Prediktive vedlikeholdsteknologier for lasere i HLC
Prediktive vedlikeholdsteknologier har vokst frem som en banebrytende tilnærming i en rekke bransjer, og sikrer optimal ytelse på utstyr, reduserer nedetid og gir betydelige kostnadsbesparelser. I denne artikkelen dykker vi ned i verdenen av prediktivt vedlikehold med spesielt fokus på lasersystemer. Bli med når vi utforsker konseptene, de tekniske detaljene og den omfattende forretningsanalysen innenfor Huaris Laser Cloud (HLC).
Prediktive vedlikeholdsteknologier, drevet av banebrytende teknologi, endrer måten vi håndterer lasersystemer på. Huaris Laser Cloud, i front av denne innovasjonen, tilbyr en løsning som endrer spillereglene. I denne artikkelen vil vi ikke bare avmystifisere konseptet prediktivt vedlikehold, men også avdekke de tekniske aspektene som gjør HLC til en bransjeleder. Videre vil vi analysere den økonomiske effekten av å ta i bruk et så avansert system for laservedlikehold. Følg med når vi tar deg med inn i fremtiden for lasersystemadministrasjon med prediktive vedlikeholdsteknologier og Huaris Laser Cloud.
I denne artikkelen vil du lære:
Forebyggende og prediktive vedlikeholdsteknologier i produksjon
Forebyggende vedlikeholdsteknologier er basert på en regelmessig vedlikeholdsplan som er utformet for å identifisere og korrigere potensielle problemer før de fører til feil eller en betydelig reduksjon i laserens ytelse. Forebyggende vedlikeholdsteknologier kan omfatte oppgaver som rengjøring og justering av laserens optikk, utskifting av slitte eller skadede komponenter samt gjennomføring av kalibrerings-, justerings-, rengjørings- og ytelsestester.
Prediktive vedlikeholdsteknologier er basert på en mer avansert vedlikeholdsstrategi som bruker data og analyser til å forutsi når en feil eller en betydelig ytelsesreduksjon sannsynligvis vil inntreffe, og planlegger vedlikehold deretter. Prediktive vedlikeholdsteknologier kan inkludere oppgaver som overvåking av laserens effekt, strålebredde og retningsstabilitet, samt analyse av data fra laserens kontrollsystemer for å avdekke mønstre eller trender som kan indikere et problem med laseren.
Forskjeller mellom forebyggende og prediktive vedlikeholdsteknologier
Forebyggende vedlikehold av lasere
Forebyggende vedlikeholdsverktøy har vanligvis en plan som er utarbeidet basert på historiske data samlet inn over en viss tidsperiode, der brukeren lærer av disse dataene om laserens ytelse. Planen er normalt periodisk. Basert på dataene beregnes typiske feilperioder, og vedlikeholdsplanen settes slik at vedlikeholdstiltak utføres før feil forventes å oppstå.
Prediktivt vedlikehold av lasere
Prediktive vedlikeholdsteknologier er derimot normalt implementert basert på analyse av livssyklusdata, der ulike trender og hendelser overvåkes. Basert på den innsamlede informasjonen ekstrapoleres kritiske parametere over tid, og ut fra denne ekstrapoleringen forutsies feil for å kunne anbefale bestemte tiltak som kun utføres rett før de forventes. Denne tilnærmingen innebærer at vedlikeholdstiltak utføres ved behov og ikke periodisk, slik som i forebyggende vedlikeholdsteknologier.
Forebyggende og prediktive vedlikeholdskonsepter er kort omtalt i en av våre tidligere artikler her: Forebyggende og prediktivt vedlikehold av lasere.
Prediktivt vedlikehold i produksjon – sammenligning av ulike vedlikeholdsmodeller
I praksis finnes det svært ulike tilnærminger til vedlikehold. Generelt sett, innen prediktivt vedlikehold i produksjon, utfører man enten forebyggende vedlikehold eller reparerer utstyret først når det går i stykker.
Den sistnevnte modellen er svært enkel i konsept: når en enhet eller maskin går i stykker, diagnostiserer vedlikeholdsteamet årsaken til feilen, deler bestilles og erstattes, og deretter kan arbeidet gjenopptas. Denne modellen har imidlertid svært alvorlige konsekvenser.
Noen av disse er: nedetiden for enheten eller maskinen kan bli svært lang fordi anskaffelsesprosessen starter først etter at feilen er oppdaget og diagnostisert. I tillegg kan leveringstiden være lang, noe som ytterligere forlenger den totale driftsstansen. Uten å gå for dypt inn i konsekvensene av denne modellen, må det bemerkes at selv om kapital ikke er bundet opp i reservedeler på lager, må tap av inntekter på grunn av redusert produksjonskapasitet under lang nedetid vurderes svært nøye.
En enkel brukstilfelleanalyse som viser betydningen av dette problemet.
På den andre siden fører implementeringen av forebyggende vedlikeholdsteknologier til flere forretningsprosesser. For eksempel forutsetter den at visse innkjøpsprosesser må gjennomføres regelmessig og til rett tid for å sikre at reservedeler alltid er tilgjengelige når vedlikeholdsarbeid må utføres. Normalt er oppgavene i forebyggende vedlikeholdsverktøy godt definerte og dermed håndterbare. For eksempel er det klart hvor lang tid det tar å erstatte en slitt komponent. Dermed kan maskinens produktivitet beregnes nøyaktig, og vedlikehold kan planlegges på en hensiktsmessig måte for å minimere forstyrrelser for brukerne av enheten. Videre innebærer denne modellen typisk at nedetiden reduseres betydelig sammenlignet med reparer-når-det-går-i-stykker-modellen, produktiviteten øker, og – i forretningsorganisasjoner – inntektene forbedres.
Den prediktive vedlikeholdsteknologimodellen gir åpenbart enda flere fordeler enn forebyggende vedlikehold, ettersom den reduserer omfanget av vedlikehold og kapitalen som er «bundet» i anskaffelse av reservedeler. For korrekt drift forutsetter den imidlertid tilgjengelighet av betydelige mengder data, noe som ikke alltid er mulig.
Kostnad ved laser-nedetid – analyse av en casestudie
Som allerede beskrevet betyr nedetid tap. Enten økonomisk tap i en bedrift, eller tap av stråletid på kostbart og vanskelig tilgjengelig forskningsutstyr. La oss gjøre en rask tankemessig øvelse for å illustrere problemets betydning. Vår casestudie gjelder et lasersystem brukt i en skjønnhetsklinikk spesialisert på arrfjerning.
Forutsetniger:
Kostnad for et lasersystem: 50 000 EUR
Avskrivningsrate: 30 %
Månedlig avskrivningsverdi: 1 250 EUR
Kostnad for ett pasientbesøk: 100 EUR
Tid per behandling: 15 min
Arbeidstid per dag: 8 timer
Inntekt per dag: 100*(60/15)*8 = 3 200 EUR
Inntekt per uke: 5 dager * 3 200 EUR = 16 000 EUR
Inntekt over 5 uker: 5 * 16 000 EUR = 80 000 EUR
(Photo from Freepick)
Hyppig forekommende nedetid er 4–6 uker. Vi antar derfor et gjennomsnitt på 5 uker. Ifølge estimatene over er det totale tapet for en klinikk som kun arbeider med én laser i en 5-ukers periode: 80 000 EUR + 1 250 EUR = 81 250 EUR! Dette inkluderer kun eierkostnader knyttet til tapt inntekt og avskrivning. Kostnader til reparasjonstjenester og reservedeler kan variere betydelig og er derfor ikke inkludert her, men de må også tas med i betraktning.
Dersom prediktivt vedlikehold iverksettes, reduseres nedetiden vanligvis til noen få timers forebyggende arbeid. Hvis vi antar:
Tid for forebyggende vedlikehold: 5 timer
Totalt inntektstap: 100*(60/15)*5 = 2 000 EUR
Avskrivning i løpet av 5 timer antas: 650 EUR
Totalt tap: 2 000 + 650 = 2 650 EUR
I dette scenariet er ikke vedlikeholdskostnaden inkludert, da den kan variere betydelig fra tilfelle til tilfelle, men den er vanligvis mye lavere i sistnevnte scenario.
Til sammenligning: uten prediktivt vedlikehold er tapet 81 250 EUR! Med et operativt prediktivt vedlikeholdssystem reduseres tapet til 2 650 EUR! Med andre ord reduseres det med nesten 97 %!
Dette er selvsagt kun en demonstrasjonsøvelse, og fordelene ved å implementere prediktivt vedlikehold i din organisasjon og for din laser må estimeres spesifikt. Likevel er det svært tydelig at gevinsten kan være betydelig, og at prediktivt vedlikehold absolutt er verdt å implementere.
Vedlikeholdsproblemet i lasere: status quo
Forebyggende og prediktive vedlikeholdsmodeller er gullstandarden for industrielt utstyr. Av ulike grunner har dette imidlertid ikke blitt implementert i lasersystemer frem til nå. Som følge av dette arbeider selskaper og forskningsinstitusjoner oftest etter den mest primitive modellen: reparer-når-det-går-i-stykker.
Det er verdt å vurdere hvorfor lasere ikke har hatt prediktivt vedlikehold tilgjengelig. Det enkle svaret er: frem til nå fantes det ingen verktøy for dette. Som nevnt tidligere forutsetter den prediktive vedlikeholdsmodellen innsamling og behandling av store datamengder, og først de siste årene har dette blitt mulig.
Siden det ikke fantes verktøy for å implementere prediktivt vedlikehold i lasersystemer, hadde lasersystemene frem til nå ingen annen mulighet enn å bli reparert etter at de hadde gått i stykker. Dette har i praksis betydd nedetider på flere uker eller til og med måneder, noe som er velkjent for fagfolk i bransjen.
Et annet faktum er at kvantitative data om lasersystemers ytelse over lang tid ikke har vært tilgjengelig. Av denne grunn har ulike ustabiliteter i lasere vært kjent og observert, men ikke målt over tid. Og som enhver leder vet: hvis noe ikke måles, blir det ikke styrt. Det kan være svært lærerikt å analysere laserens oppførsel over en lengre periode.
Som et eksempel presenteres måleresultatene for laserens strålebredde i grafene nedenfor. Grafene viser omtrent ett måneds perspektiv.
Slike betydelige svingninger vil påvirke laserstrålens interaksjon med målet. Uavhengig av bruksområde – metallkutting eller plasmadannelse og forskning – fordi en økning i laserstrålens bredde innebærer en økning i arealet som intensiteten fordeles over. Følgelig blir samspillet mellom strålen og materialet kompromittert.
Dataene som presenteres ovenfor stammer fra målinger av reelle lasersystemer ved produksjonsanlegget til Perspectiva Solutions.
Hvordan implementerer Huaris Laser Cloud konseptet prediktivt vedlikehold?
Huaris Laser Cloud (HLC)-systemet er det første avanserte og universelle verktøyet for implementering av prediktive vedlikeholdsteknologier i lasersystemer.
Den overordnede arkitekturen har noen sentrale pilarer:
Laserstrålen overvåkes av en dedikert sensor i industrielle løsninger eller av en laserstråleprofiler i andre applikasjoner. Valgfritt kan en separat effektmåler legges til.
Sensoren er koblet til en lokal PC eller et dedikert nettbrett (Mobi-versjon av Huaris laserstråleprofiler).
Lokalt forhåndsbehandles dataene, og noe informasjon vises for umiddelbar visning.
Den lokale applikasjonen er også ansvarlig for kommunikasjon med den eksterne databasen.
Kunstig intelligens (AI)-algoritmer analyserer kontinuerlig strømmede data i sanntid og presenterer resultatene til lasereieren og eventuelt til et vedlikeholdsselskap.
Nettapplikasjonen presenterer historiske og sanntidsdata, viser varsler om oppdagede laserfeil og anbefalinger, og muliggjør brukeradministrasjon.
Noen viktige funksjoner inkluderer:
Nettapplikasjonen muliggjør fjernadministrasjon av lasere
Nettapplikasjonen er systemuavhengig: den kan brukes på Mac, Windows, nettbrett eller smarttelefon
Kunstig intelligens-modeller analyserer data umiddelbart og automatisk
Nettapplikasjonen er felles for individuelle laserstråleprofiler, effektmålere og dedikerte industrielle sensorer. Med andre ord: én løsning for alle kunder.
AI-komponenter har forhåndstrente modeller som er felles for alle lasere, men de trenes også periodisk på nytt for å ta hensyn til hver lasers spesifikke egenskaper.
AI-modellene analyserer ikke bare laserstrålekvaliteten på et gitt tidspunkt, men også endringer over tid (trendanalyse), og gir en tydelig indikasjon på laserens historiske og fremtidige ytelse.
Nettapplikasjonen genererer varsler og forslag som vises i applikasjonen og sendes via e-post eller SMS.
Noen eksempler på artefakter oppdaget av kunstig intelligens i HLC
Hvor kan det brukes?
HLC kan brukes i et svært bredt spekter av produkter, og anvendeligheten bestemmes primært av laserens bølgelengde. Generelt sett kan systemet implementeres i svært ulike lasere, og disse ulike laserne kan administreres fra samme nettapplikasjon.
Se våre videoveiledninger
Viktige poeng
Implementering av prediktiv vedlikeholdsmetodikk i lasersystemer gir en rekke fordeler. Disse inkluderer:
For lasereieren:
Kostnadsreduksjon
Økt tilgjengelighet av laser
Økte inntekter
Fjernadministrasjon av lasersystemer
Automatisert diagnostikk
Automatiserte varsler og vedlikeholdsanbefalinger
For vedlikeholdsselskap:
Verktøy for administrasjon av laservedlikeholdsoppgaver
Verktøy som foreslår vedlikeholdstiltak
Automatisert diagnostikk
Automatiserte varsler og vedlikeholdsanbefalinger
Avsluttende merknad: Huaris er et varemerke eid av Perspectiva Solutions Ltd. HLC er en proprietær teknologi fra Perspectiva Solutions Ltd.
Nylige innlegg om laserstråleprofiler
