Predictive maintenance-teknologier for lasere i HLC
Predictive maintenance-teknologier er opstået som en banebrydende tilgang i mange industrier, der sikrer optimal udstyrsydelse, reducerer nedetid og i sidste ende sparer omkostninger. I denne artikel dykker vi ned i verdenen af predictive maintenance med særligt fokus på lasersystemer. Følg med, når vi udforsker koncepterne, de tekniske detaljer og den bemærkelsesværdige forretningsanalyse i Huaris Laser Cloud (HLC).
Predictive maintenance-teknologier, drevet af banebrydende teknologi, forandrer måden, vi administrerer lasersystemer på. Huaris Laser Cloud står i front for denne innovation og tilbyder en banebrydende løsning. I denne artikel afmystificerer vi ikke kun begrebet predictive maintenance, men afdækker også de tekniske aspekter, der gør HLC til en brancheleder. Derudover ser vi på den økonomiske effekt af at implementere et så avanceret system til laservedligeholdelse. Bliv med os, når vi bevæger os ind i fremtiden for lasersystemstyring med predictive maintenance-teknologier og Huaris Laser Cloud.
I denne artikel vil du lære:
Forebyggende og prædiktive vedligeholdelsesteknologier i produktion
Forebyggende vedligeholdelsesteknologier er baseret på en regelmæssig vedligeholdelsesplan, der har til formål at identificere og afhjælpe potentielle problemer, før de fører til fejl eller væsentlig reduktion i laserens ydeevne. Forebyggende vedligeholdelse kan omfatte opgaver som rengøring og justering af laserens optik, udskiftning af slidte eller beskadigede komponenter samt udførelse af kalibrering, justering, rengøring og ydelsestests.
Predictive maintenance-teknologier er baseret på en mere avanceret vedligeholdelsesstrategi, der anvender data og analyser til at forudsige, hvornår en fejl eller væsentlig ydelsesreduktion sandsynligvis vil opstå, og planlægge vedligeholdelse derefter. Predictive maintenance kan omfatte overvågning af laserens effekt, strålebredde og retningsstabilitet samt analyse af data fra laserens styresystemer for at opdage mønstre eller tendenser, der kan indikere problemer med laseren.
Forskelle mellem forebyggende og prædiktive vedligeholdelsesteknologier
Forebyggende vedligeholdelse af lasere
Planen for forebyggende vedligeholdelse er typisk baseret på historiske data indsamlet over en vis periode, hvor brugeren lærer af disse data om laserens ydeevne. Planen er normalt periodisk. På baggrund af data beregnes typiske fejlperioder, og vedligeholdelsesplanen fastlægges, så vedligeholdelseshandlinger udføres før en forventet fejl.
Prædiktiv vedligeholdelse af lasere
Predictive maintenance-teknologier implementeres derimod normalt baseret på analyse af driftsdata, hvor forskellige tendenser og hændelser overvåges. På baggrund af de indsamlede oplysninger ekstrapoleres kritiske parametre over tid, og ud fra denne ekstrapolering forudsiges fejl, så der kan anbefales bestemte handlinger, inden de forventes at opstå. Denne tilgang indebærer, at vedligeholdelseshandlinger udføres efter behov og ikke periodisk, som ved forebyggende vedligeholdelse.
Forebyggende og prædiktive vedligeholdelseskoncepter er kort beskrevet i en af vores tidligere artikler her: Forebyggende og prædiktiv vedligeholdelse af lasere.
Predictive maintenance i produktion – sammenligning af forskellige vedligeholdelsesmodeller
I praksis findes der meget forskellige tilgange til vedligeholdelse. Generelt set udfører man enten forebyggende vedligeholdelse eller reparerer udstyret, når det går i stykker.
Den sidstnævnte model er konceptuelt meget enkel: Når en enhed eller maskine går i stykker, diagnosticerer vedligeholdelsesteamet fejlkilden, reservedele bestilles og udskiftes, hvorefter arbejdet kan genoptages. Denne model har dog meget alvorlige konsekvenser.
Nogle af dem er: nedetiden for enheden eller maskinen kan være meget lang, fordi indkøbsprocessen først starter, efter fejlen er opdaget og diagnosticeret. Leveringstiden kan også være lang, hvilket yderligere forlænger arbejdsafbrydelsen. Uden at gå for dybt i konsekvenserne skal det bemærkes, at selvom kapital ikke bindes i reservedele på lager, skal tabet af indtægter på grund af reduceret produktionskapacitet under lang nedetid tages alvorligt i betragtning.
En simpel use case-analyse, der viser problemets betydning.
Implementeringen af forebyggende vedligeholdelsesteknologier medfører derimod flere forretningsprocesser. For eksempel forudsætter det, at visse indkøbsprocesser gennemføres regelmæssigt og på det rette tidspunkt for at sikre, at reservedele altid er tilgængelige, når vedligeholdelse skal udføres. Opgaverne inden for forebyggende vedligeholdelse er normalt veldefinerede og dermed håndterbare. For eksempel er det klart, hvor lang tid det tager at udskifte en slidt komponent. Maskinens produktivitet kan derfor beregnes præcist, og vedligeholdelse kan planlægges, så forstyrrelsen for brugerne minimeres. Sammenlignet med reparer-ved-fejl-modellen reduceres nedetiden markant, produktiviteten øges, og for virksomheder forbedres indtjeningen.
Predictive maintenance-teknologier giver naturligvis endnu flere fordele end forebyggende vedligeholdelse, da de reducerer vedligeholdelsesomfanget og den kapital, der er bundet i reservedele. For korrekt funktion forudsætter de dog adgang til store mængder data, hvilket ikke altid er muligt.
Omkostninger ved laser-nedetid – case study-analyse
Som tidligere beskrevet betyder nedetid tab. Det kan være økonomisk for en virksomhed eller tab af stråletid på dyrt og svært tilgængeligt forskningsudstyr. Lad os lave en hurtig beregning for at illustrere problemets omfang. Vores case study omhandler et lasersystem anvendt i en skønhedsklinik specialiseret i arfjernelse.
Forudsætninger:
Pris på lasersystem: 50.000 EUR
Afskrivningsrate: 30 %
Månedlig afskrivning: 1.250 EUR
Pris pr. patientbesøg: 100 EUR
Behandlingstid pr. patient: 15 min
Arbejdstid pr. dag: 8 timer
Daglig indtjening: 100 × (60/15) × 8 = 3.200 EUR
Ugentlig indtjening: 5 dage × 3.200 EUR = 16.000 EUR
Indtjening over 5 uger: 5 × 16.000 EUR = 80.000 EUR
(Photo from Freepick)
Hyppigt forekommende nedetid er 4-6 uger. Vi antog derfor et gennemsnit på 5 uger. Ifølge ovenstående estimater er det samlede tab for en klinik, der kun arbejder med 1 laser i en 5-ugers periode: 80 000 EUR + 1 250 EUR = 81 250 EUR! Dette inkluderer kun ejerskabsomkostninger relateret til tabt indtjening og afskrivning. Omkostninger til reparationsservice og reservedele kan variere meget, så vi medtager ikke dette beløb her, men det skal også tages i betragtning.
Hvis der nu udføres en prædiktiv vedligeholdelseshandling, reduceres nedetiden typisk til få timers forebyggende arbejde. Hvis vi antager:
Forebyggende vedligeholdelsestid: 5 timer
Samlet tab af indtjening: 100*(60/15)*5 = 2 000 EUR
Afskrivning i løbet af 5 timer antages: 650 EUR
Samlet tab: 2000 + 650 = 2 650 EUR
I dette scenarie er vedligeholdelsesomkostningerne heller ikke medregnet, da de kan variere meget fra sag til sag, men typisk er de meget lavere i sidstnævnte tilfælde.
Til sammenligning: hvis der ikke udføres prædiktiv vedligeholdelse, er tabet: 81 250 EUR!. Hvis det prædiktive vedligeholdelsessystem er i drift, reduceres tabet til: 2 650 EUR! Med andre ord reduceres det med næsten 97%!.
Dette er naturligvis kun en demonstration, og fordelene ved at implementere prædiktiv vedligeholdelse i din organisation med din laser skal estimeres specifikt, men det er meget klart, at gevinsten kan være meget betydelig, og prædiktiv vedligeholdelse er bestemt værd at implementere.
Vedligeholdelsesproblem i lasere: status quo
Forebyggende og prædiktive vedligeholdelsesmodeller er en gylden standard inden for industrielt udstyr. Af forskellige årsager er de dog hidtil ikke blevet implementeret i lasersystemer. På grund af dette arbejder virksomheder og forskningsinstitutioner det meste af tiden i den mest primitive model: reparér-ved-fejl.
Det er værd at overveje, hvorfor lasere ikke har haft prædiktiv vedligeholdelse til rådighed. Det enkle svar er: indtil nu fandtes der ingen værktøjer til det! Som nævnt tidligere forudsætter den prædiktive vedligeholdelsesmodel indsamling og behandling af betydelige mængder data, og først i de seneste år er dette blevet muligt.
Da der ikke fandtes værktøjer, der muliggjorde implementering af prædiktiv vedligeholdelse i lasersystemer, havde lasersystemerne indtil nu ingen anden mulighed end at blive repareret, efter de var gået i stykker. Dette betød i praksis, at nedetider på uger eller endda måneder var velkendte for folk i branchen.
Faktum er også, at kvantitative data om lasersystemers ydeevne på lang sigt ikke har været tilgængelige. Af denne grund har forskellige ustabiliteter i lasere været kendt og observeret, men de er ikke blevet målt over længere tid. Og som enhver leder ved, hvis noget ikke måles, bliver det ikke styret. Det kan være meget lærerigt, hvis laserens adfærd analyseres over en længere periode.
Som et eksempel præsenteres måleresultaterne for laserstrålebredde i graferne nedenfor. Graferne viser et perspektiv på cirka 1 måned.
Sådanne betydelige udsving vil påvirke laserstrålens interaktion med målet. Uanset anvendelsen: metalskæring eller plasmadannelse og forskning, fordi en forøgelse af laserstrålebredde indebærer en forøgelse af det område, hvorover intensiteten fordeles. Som følge heraf kompromitteres strålens interaktion med materialet.
De ovenfor præsenterede data stammer fra målinger af reelle lasersystemer på produktionsstedet hos Perspectiva Solutions.
Hvordan implementerer Huaris Laser Cloud konceptet for prædiktiv vedligeholdelse?
Huaris Laser Cloud (HLC)-systemet er det første avancerede og universelle værktøj til implementering af prædiktive vedligeholdelsesteknologier i lasersystemer.
Den overordnede arkitektur har nogle få centrale søjler:
Laserstrålen overvåges af en dedikeret sensor i industrielle løsninger eller af en laserstråleprofiler i andre applikationer. Valgfrit kan en separat effektmåler tilføjes.
Sensoren er forbundet til en lokal pc eller en dedikeret tablet (Mobi-version af Huaris laserstråleprofilere).
Lokalt forbehandles dataene, og en del information vises til øjeblikkelig visning.
Den lokale applikation er også ansvarlig for kommunikationen med den eksterne database.
Kunstig intelligens (AI)-algoritmer analyserer fuldautomatisk streamede data i realtid og leverer resultaterne til laserejeren og eventuelt til et vedligeholdelsesfirma.
Webapplikationen præsenterer historiske og live-data, viser notifikationer om opdagede laserfejl og anbefalinger samt muliggør brugerstyring.
Nogle vigtige funktioner inkluderer:
Webapplikationen muliggør fjernstyring af lasere
Webapplikationen er systemdiagnostisk: den kan bruges på Mac, Windows, tablet eller smartphone.
Kunstig intelligens-modeller analyserer data øjeblikkeligt og automatisk
Webapplikationen er fælles for individuelle laserstråleprofilere, effektmålere og dedikerede industrielle sensorer. Med andre ord: én løsning til alle kunder.
AI-komponenter har fortrænede modeller, som er fælles for alle lasere, men de genoplæres også periodisk for at tage højde for den enkelte lasers særegenheder.
AI-modeller analyserer ikke kun laserstrålens kvalitet på et givent tidspunkt, men også dens ændring over en periode (trendanalyse), hvilket giver en klar indikation af laserens ydeevne historisk og i fremtiden!
Webapplikationen genererer notifikationer og forslag, der vises i applikationen samt sendes via e-mail eller SMS.
Få eksempler på artefakter detekteret af kunstig intelligens i HLC
Hvor kan det anvendes?
HLC kan anvendes på et meget bredt udvalg af produkter, og dets anvendelighed bestemmes primært af laserens bølgelængde. Generelt kan det dog implementeres i meget forskellige lasere, og disse meget forskellige lasere kan styres fra den samme webapplikation.
Se vores videovejledninger
Vigtigste pointer
Implementeringen af prædiktiv vedligeholdelsesmetodologi i lasersystemer medfører mange fordele. De omfatter
For laserejeren:
Omkostningsreduktion
Forøgelse af laserens tilgængelighed
Forøgelse af indtægter
Fjernstyring af lasersystemer
Automatiseret diagnostik
Automatiserede notifikationer og vedligeholdelsesanbefalinger
For vedligeholdelsesfirma:
Værktøj til styring af laservedligeholdelsesopgaver
Værktøj, der foreslår vedligeholdelseshandlinger
Automatiseret diagnostik
Automatiserede notifikationer og vedligeholdelsesanbefalinger
Afsluttende note: Huaris er et brand ejet af Perspectiva Solutions Ltd. HLC er en proprietær teknologi fra Perspectiva Solutions Ltd.
Seneste indlæg om laserstråleprofiler
