Viime vuosina tuotannon ja kunnossapidon raja-aidat ovat poistuneet, tai vähintään kovaa vauhtia häviämässä. Yritetään tehdä pienemmällä porukalla enemmän hyödyntämällä perinteisten tiukkojen roolien poistumista. Automaattisen kunnonvalvontamittaamisen lisäksi esimerkiksi laitteiden kunnossapitoon liittyvää tietoa kerätään sekä varsinaisen kunnossapidon että tuotannon työntekijöiden toimesta.
Päivittäisjohtamisen järjestelmien kehityksessä tehokas tiedonkeruu ja raportoinnin visuaalisuus ovat olleet keskiössä. Mobiililaitteet ovat tulleet jäädäkseen ja niistä on suuri apu tiedonkeruun ja tekemisen viiveiden poistamisessa. Kunnossapitokohteen äärellä mahdollisesti kuvilla ja videoilla rikastettu tieto luokitellaan samantien rakenteelliseksi tiedoksi, jolla toimintaa voidaan ohjata ja kehittää tehokkaasti.
Sitten markkinoille tuli tekoäly ja sen avulla kunnossapidon tekeminen voikin ottaa hämmästyttävän loikan eteenpäin. Tekoälyn avulla teollisen kunnossa- ja käynnissäpidon haasteita ratkottaessa törmätään samalla myös megatrendeihin:
- Tekoälyn tulo työpaikoille on itsessään sellainen.
- Kehittyneissä maissa pienenevät nuoret ikäluokat eivät ole kiinnostuneita vanhanaikaisiksi leimautuneista teollisista työtehtävistä.
- Teollisuudessa on lähivuosina eläköitymisbuumi.
- Hiljaisen tiedon menettämisen uhka. Kokeneiden ja eläköitymässä olevien työntekijöiden hiljaista tietoa ja osaamista on vaikea kerätä talteen.
- Eri ikäluokilla on hyvin erilainen lähestyminen työhön ja valmiudet käyttää tietoteknisiä apuvälineitä.
- Työturvallisuus on prioriteetti.
Kunnossapidon tyypillisiä haasteita ovat muun muassa se, että suunnitellut tehtävät jäävät tekemättä tai niiden aikatauluja on vaikea hallita. Työntekijältä saattaa puuttua tehtävän kannalta olennainen osaaminen, ja tarvittavia dokumentteja ei löydy silloin, kun niitä tarvittaisiin. Asioita ei myöskään aina tehdä kiireessä turvallisesti tai ne tehdään ensin väärin.
Työnjohto puolestaan kamppailee sen kanssa, ettei heillä ole tarkkaa kokonaiskuvaa tehtävien etenemisestä. Lisäksi seisakkien aikataulutus ja resursoinnin suunnittelu on työlästä ja perustuu usein karkeisiin arvioihin. Uusien työntekijöiden perehdyttäminen vie runsaasti aikaa ja kuormittaa johtoa ja kokeneempaa henkilöstöä.
Tekoäly avuksi arjen tekemiseen
Juuri näihin haasteisiin uudet tekoälyavusteiset ratkaisut tuovat konkreettista apua. ABB:n Industrial Knowledge Vault (IKV) ja Connected Worker (CW) ovat kokonaisuuden keskiössä. Kyseessä on teollisen tiedon sovelluspaketti ja mobiililaitteita tukeva ympäristö, joilla luodaan, käytetään ja hallitaan osaamista työtehtävien suorittamiseksi.
Työntekijällä on mobiililaite tai hololinssit, joiden kautta tarvittava tieto siirtyy suoraan työkohteelle. Tämä nopeuttaa valtavasti tekemistä. Mobiililaitteella otettu kuva kertoo enemmän kuin tuhat sanaa, videosta puhumattakaan. Käyttäjä keskustelee järjestelmän tekoälykehotteen kanssa. Käyttäjä kirjoittaa selkokielisiä kysymyksiä ja saa tehtaan dataan perustuvia, kyseiseen työtehtävään liittyviä selkeitä toimintaehdotuksia. Saatavilla olevasta datasta riippuen ehdotukset ja ohjeet sisältävät myös kuvia tai videoita.
Taustalla järjestelmällä on pääsy laitoksen dokumentteihin, järjestelmätoimittajien käsikirjoihin, huolto-ohjeisiin ja mitattuun prosessidataan. Järjestelmä hyödyntää myös työnkulkujen suorituslokeja, tallennettuja tukipuheluja sekä käyttäjiltä kerättyä palautetta. Tietoa kerätään jatkuvasti ja järjestelmän tietämyskanta sen myötä rikastuu. Tietoturvasta on huolehdittu.
Selkokielisten opastavien työnkulkujen avulla kokemattomampikin työntekijä voi suorittaa tehtävän tehokkaasti ja turvallisesti kerralla oikein. Samalla johto voi perehdyttää uusia työntekijöitä nopeasti tehtäviinsä. Järjestelmä kerää myös hiljaista tietoa tehokkaasti ja auttaa säilyttämään prosessiin liittyvää tietämystä.
Työnjohdolla on jatkuvasti selkeä visuaalinen kuva missä vaiheessa mikäkin tehtävä on menossa, on kyseessä sitten säännöllinen aikataulutettu tehtävä tai äkillinen korjaus- tai huoltotoimenpide. Järjestelmä seuraa jatkuvasti työnkulkujen suorittamiseen kuluvaa aikaa ja tukee parhaiden käytäntöjen tunnistamisessa ja jakamisessa.
Ympyrä sulkeutuu
Yllä kuvattu tekoälyä, tehtaan tietämyskantaa ja mobiiliteknologiaa hyödyntävä ratkaisu tehostaa työnkulkujen hallintaa, on kyseessä sitten säännöllisesti toistuvat tarkastuskierrokset, tai ongelmanratkaisutilanteet. Valtava potentiaali on myös seisakkisuunnitelmien tehostamisessa, sillä järjestelmä tietää kauanko tehtäviin oikeasti kuluu aikaa ja millä resursseilla ne voidaan tehdä.
Teollisuudessa käytetään laajasti APM Asset Performance Management -ratkaisuja. ABB:n Asset Twin on esimerkki tällaisesta kunnonvalvontajärjestelmästä, jonka avulla seurataan laitteiden suorituskykyä ja hälytetään poikkeamista. Tavoitteena on, että mitatun tiedon avulla voidaan suunnitella oikea-aikaiset ja oikein mitoitetut kunnossapitotoimet. Kunnossapito voi suunnitella huolto- ja korjaustoimet siten, että tuotanto häiriintyy mahdollisimman vähän.
Myös kunnossapitojärjestelmiin on tullut tekoälyä ja koneoppimisen laskentamalleja kaivamaan poikkeamat ja hitaat muutokset esiin valtavista datamassoista. Moderni APM luokittelee kaikki tehtaan hälytykset ja varoitukset niiden vaikuttavuuden perusteella. Näin käyttäjä näkee visuaalisesti, missä järjestyksessä hälytyksiin ja varoituksiin pitäisi puuttua koko tehtaan tasolla tai osastoittain.
Ratkaisujen kokonaisvaltaisella hyödyntämisellä pyritään siihen, että APM:n avulla mahdollisimman harvoin ajaudutaan tilanteeseen, jossa tuotanto seisahtuu laitteen hajotessa tai pysähtyessä.
- APM kertoo laitteiden tilan ja luokittelee hälytykset visuaalisesti kriittisyyden mukaan.
- IKV:n avulla luodaan ja hallitaan selkeät työnkulut ja opastukset.
- CW-mobiiliratkaisu auttaa käyttäjää toimimaan tehokkaasti tuomalla ohjeet suoraan työkohteeseen.
Kriittisiä hälytyksiä joudutaan usein ratkomaan paineen alla. Tällöin välittömästi saatavat laitevalmistajan ohjeisiin ja tehtaan sovellukseen perustuvat selkokieliset ohjeet on korvaamaton apu tehokkaassa ja turvallisessa suorittamisessa, varsinkin uusille työntekijöille. Vanhoillekin työntekijöille tulee tilanteita, joissa uusi laite vikaantuu ensimmäistä kertaa.
Tulokset puhuvat puolestaan
Tähän mennessä IKV:n avulla on saatu vähintäänkin rohkaisevia tuloksia. Ellei suorastaan tuottavuusloikka.
- Ajansäästö: 85 % vähemmän aikaa työnkulkujen luomiseen
- Kerralla oikein: 90 % vähemmän inhimillisiä virheitä
- Vaivaton työn johtaminen: 45 % lisäys tiimin tuottavuuteen
Mikä siis muuttuu?
Tekoälyavusteisilla ratkaisuilla tehtaan järjestelmiin, prosesseihin ja tekemiseen liittyvä tietämys on helpommin tekijöiden käytettävissä heidän tehdessään työtehtäviään. Tämä tasoittaa tekijöiden osaamiseroja, parantaen kokemattomien tekijöiden suoritusta.
Työnjohto on paremmin tilanteen päällä. Seisakkien suunnittelu helpottuu, kun resurssien aikataulutus on visuaalisempaa ja perustuu mitattuun tietoon. Kullakin hetkellä tiedetään mitä tehtäviä ollaan tekemässä ja mikä on suorituksen vaihe.
Kokeneen kaartin osaamisen kerääminen helpottuu parhaiden käytäntöjen tallettamisen sekä tehtävien suorittamisen aktiivisen seurannan myötä.
Motivaatiotekijät ovat usein vaikeammin mitattavia, mutta niiden vaikutus näkyy käytännössä. Kun työntekijän ei tarvitse etsiä ohjeita mappi- tai käsikirjaviidakosta, työ tehostuu ja onnistumisen kokemukset lisääntyvät. Selkeät ja turvalliset työohjeet vähentävät epävarmuutta ja tukevat tekemistä. Motivoitunut työntekijä on valppaampi ja hänelle jää aikaa myös uuden opetteluun ja sulatteluun.
Tietoa kirjoittajasta
Risto Vuopala toimii Senior Sales Managerina ABB:n Process Industries -divisioonassa keskittyen teollisuuden digitaalisiin ratkaisuihin.
Hänellä on pitkä kokemus tuotannon, energian ja kunnossapidon automaatio- ja digiratkaisuista aina 1990‑luvun alusta lähtien.
Ota yhteyttä
