Data-analyysi mahdollistaa suunnittelemattomien huoltokatkojen ja konerikkojen vähentämisen ja auttaa osaltaan varmistamaan häiriöttömän tuotannon ja toiminnan. Yhä useammin data-analytiikkaa käytetään myös tuotannon optimoinnissa ja laadun ohjauksessa. Toisin sanoen, älykäs analytiikka mahdollistaa monenlaisen hukan vähentämisen tehtaalla. Tuotannosta kertyvä data ja analytiikan hyödyntäminen ovat jo tuoneet merkittävän muutoksen suomalaisen teollisuuden tapaan tehdä huoltoa ja kunnossapitoa.

Isoille teollisuusyrityksille data-analytiikan hyödyntäminen kunnossapidossa ja tuotannon laadunvalvonnassa alkaa olla jo arkipäivää. Parin viime vuoden aikana myös pienemmät teolliset toimijat ovat alkaneet miettiä sen mahdollisuuksia omalla kohdallaan. Hypetystä seurannut varovaisuus on väistymässä tuotantovolyymien käännyttyä kasvuun, sillä jokainen tuotantojohtaja tietää, miten kalliita ja haitallisia suunnittelemattomat huoltokatkot ja konerikot voivat olla. Ne vaarantavat liiketoiminnan kannattavuuden ja vievät voimavaroja paitsi tuotannosta, myös sen kehittämisestä.

Tuotannon kasvaessa ja lähestyessä kapasiteettinsa rajoja on ennakoivalla kunnossapidolla vielä paljon tehtävissä häiriöttömän tuotannon ja toiminnan varmistamiseksi. Eniten hyötyvät ne, joille jokainen menetetty tuotantotunti on kallis. Kun kapasiteetit lähestyvät maksimia, toiminnan ennakoinnin hyödyt korostuvat.

Tekoäly tarpeen datan jalostamisessa

Tuotanto, laatu ja kunnossapito linkittyvät toisiinsa, ja pelkän kunnossapidon sijasta on aivan aiheesta alettu puhua käynnissäpidosta: miten tuotantokone toimii nyt ja myös jatkossa. Vaikka mikään menetelmä ei voi täysin estää odottamattomien ulkoisten tekijöiden aiheuttamia häiriöitä, lisää sensorien jatkuvasti keräämä relevantti tieto ymmärrystä siitä, mitä tuotannossa on tapahtunut, mitä tapahtuu juuri nyt ja mitä tulee tapahtumaan.

Dataa kertyy kuitenkin niin suuria määriä, ettei sitä ole mahdollista manuaalisesti seurata vaan automatisoidun data-analytiikan merkitys korostuu. Tuotannosta vastaavien avuksi tarvitaan tekoälyä jalostamaan kertyvää dataa automaattisesti ymmärrettävämpään muotoon.

Automatisoitua analytiikkaa sovelletaan jo yleisesti verkkokaupassa tuottamaan tilannekuvaa esimerkiksi markkinoinnin päätöksenteon tueksi. Myös teollisuudessa reaaliaikaisella tiedon hyödyntämisellä ja tilannekuvalla olisi huomattavan paljon annettavaa verrattuna reaktiiviseen toimintaan.

Siksi joskus hypetykseksi koetut käsitteet data-analytiikasta, tekoälystä ja koneoppimisesta teolliseen internetiin ovat tulleet jäädäkseen. Iskusanojen ytimessä on käytännön kokemus siitä, että mitä ajantasaisempi tieto oikeilla henkilöillä on oikeista asioista, sitä paremmin tuotannossa pystytään toimimaan. Automatisoidulla datan hyödyntämisellä saadaan aina astetta ennakoitavampi ympäristö, jossa ollaan tilanteen tasalla ennen peruuttamattomia taloudellisia vahinkoja.

Emil Ackerman
 Toimitusjohtaja, Quva Oy

Emil on IIoT-vaikuttaja ja innokas myyntimies. Hänen päätehtäviinsä kuuluu liiketoiminnan kehittäminen ja asiakkaiden tyytyväisyyden varmistaminen. Emil toimii myös Kunnossapitoyhdistys Promaint ry:n Datasta Toimintaan Teollisuudessa (DTT) -toimikunnan puheenjohtajana.

Teknologia17-tapahtuman yhteydessä pidettävien Kunnossapito-messujen puheenvuoroissa käsitellään mm. tekoälyä ja datan keräämistä. Tutustu ohjelmaan »