2BM Software udvikler SAP-baserede Predictive Maintenance-løsninger, der bruger AI fra IBM til at hjælpe virksomheder med at optimere vedligeholdelsen til gavn for både rekruttering, økonomi og klima. Nu skal kunstig intelligens også hjælpe med at optimere vedligeholdelsen af de vitale sporskifter i den københavnske Metro.
Maskinlæring og andre områder inden for kunstig intelligens (AI) påvirker flere og flere dele af vores liv og samfund. Vi kan for underholdningens skyld bruge AI til at lave sjove, nye billeder af Mona Lisa bare ved at tale til en computer, men vi kan også bruge AI til at forudsige, hvornår et sporskifte i metroen med en vis sandsynlighed går i stykker, eller hvornår den senest skal udskiftes, hvis et dyrt driftsstop skal undgås. Og så får AI pludselig enorm nytteværdi for mange.
”For det er jo en god ting, hvis Metroen i København kan køre helt uden afbrydelser, når fire gange 40.000 mennesker skal hjem fra koncert med Ed Sheeran,” siger Martin Pock.
Han er CEO i 2BM Software, som tilbyder SAP- og cloudbaserede mobile softwareløsninger til at reducere vedligehold og omkostninger for virksomheder.
Vokser eksplosivt
Det sker med en ny type software, som udnytter potentialet i at kombinere Internet of Things (IoT), kunstig intelligens fra IBM og et intelligent ERP-system som SAP. Således tilbyder 2BM Software sine kunder løsningen ’Mobile Predictive Maintenance’ – et databaseret ”ekstra intelligens-niveau” for vedligeholdelse af maskiner, bygninger og infrastruktur– som er et område, der vokser eksplosivt i disse år. Ifølge analysehuset Allied Market Research vil det globale marked for predictive maintenance vokse fra 2,8 mia. USD i 2018 til forventet 23 mia. USD i 2026.
”Predictive maintenance kan forebygge dyre driftsstop og forlænger produktionsanlæggets levetid ved at analysere – i realtid – de data, anlægget selv generer fra diverse sensorer og målere. Det skaber et mere oplyst beslutningsgrundlag for en tilstandsbaseret vedligeholdelse af et anlæg, der kan bestå af produktionsmaskiner eller skinner i et metronet af vital betydning for borgere og samfund,” siger Martin Pock.
Høj oppetid i servicevinduet
Valget af et sporskifte som eksempel på en funktion, hvor kunstig intelligens og computerkraft kan gøre en forskel for virksomheders drift og vedligeholdelse, er ikke tilfældigt. En af 2BM Softwares nyeste cases er således med selskabet Metro Service, der opererer og vedligeholder Metroen i København.Tidligere har 2BM Software udviklet en løsning til Nordic Sugar, hvor fokus var på vedligeholdelsen af sukkerproducentens dyreste og vigtigste produktionsaktiver, der kan medføre produktionsstop. Nu gælder det monitorering og analysering af de mange sporskifter, der får trafikken til at glide i den københavnske undergrund.
”Metroen udmærker sig allerede ved at have en meget høj oppetid i sit servicevindue – faktisk en af de højeste i verden. Ved at træne softwaren til at se sammenhænge i data fra diverse sensorer er målet at optimere vedligeholdelsen og forebygge dyrebare og generende driftsstop på sporskifterne ved at kun forudsige og reagere på estimerede driftstop cirka 10-20 dage, før de vil ske.”
Slut med over-vedligeholdelse
I kraft af AI kan virksomhederne tage skridtet videre fra de nuværende vedligeholdelsesplaner, som mange steder i dag er baseret på forebyggende vedligehold, der kan være både dyrt og uhensigtsmæssigt for miljøet.
”AI kan forhindre, at du udskifter noget, som ellers ikke fejler noget, blot fordi det er planlagt sådan ud fra vedligeholdelsesplanen. Det er ligesom, når du kører til service med din bil, fordi den skal til service i følge bogen – men der er i virkeligheden intet galt med bilen. Både i mandskab og indkøb af komponenter er sådanne vedligeholdelsesstrategier omkostningstunge både for regnskabet og miljøet. Den over-vedligeholdelse, som mange virksomheder nok kan have en hypotese om, at de har, kan de undgå med AI, fordi de tidligere kan se, at komponenterne kan være i drift længere og ikke behøver udskiftning. Det er et paradigmeskift i vedligehold af store fabrikker, maskiner og infrastruktur og kan på sigt anvendes alle steder hvor forebyggende vedligehold benyttes i stor skala.”
Rekrutteringsudfordringen
Optimeringsevnen i AI-baseret software til vedligeholdelse bliver således også en vigtig brik i virksomheders arbejde for at reducere deres CO2-udledning mest muligt, lige som AI bidrager til at gøre maskiner og anlæg mere sikre for medarbejdere ved at kunne forudse nedbrud, inden de sker. Men der er flere positive perspektiver i predictive maintenance, både for virksomheder og samfundet generelt, hvor problemer med rekruttering allerede udfordrer forskellige brancher.
”Selv om vi er i en tid, hvor vi generelt er bevidste om, at vi lever længere og skal arbejde længere, bliver det sværere og sværere at få folk til at lave det hårde arbejde. Ikke mange unge mennesker søger job som vedligeholdelsestekniker i dag. Virksomhederne har svært ved at finde afløsere for generationen efter 2. Verdenskrig, og derfor kigger de meget på automatisering og mulighederne for at bruge AI til at begrænse de opgaver, som der blot skal menneskelige hænder eller øjne til at udføre.”
Tænk stort – men start småt
Ifølge Martin Pock er det kendetegnende for det endnu umodne marked for predictive maintenance, at de nye løsninger ofte retter sig specifikt mod en bestemt virksomheds udfordringer på et relativt snævert område.
”Man kan med fordel starte småt, men stadig tænke stort. Hellere lave et mindre, hurtigt projekt i et begrænset omfang end en stor risikabel businesscase med bred udrulning af ny teknologi og metode, som mange virksomheder ikke har erfaring med. De data, der allerede ligger i virksomheden, er ofte ikke blevet brugt før. At implementere predictive maintenance er jo lidt mere usikkert end at købe en robotplæneklipper! Derfor foretrækker mange store og komplekse virksomheder at lave et mindre proof-of-concept på en bestemt maskine, som vi så udvikler i samarbejde med deres innovative vedligeholdelsesafdeling og IT. Hellere introducere predictive maintenance på en måde, hvor både forretning, brugere og IT arbejder sammen således at alle kan se fornuften og værdien af en løsning der virker og rent faktisk kan forudsige nedbrud inden de opstår.”
ERP fra SAP og AI fra IBM
2BM Software samarbejder fast med IBM, der bidrager med den nyeste AI-teknologi til løsningerne. Resultatet er en unik kombination af ERP fra SAP og AI fra en af verdens førende udbydere.
”Det er trygt for kunderne, at vores AI-teknologi kommer fra IBM, samtidig med, at vi i mere end 20 år som SAP-eksperter kender kundernes ERP-system til bunds. I sidste ende er det også der, at omkostningerne til vedligeholdelsen skal styres.”
En suite af løsninger
2BM Software er et datterselskab under 2BM, som er et af Danmarks største SAP-konsulenthuse. 2BM er SAP Platinum Partner – det højeste partner-niveau.
Mobile Predictive Maintenance føjer sig til 2BM Software’s eksisterende suite af softwareløsninger. Mobile Warehouse og Mobilework Order, som hjælper vedligeholdelsesmedarbejdere med at få overblik over og indblik i vedligeholdelsesopgaver på anlægget, uanset hvilket mobil-device de går rundt med ude blandt maskinerne. Mobile Work Order er designet til virksomheder, der benytter SAP PM (Plant Maintenance), hvilket omfatter 90 procent af verdens største produktionsvirksomheder.
