Prediktiva underhållsteknologier för lasrar i HLC
Prediktiva underhållsteknologier har vuxit fram som ett banbrytande angreppssätt inom många branscher. De säkerställer optimal utrustningsprestanda, minskar driftstopp och leder i slutändan till kostnadsbesparingar. I den här artikeln fördjupar vi oss i prediktivt underhåll med särskilt fokus på lasersystem och visar hur Huaris Laser Cloud ligger i framkant av denna utveckling.
Med hjälp av avancerad datainsamling och analys förändrar prediktivt underhåll hur lasersystem hanteras. Huaris Laser Cloud erbjuder en lösning som inte bara förklarar konceptet bakom prediktivt underhåll, utan även de tekniska detaljerna som gör HLC till en branschledare. Dessutom belyser vi den ekonomiska effekten av att införa ett så avancerat system för laserunderhåll.
I artikeln får du lära dig om:
Förebyggande och prediktiva underhållsteknologier inom tillverkning
Förebyggande underhållsteknologier baseras på ett regelbundet underhållsschema som är utformat för att identifiera och åtgärda potentiella problem innan de leder till fel eller en betydande försämring av laserprestandan. Förebyggande underhållsteknologier kan omfatta uppgifter som rengöring och justering av laserns optik, utbyte av slitna eller skadade komponenter samt genomförande av kalibrerings-, justerings-, rengörings- och prestandatester.
Prediktiva underhållsteknologier baseras på en mer avancerad underhållsstrategi som använder data och analys för att förutsäga när ett fel eller en betydande prestandaförsämring sannolikt kommer att inträffa och planera underhåll därefter. Prediktiva underhållsteknologier kan omfatta uppgifter som övervakning av laserns effekt, strålbredd och riktningsstabilitet samt analys av data från laserns styrsystem för att upptäcka mönster eller trender som kan indikera ett problem med lasern.
Skillnader mellan förebyggande och prediktiva underhållsteknologier
Förebyggande underhåll av lasrar
Schemat för förebyggande underhållsverktyg skapas vanligtvis baserat på historiska data som samlats in under en viss tidsperiod, där användaren lär sig av dessa data om laserns prestanda. Normalt är schemat periodiskt. Baserat på data beräknas typiska felperioder och underhållsschemat fastställs med en periodicitet där underhållsåtgärder utförs innan ett fel förväntas inträffa.
Prediktivt underhåll av lasrar
Prediktiva underhållsteknologier implementeras å andra sidan normalt baserat på analys av livscykeldata där olika trender och händelser övervakas. Baserat på den insamlade informationen extrapoleras de kritiska parametrarna över tid och utifrån denna extrapolering förutsägs ett fel för att kunna rekommendera vissa åtgärder som ska vidtas precis innan de förväntas inträffa. Detta tillvägagångssätt innebär att underhållsåtgärder utförs vid behov och inte periodiskt, som i förebyggande underhållsteknologier.
निवारक और पूर्वानुमानात्मक रखरखाव की अवधारणाओं पर हमारे पिछले लेख में संक्षेप में चर्चा की गई है: लेज़र का निवारक और पूर्वानुमानात्मक रखरखाव।
Prediktivt underhåll för tillverkning – jämförelse av olika underhållsmodeller
Mycket olika tillvägagångssätt för underhåll kan observeras i praktiken. Generellt sett utför man inom prediktivt underhåll för tillverkning antingen förebyggande underhåll eller så reparerar man helt enkelt utrustningen när den går sönder.
Den senare modellen är mycket enkel i sitt koncept: när en enhet eller maskin går sönder diagnostiserar underhållsteamet felkällan, delar beställs och byts ut och arbetet kan sedan återupptas. Denna modell har dock mycket allvarliga konsekvenser.
Några av dem är: driftstoppet för enheten eller maskinen kan bli mycket långt eftersom inköpsprocessen startar först efter att felet har upptäckts och diagnostiserats. Dessutom kan leveransen ha lång ledtid, vilket ytterligare förlänger den totala stilleståndstiden. Utan att gå för djupt in på konsekvenserna av denna modell måste det noteras att även om kapital inte binds i reservdelar som lagras i förråd, måste minskningen av intäkter på grund av förlorad produktionskapacitet under det långa driftstoppet beaktas på allvar.
En enkel användningsfallsanalys som visar problemets betydelse.
Å andra sidan medför införandet av förebyggande underhållsteknologier flera affärsprocesser. Till exempel förutsätter det att vissa inköpsprocesser genomförs regelbundet vid exakt rätt tidpunkt för att säkerställa att reservdelar finns tillgängliga när underhållsarbetet behöver utföras. Normalt är uppgifterna i förebyggande underhållsverktyg väl definierade och därmed hanterbara. Det är till exempel mycket tydligt hur lång tid det tar att byta ut en sliten komponent. Därför kan maskinens produktivitet beräknas väl och underhåll kan planeras på ett korrekt sätt för att minimera störningar för användarna av utrustningen. Dessutom innebär denna modell vanligtvis att driftstoppet minskar kraftigt jämfört med modellen ”reparera vid fel”, produktiviteten ökar och, i affärsorganisationer, intäkterna förbättras.
Den prediktiva underhållsmodellen medför uppenbart ännu fler fördelar än det förebyggande underhållet eftersom den minskar omfattningen av underhåll och det kapital som ”fryses” i inköpsprocessen för reservdelar. För korrekt funktion förutsätter den dock tillgång till stora mängder data, vilket inte alltid är möjligt.
Kostnad för laserdriftstopp – fallstudieanalys
Som redan förklarats innebär driftstopp förluster. Antingen ekonomiska förluster om du driver ett företag, eller förlust av stråltid i en svåråtkomlig och dyr forskningsanläggning. Låt oss göra en snabb tankemässig övning för att belysa problemets betydelse. Vår fallstudie gäller ett lasersystem som används i en skönhetsklinik specialiserad på ärrborttagning.
Här är antagandena:
Kostnad för ett lasersystem: 50 000 EUR
Avskrivningsgrad: 30 %
Månatligt avskrivningsvärde: 1 250 EUR
Kostnad för ett enskilt patientbesök: 100 EUR
Tid för en behandling: 15 min
Arbetstid per dag: 8 timmar
Intäkt per dag: 100*(60/15)*8 = 3 200 EUR
Intäkt per vecka: 5 dagar * 3 200 EUR = 16 000 EUR
Intäkt under 5 veckor: 5 * 16 000 EUR = 80 000 EUR
(Photo from Freepick)
Frekvent förekommande driftstopp är 4–6 veckor. Vi antog därför i genomsnitt 5 veckor. Enligt ovanstående uppskattningar är de totala förlusterna för en klinik som arbetar med endast 1 laser under en 5-veckorsperiod: 80 000 EUR + 1 250 EUR = 81 250 EUR! Dessa inkluderar endast ägandekostnader relaterade till förlorade intäkter och avskrivningar. Kostnaden för reparationstjänster och reservdelar kan variera kraftigt, så den summan inkluderas inte här men måste också beaktas.
Om en prediktiv underhållsåtgärd vidtas reduceras driftstoppet vanligtvis till några timmars förebyggande arbete. Om vi antar:
Förebyggande underhållstid: 5 timmar
Total intäktsförlust: 100*(60/15)*5 = 2 000 EUR
Avskrivning under 5 timmar antas: 650 EUR
Total förlust: 2 000 + 650 = 2 650 EUR
I detta scenario beaktas inte kostnaden för själva underhållet, eftersom den kan variera mycket från fall till fall men vanligtvis är betydligt lägre i det senare fallet.
För att jämföra: om inget prediktivt underhåll utförs är förlusten 81 250 EUR! Om det prediktiva underhållssystemet är i drift reduceras förlusten till 2 650 EUR! Med andra ord minskar den med nästan 97 %!
Detta är naturligtvis endast ett demonstrativt exempel, och fördelarna med att införa prediktivt underhåll i din organisation med din laser måste uppskattas specifikt. Det är dock mycket tydligt att vinsten kan vara betydande och att prediktivt underhåll definitivt är värt att implementera.
Underhållsproblem i lasrar: nuläge
Förebyggande och prediktiva underhållsmodeller är en gyllene standard inom industriell utrustning. Av olika skäl har de dock hittills inte implementerats i lasersystem. På grund av detta arbetar företag och forskningsinstitutioner oftast enligt den mest primitiva modellen: reparera när något går sönder.
Det är värt att fundera över varför lasrar saknar prediktivt underhåll. Det enkla svaret är: hittills fanns det inga verktyg för detta! Som nämnts tidigare förutsätter den prediktiva underhållsmodellen insamling och bearbetning av stora datamängder, och först under de senaste åren har detta blivit möjligt.
Eftersom det saknades verktyg för att införa prediktivt underhåll i lasersystem har systemen hittills inte haft något annat val än att repareras efter att de gått sönder. Detta innebar i praktiken driftstopp på veckor eller till och med månader, något som är välkänt för yrkesverksamma inom området.
Faktum är också att kvantitativa data om lasersystemens långsiktiga prestanda inte har varit tillgängliga. Av denna anledning har olika instabiliteter hos lasrar varit kända och observerade, men de har inte mätts över lång tid. Och som varje chef vet: om något inte mäts, hanteras det inte. Det kan vara mycket lärorikt att analysera laserbeteende över en lång tidsperiod.
Som exempel presenteras nedan mätresultat av laserstrålens bredd. Diagrammen visar ett perspektiv på cirka 1 månad.
Sådana betydande fluktuationer påverkar laserstrålens interaktion med målet. Oavsett tillämpning – metallplåtskärning eller plasmagenerering och forskning – innebär en ökning av laserstrålens bredd en ökning av det område över vilket intensiteten fördelas. Följaktligen försämras strålens interaktion med materialet.
De ovan presenterade data kommer från mätningar av verkliga lasersystem vid produktionsanläggningen hos Perspectiva Solutions.
Hur implementerar Huaris Laser Cloud konceptet prediktivt underhåll?
Huaris Laser Cloud (HLC) är det första avancerade och universella verktyget för implementering av prediktiva underhållsteknologier i lasersystem.
Den övergripande arkitekturen har några viktiga pelare:
Laserstrålen övervakas av en dedikerad sensor i industriella lösningar eller av en laserstråleprofiler i andra tillämpningar. Valfritt kan en separat effektmätare läggas till.
Sensorn är ansluten till en lokal PC eller en dedikerad surfplatta (Mobi-versionen av Huaris laserstråleprofiler).
Lokalt förbehandlas data och viss information visas för omedelbar översikt.
Den lokala applikationen ansvarar också för kommunikationen med den fjärranslutna databasen.
Artificiell intelligens (AI)-algoritmer analyserar strömmad data helt automatiskt i realtid och presenterar resultaten för laserägaren och, valfritt, för ett underhållsföretag.
Webbapplikationen presenterar historiska och live-data, visar aviseringar om upptäckta laserfel och rekommendationer samt möjliggör användarhantering.
Några viktiga funktioner inkluderar:
Webbapplikationen möjliggör fjärrhantering av lasrar
Webbapplikationen är systemdiagnostisk: den kan användas på Mac, Windows, surfplatta eller smartphone
AI-modeller analyserar data omedelbart och automatiskt
Webbapplikationen är gemensam för individuella laserstråleprofiler, effektmätare och dedikerade industriella sensorer – en lösning för alla kunder
AI-komponenter har förtränade modeller som är gemensamma för alla lasrar, men de omtränas också periodiskt för att ta hänsyn till varje lasers specificitet
AI-modeller analyserar inte bara laserstrålens kvalitet vid ett givet tillfälle utan även dess förändring över tid (trendanalys), vilket ger en tydlig indikation på laserprestanda historiskt och i framtiden
Webbapplikationen genererar aviseringar och rekommendationer som visas i applikationen samt skickas via e-post eller SMS
Några exempel på artefakter som detekteras av artificiell intelligens i HLC
Var är det tillämpligt?
HLC är tillämpligt på ett mycket brett spektrum av produkter och dess användbarhet bestäms främst av laserns våglängd. Generellt sett kan det dock implementeras i mycket olika lasrar, och dessa olika lasrar kan hanteras från samma webbapplikation.
Se våra videohandledningar
Viktiga slutsatser
Implementeringen av prediktivt underhåll i lasersystem medför många fördelar. Dessa inkluderar:
För laserägaren:
Kostnadsreduktion
Ökad lasertillgänglighet
Ökade intäkter
Fjärrhantering av lasersystem
Automatiserad diagnostik
Automatiserade aviseringar och underhållsrekommendationer
För underhållsföretag:
Verktyg för hantering av laserunderhållsuppgifter
Verktyg som föreslår underhållsåtgärder
Automatiserad diagnostik
Automatiserade aviseringar och underhållsrekommendationer
Slutlig anmärkning: Huaris är ett varumärke som tillhör Perspectiva Solutions Ltd. HLC är en proprietär teknologi från Perspectiva Solutions Ltd.
Senaste inlägg om laserstråleprofiler
