennen kuin tilanteesta tulee kriittinen. Perinteiset MRO-lähestymistavat ehkäisevässä yläpidossa voivat olla kalliita niin vaadittavan työvoiman, lisäosien kuin seisokkien muodossa – esimerkiksi öljynjalostamon sulkeminen tunniksi voi maksaa jopa miljoona dollaria. Työ tehdään, oli sille tarvetta tai ei, osia korvataan seisokkiajan aikana, on sille tarvetta tai ei, ja tuotantokyky menetetään tai se keskeytyy seisokin ajaksi.
IIoT-teknologioiden nousu luo siksi organisaatioille mahdollisuuden muuttaa MRO-strategiansa ja siirtyä lähemmäksi ylläkuvattua ennakoivan/ehkäisevän ylläpidon mallia. Avain tähän muutokseen on teknologioissa itsessään, mutta myös organisaatioiden kyvyssä integroida nämä teknologiat osaksi MRO-prosessejaan.
Artikkelin II-osa ilmestyy joulukuussa ETN:n sivuilla.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.
