Yleisen siisteyden ja määräaikaistarkistusten laiminlyönti on merkittävin syy laitevikoihin.

Viime aikoina ei ole voinut mennä mihinkään teollisuuteen ja etenkään kunnossapitoon liittyvään seminaariin törmäämättä päivän teemoihin kuten teollinen internet, asioiden internet, Big Data ja niin edelleen. Samaa linjaa noudattelevat niin kotimaiset kuin kansainvälisetkin ammattilehdet sekä joskus myös hieman yleisemmät julkaisut talous- ja elinkeinoelämän saroilta.

Viesti näissä kaikissa on selkeä; jokin edellä mainituista tai ne kaikki yhdessä ovat väylä tuottavampaan teolliseen toimintaan. Kunnossapidon on todettu siirtyvän digiaikaan ja parhaimmillaan on luvattu ennakoida kaikki viat jopa kaksi viikkoa etukäteen. Tästä käytetään nimitystä älykäs kunnossapito. Ikään kuin kyseinen toimiala olisi aikaisemmin ollut vailla kyseistä ominaisuutta.

Yhtäkään edellä mainituista ei voi torpata tarpeettomana ja niille kaikille on selkeä tilaus, mutta onko se sitä ihan kaikille teollisuudenaloille? Tai onko niihin hyppäämiselle edellytyksiä? Internet Of Things (IoT) eli asioiden internet tarkoittaa lyhyesti sitä, että koneisiin ja laitteisiin lisätään antureita ja sitä kautta älyä.

Tavoitteena on ennakoida tilanteita, joissa koneissa ja laitteissa on tapahtumassa poikkeamia. Ne johtavat usein vikoihin sekä prosessi- ja tuotantohäiriöihin. Jos kohde on tuulivoimala, kaivoskone tai muu miehittämätön tai hyvin vähäisellä ihmisen läsnäololla varustettu, IoT on ainut oikea suunta.

Entäpä ne lukemattomat hieman ikääntyneemmät tuotantolaitokset, joiden laitteet ovat jo elinkaarensa jälkimmäisellä puoliskolla? Onko niihin koneisiin edes mahdollista istuttaa näitä ihmeantureita?

Entäpä Big Data? Se tarkoittanee menettelyä, jossa kerätään valtava datamassa kaikesta mahdollisesta koneisiin ja prosesseihin liittyen ja laitetaan tietokone etsimään datajoukosta riippuvuussuhteita, joista olisi mahdollista ennustaa koneen tai prosessin käyttäytymistä tulevaisuudessa.

Kunnossapidon näkökulmasta kyse on prosessimittausten ja kunnonvalvonta-antureiden keräämästä datasta. Se tarkoittaa myös eri laitteiden ohjaamiseen liittyvää tilatietoa, kuormitustietoa sekä toimintaympäristöön liittyvää dataa. Tältä pohjalta Big Datalle on täysin kiistaton tilaus, koska kaikki edellä mainittu datalähteet perustuvat antureiden mittaamaan melko luotettavaan tietoon.

Mutta kuinka tällä menettelyllä aiotaan analysoida koneiden ja laitteiden vikahistoriaa? Etsiä siis tietoa siitä, kuinka usein laite on vikaantunut ja haitannut jollain tapaa tuotantoprosessia. Vikahistoriaan kuuluu myös tietää, mikä laite vikaantui, kuinka ja mistä syystä.

Lisäksi aihepiiriin kuuluu se tieto, kuinka kyseistä laitetta on huollettu. Mikään edellä mainituista (ensin mainittua lukuun ottamatta) tietoalkioista ei ole anturin mittaamaa, ne kaikki ovat ihmisen järjestelmään syöttämää informaatiota. Niiden määrällinen paikkansa pitävyys lienee noin 70 prosentin luokkaa ja laadullinen tietoarvo paljon sitä alhaisempi.

Mennäänpä sitten laitteiden ”housuihin”. TV-sarjasta Kummeli tuttu, kaikkien asioiden ohjeistamispäällikkö Jaakko Parantainen voisi sanoa, että laitteet on tehty käytettäviksi ja että laitteet tykkäävät, kun niitä käytetään.

Kaikille yleisimmille teollisuuden laitteille on laitevalmistajan taholta määritetty niin käyttö- kuin huolto-ohjeetkin. Kun näihin ohjeisiin syventyy, sieltä on löydettävissä selkeät perusvaatimukset, joista tulisi pitää huoli. Niihin kuuluvat puhtaanapito, voitelu ja tiettyjen asioiden säännönmukainen tarkastaminen.

Sen lisäksi useimmissa ohjeissa on määritetty vaatimukset ympäristöolosuhteille sekä kuormitukselle. Alamme suuret gurut kuten John Moubray, Peter Willmot ja muutamat muut ovat todenneet, että suurin osa tuotantolaitteiden epäluotettavuudesta johtuu juuri noiden edellä listattujen perusvaatimusten laiminlyönnistä.

Mikään niistä ei kuitenkaan ole vikaantumisen juurisyy. Tässä kohtaa pitää olla tarkkana, sillä vaikka juurisyy löytyy useimmiten ihmisen toiminnasta, heistä ei pidä tehdä juurisyyllisiä. Jos kerran ihminen toiminnallaan aiheuttaa suurimman osan vikojen syistä, hän on paras myös ne poistamaan.

Nyt tässä kehityksen huumassa ei saa käydä niin, että tämä anturointiin ja datan murskaamiseen liittyvä ”älykkyys” pahimmassa tapauksessa johtaa näiden koneen perusvaatimusten lisälaiminlyönteihin. Vaarana on harhautua ajattelemaan, että kyllä se systeemi siten hälyttää, kun jokin on hajoamassa!

Sitten kun joku keksii antureita tai älyä, joilla useimmiten syytön konerukka saadaan kertomaan, että nyt minusta ei pidetä riittävää huolta, voidaan puhua todella älykkäästä kunnossapidosta. Ajatellaanpa yksinäistä pumppua tehtaan kellarissa.

Se tietää olevansa kriittinen laite, mutta kuinka se voi olla varma, että sen perustarpeista huolehditaan? Käykö joku aika ajoin kysymässä ja katsomassa, kuinka se voi, onko mitään oireita tai muuta vastaavaa? Käykö joku puhdistamassa sähkömoottorin ilmanoton ja jäähdytysrivat sekä kurkkaamassa vielä, ettei ole turhia vuotoja? Huolehtiiko joku kuluvista osista, ennen kuin ne alkaa vaivata toimintaa?

Loppujen lopuksi kyse on juuri huolenpidosta. Niin kauan kun koneet ja laitteet eivät pysty itse huolehtimaan kaikista perustarpeistansa, se on ihmisen vastuulla. Tällöin ihmisten on myös otettava omistajuus ja siihen kuuluva vastuu koneistansa.

Kun koneiden ennakkohuolto niin käyttäjien kuin kunnossapidonkin osalta tehdään systemaattisesti vaikkapa kriittisyysanalyysiin pohjautuen kunnolla ohjeistettuna ja valvottuna voidaan puhua älykkäästä kunnossapidosta. Sitä älyä ei voida edes siirtää koneisiin. Se on pidettävä itsellä.

Kari Mäki,
karimaki coaching Oy, 

kari(at)karimaki.fi