Plötsliga produktionsstopp kan stå det tillverkande företaget dyrt, men förebyggande service efter ett givet intervall är inte alltid lösningen. Vad sägs om att istället ta vara på all data som samlas in och behandla den på ett sätt som gör att du redan i förväg kan få veta när en maskin behöver servas eller en komponent bytas ut? Datan har du redan – nu är det dags att börja använda den. 

Används dina underhållsresurser på ett kostnadseffektivt sätt?

Att plötsliga produktionsstopp kan bli kostsamma för tillverkande företag är ingen nyhet. En tillverkande maskin innehåller många komponenter som slits och behöver servas eller bytas ut löpande. Om det dessutom är en dyr del med lång leveranstid som fallerar kan stoppet bli förödande. Inte bara för den enskilda maskinen utan för alla processer som kommer senare i ledet.

Allt för många servicechefer arbetar med att släcka bränder snarare än att jobba långsiktigt och systematiskt med schemalagda servicestopp. Som servicechef har du förmodligen en egen budget för att serva maskinerna och om du hela tiden måste ta in ersättningsdelar med kort varsel och rycka ut på kvällar och helger är den snabbt förbrukad. Istället för att säkerställa att underhållsresurser nyttjas på ett kostnadseffektivt sätt läggs fokus på att hitta lösningar på akuta problem - och på att skriva rapporter. 

Brister i den traditionella servicemodellen

Enligt den gamla modellen för underhåll har företag servat sina maskiner med ett visst intervall, till exempel varje år eller efter ett visst antal timmar. Om maskinen inte skulle behöva service vid den här tidpunkten försvinner både tid och pengar i onödan. Vad många inte tänker på är att onödig service även kan leda till onödigt slitage eftersom delar riskerar att slitas ut varje gång en maskin öppnas. I värsta fall behöver en ny del beställas, med ett ännu längre servicestopp som resultat.

En maskin

Från förebyggande till prediktivt underhåll

En bättre lösning är naturligtvis att planera in servicestoppen i förväg och se till att göra inköpen i god tid. Ett sätt är att dra nytta av möjligheterna med prediktivt underhåll. Prediktivt underhåll är den senaste trenden inom modernt underhåll och bygger på att vi tar hjälp av sensorer och dataanalys för att automatiskt styra tidpunkten för när olika underhållsåtgärder ska utföras.

De flesta tillverkande företag är bra på att logga hur många timmar deras större maskiner går, men genom att samla in och analysera data från maskinerna är det även möjligt att övervaka dem på komponentnivå. Värmesensorer, strömmätare, tryckmätare, vattenflödesmätare, pH-mätare och konduktivitetsmätare kan användas för att övervaka pumpar, ventiler, slangar, pressverktyg eller andra delar som utsätts för slitage. 

Öka lönsamheten i din serviceaffär med rätt affärssystem
Läs mer om vårt erbjudande här →

Mycket data loggas redan

Mängder av data samlas in redan idag med hjälp av sensorer, men utan ett smart system som sammanställer och visualiserar datan kan den inte utnyttjas effektivt. Många företag saknar kunskap om vilka möjligheter som finns och hur de praktiskt går till väga för att sätta upp det system som kan hjälpa till att göra jobbet.

Första steget är att få sensorerna att logga sin data i affärssystemet. Därifrån kan datan plockas ut till ett kraftfullt analysverktyg. Dagens moderna verktyg för Business Intelligence (BI) kan anslutas till hundratals olika datakällor och presentera allting på tydliga instrumentpaneler. Genom att följa användningen både i realtid och historiskt blir det lätt att se vad som behöver underhållas och när. När någon av de enskilda delarna i processen börjar närma sig ett givet mätvärde kan en automatiserad varning skickas till servicechefen. 

Nödvändigt att involvera flera funktioner i organisationen

Övergången till prediktivt underhåll sker inte över en natt. För att bygga ett system som tar vara på datan och utnyttjar den maximalt krävs tid, kunskap och engagemang. Framförallt är det viktigt att ha en strategi, och i det arbetet behöver flera funktioner inom företaget gå ihop och vara delaktiga. Det kan till exempel handla om processingenjörer, underhållsavdelningen, inköpsavdelningen och leverantörer. Tillsammans behöver ni bena ut vad ni vill kunna förutsäga och vad det ska leda till, så att rätt underhållsåtgärd kan sättas in vid rätt tillfälle. 

Ett arbete som kommer leda till en säkrare produktion och enklare vardag med färre oförutsedda produktionsstopp.

Vi på CGI har lång erfarenhet av att stötta tillverkningsindustrin genom att förbättra service- och underhållsprocesser. Vill du veta mer om hur vi kan hjälpa dig att använda prediktivt underhåll i din verksamhet? Kontakta oss så berättar vi mer.