Vaikka Teollisesta internetistä puhutaan tällä hetkellä laajasti, useilla toimijoilla on kuitenkin yhä haasteita implementoida älykkäiden ratkaisujen hyödyt omissa liiketoimintaprosesseissa. Käyttöomaisuuden suorituskyvyn kehittämisen palveluratkaisuja tutkitaan Fimeccin S4Fleet-ohjelmassa.

Älykkäiden palveluratkaisujen kohdentamista käydään läpi kahdesta fleet-hallinnan näkökulmasta. Ne ovat palveluiden kohdentaminen laajalle laitekannalle eri asiakkailla ja palvelutarjoaman määrittäminen eri tuotantoympäristöissä sijaitseville järjestelmille.

Miksi käyttöomaisuuden hallinta on muutoksessa?

Kone- ja laitevalmistajien kilpailutilanne kovenee jatkuvasti ja elinkaaripalvelut, jotka edesauttavat asennetun laitekannan tehokasta hyödyntämistä, on laitevalmistajille yksi keino erottautua kilpailijoista. Teollisen internetin mahdollisuuksia on pyritty konkretisoimaan esimerkiksi ratkaisuilla teknisten järjestelmien vikaantumisten parempaan ennakointiin ja hallintaan, mutta yhä useammin haetaan kokonaisvaltaisemmin ratkaisuja järjestelmien suorituskyvyn tehokkaampaan hallintaan.

Samanaikaisesti kestävän kehityksen korostuminen yritysten strategiassa on johtamassa siihen, että käyttöomaisuudelle tarjottavien palveluiden on tuettava esimerkiksi resurssitehokkuuden lisäämistä tuotannollisessa toiminnassa. Tällöin käyttöomaisuuden hallinnan palvelutoimittajilla on oltava palvelutarjoamassaan kunnossapidon palveluiden lisäksi asiakkaille kattavasti lisäarvoa tuottavia palveluita.

Palvelutoimittajien tulee kattaa esimerkiksi lopputuotteen laatuun ja raaka-ainetehokkuuteen, järjestelmän suorituskykyyn, energiakustannuksiin, ympäristöpäästöjen hallintaan, hyötysuhteisiin ja henkilöturvallisuuteen liittyviä näkökohtia. Toisin sanoen ollaan siirtymässä vikojen ja niiden vaikutusten minimoinnista kohti laaja-alaisempaa suorituskyvyn optimointia, jossa on huomioitava laitekannan merkitys asiakkaan toimintaan.

Tällöin on ymmärrettävä myös palvelukohteen liiketoimintaan vaikuttavia tekijöitä, esimerkiksi muuttuvan kysyntätilanteen tai lainsäädännön vaikutukset käyttöomaisuudelle tarjottavaan palvelusisältöön. Lisäksi palvelutoimittajan on ymmärrettävä asiakkaan tuotantoympäristöstä johtuvat tekijät, esimerkiksi käyttöolosuhteet (prosessin kuluttavuus, pöly, lämpötila, kosteus, kuormitus), laitteiston kriittisyys ja kunnossapidettävyys.

Käyttöomaisuuden hallinnan palveluita tarjoavalle yritykselle fleetistä kerättävä tieto tuo uusia mahdollisuuksia asiakastarpeeseen vastaavan palvelun valintaan ja toimittamiseen. Fleetin hallinnalla viitataan perinteisesti isojen laivastojen ja kuljetusvälinekaluston operatiivisen toiminnan ja kunnossapidon ohjaukseen.

Tämän lisäksi kone- ja laitevalmistajan näkökulmasta laaja laitekanta nähdään fleetina, josta tavoitellaan hyötyjä uuden liiketoiminnan synnyttämiseen. Fimeccin S4Fleet-ohjelmassa (Kortelainen 2015) tutkitaan ja kehitetään uusia palveluratkaisuja tuotannollisille koneille ja laitteille pohjautuen suureen globaaliin laitekantaan. Ohjelmassa on tunnistettu kaksi lähtökohtaa fleetistä kerättävän tiedon hyödyntämiseen käyttöomaisuuden hallinnan palveluissa:

• käyttöomaisuuden hallinnan palveluiden kohdentaminen laajalle laitekannalle eri asiakkailla,
• käyttöomaisuuden hallinnan palvelutarjoaman määrittäminen eri tuotantoympäristöissä sijaitseville järjestelmille

Datankeruu ja jalostaminen

Tuotannollisessa toiminnassa dataa kerätään jo tällä hetkellä paljon. Vaikka datan saatavuus esimerkiksi asiakkaiden prosesseista vaihtelee tällä hetkellä paljon toimijakohtaisesti, usein kysymys on siitä, että datasta ei saada irti riittävästi.

Datankeruu ja prosessit sen hyödyntämiseen voivat olla siiloutuneita eivätkä toiminnot tee riittävästi yhteistyötä keskenään. Tämä tarkoittaa siis sitä, että datan potentiaali pysyy usein piilossa, mutta ilman varsinaisia teknologisia esteitä – kysymys on vain toimintatapojen haasteista. Eli vaikka digitaalisiin kanaviin halutaan panostaa, tällä hetkellä tietoa on paljon hajallaan eri prosesseissa ja integrointi on haastavaa.

Siinä, missä monenlaista dataa ja tietoa voi olla jo olemassa, on hyvä tunnistaa myös puutteet ja ohjata datankeruuta tämän pohjalta systemaattisesti. Analyyttinen nykytilanteen tunnistaminen ja tarvelähtöinen uuden tiedon keruu säästävät resursseja ja ohjaavat organisaatiota kiinnittämään huomion oikeisiin asioihin.

On myös huomioitava, että datan saatavuus asiakkaan prosesseista edellyttää sitä, että ajatus onnistutaan myymään asiakkaalle. Tällöin hyödyt on oltava argumentoitavissa ja myös selkeä käsitys siitä mitä kullakin tiedolla saavutetaan.

Teollisen internetin ratkaisuissa lähtökohtana tulisi olla, että kehitystyötä ohjaa ymmärrys hyödyistä asiakkaan tai toimittajan prosesseissa. Asiaa voi lähestyä kahdesta näkökulmasta (kts. kuva 1):

• kerätään tietoa tunnistettujen käyttötilanteiden asettamien tarpeiden mukaisesti, tai
• hyödynnetään olemassa olevaa dataa tunnistetuissa käyttötilanteissa.

Käytännössä tilanne on usein näiden vaihtoehtojen yhdistelmä. Molemmissa keskeistä on kuitenkin muodostaa ymmärrys siitä, minkälaisissa päätöksentekotilanteissa dataa halutaan hyödyntää ja miten?

Miten kerätä enemmän tietoa tuotteen käyttötavoista palvelun tarkempaan kohdentamiseen? Mistä tiedosta ja palvelusta asiakas olisi valmis maksamaan ja mihin esimerkiksi nopeat kokeilut kannattaa täten ensimmäisenä kohdentaa? Nämä kysymykset ovat tällä hetkellä päällimmäisinä useiden palveluratkaisuja tavoittelevien laitevalmistajien keskuudessa.

Jo pelkästään olemassa olevista lähteistä saatavan datan yhdistely voi luoda kohteen taloudellista optimointia parantavia ratkaisuja. Yksi mahdollisuus on yhdistää asiantuntijatietoa tietojärjestelmiin kerääntyneeseen tietoon ja hyödyntää tätä palveluiden kohdentamisessa ja palvelutarjoaman määrittämisessä.

Palveluiden kohdentaminen laajalle laitekannalle

Jokaista tuotantojärjestelmän komponenttia ei ole järkevää eikä kustannustehokasta anturoida ja monitoroida. Vaikka dataa on saatavissa yhä enemmän ja anturoinnin ja datankeruun hinnat ovat alentuneet merkittävästi, kysymys on kuitenkin kehitystyön kustannusten rajaamisesta ja läpi elinjakson koituvien kokonaiskustannusten hallinnasta.

Edelleenkin löytyy perustellusti laitteita ja komponentteja, joilla korjaavan kunnossapidon strategia on kustannustehokkain tapa hoitaa kunnossapito. Palveluiden implementoinnin yhteydessä organisaatioilla pitää olla kyky kohdentaa fiksut, tietointensiiviset ratkaisut asiakasprosesseissa kriittisiin kohteisiin, joissa ratkaisujen asiakasarvo on toteutettavissa.

Yksi keino kerätä kohdennettua tietoa ja näin lisätä laitevalmistajan ymmärrystä toimittamansa laajan laitekannan merkityksestä asiakkaiden tuotantojärjestelmissä on kriittisyysanalyysit, jotka voidaan toteuttaa esimerkiksi noudattamalla PSK 6800 standardin esittämää mallia. Analyysi on hyödyllistä tehdä yhteistyössä asiakkaan kanssa analyysitulosten läpinäkyvyyden varmistamiseksi.

Tällä tavoin osallistetaan asiakas palveluratkaisun kannattavuuden tunnistamiseen. Samalla pystytään määrittämään paremmin asiakaskohtainen palveluratkaisukokonaisuus, joilla vastataan asiakkaiden tuotantoprosessien optimointitarpeeseen.

Tuotantojärjestelmätason palvelutarjoaman määrittäminen

Kriittisyys- ja käyttövarmuusanalyysit ovat konkreettisia keinoja palvelusisällön suunnittelemisessa ja optimoimisessa tuotantojärjestelmälle yksittäisellä kohteella. Tässä tapauksessa ei välttämättä systemaattisesti hyödynnetä kokemuksia muista vastaavista tuotantojärjestelmistä.

Benchmarking-lähestymistapa on havaittu potentiaaliseksi keinoksi kehittää käyttöomaisuuden hallinnan toimintatapojen ohjausta. Tällöin hyödynnetään kokemustietoa useasta tuotantojärjestelmästä ja niiden ympäristöön vaikuttavista tekijöistä.

Ehdotettu lähestymistapa parhaiden käyttöomaisuuden hallinnan toimintatapojen tunnistamiseksi kohdejärjestelmälle sisältää seuraavat vaiheet:

• Määritellään tuotantoympäristöt (kuva 3), jotta tarkasteltavat kohteet saadaan luokiteltua ja pääteltyä, mitkä kohteet ovat keskenään samankaltaisia ja näin ollen vertailukelpoisia
• Seuraavaksi tunnistetaan kohteella käytössä olevat käyttöomaisuuden hallinnan menetelmät
• Määritetään valittujen mittareiden avulla tuloksellisesti menestyksekkäimmät kohteet
• Todetaan kullekin tuotantoympäristölle parhaan tuloksen tuottavat käyttöomaisuuden hallinnan toimintatavat

Kunnossapidon parhaat käytännöt -projektissa on luotu benchmarking-lähestymistavan perusteet. Tällöin tutkimuskohteena oli tuotantolaitoksia useilta eri toimialoilta ja tavoitteena oli mahdollistaa benchmarking yli toimialojen.

S4Fleet-ohjelmassa menetelmää viedään eteenpäin yksittäisen toimijan, Outotecin, palvelutarjoaman kehittämiseksi keräten tietoa eri asiakaskohteista. Tavoitteena on jakaa Outotecin asiakaskohteet eri ympäris­töihin, jolloin samaan ympäristöön kuuluvat kohteet ovat keskenään vertailukelpoisia.

Näin, riippuen laitteen kriittisyydestä, prosessin kuluttavuudesta, (resurssien hinnoista) sekä muista tekijöistä, kullekin kohteelle voidaan todeta suorituskykytaso, joka on joko hyväksyttävissä verrattuna muihin vertailukelpoisiin tapauksiin tai parannettavissa. Lähestymistapa käytännössä mahdollistaa sekä asiakaskohtaisesti optimoidun palvelutarjoaman että sen parannuspotentiaalin määrittelyn.

Pasi Valkokari,
Senior Scientist,
VTT Oy,
pasi.valkokari@vtt.fi

Toni Ahonen,
Senior Scientist,
VTT Oy,
toni.ahonen@vtt.fi

Susanna Kunttu,
Research Scientist,
VTT Oy,
susanna.kunttu@vtt.fi

Susanna Horn,
Senior analyst – Life cycle modelling,
Outotec Oyj,
susanna.horn@outotec.com