Opstartsvirksomhed fra Randers har udviklet digital sladrehank til opdagelse af fejl og forstyrrelser i maskiner og produktionsapparat. Det er tilstandsbaseret vedligehold, som både er godt for klimaet og økonomien.
Det hele begyndte i USA, hvor E-MBA Peter Jensen Hyldgaard havde arbejdet med papirfabrikker i nogle år. Det undrede danskeren, at selv helt nye og topmoderne papirfabrikker så ofte var ramt af nedbrud. Det viste sig, at endda større nedbrud i mange tilfælde skyldtes defekt på en enkelt komponent.
”Jeg husker tydeligt, at jeg sagde til mig selv ’det kan da ikke passe, det må kunne gøres bedre,’” forklarer Peter Jensen Hyldgaard.
Han analyserede på en række logninger fra papirfabrikkerne og andre produktionsanlæg, og rejste siden hjem til Danmark. Her gik han i tænkeboks med dygtige matematikfolk med tilknytning til Aalborg Universitet. De stillede sig selv opgaven, at udvikle software, som kan opdage anormaliteter i en produktion med henblik på varsling før små problemer udvikler sig til større problemer.
Stor indsamling af data i testfasen
Det krævede udvikling af en algoritme og indsamling af en meget stor mængde ”rigtig” data, som der igen og igen er blevet testet på. Samtidig stiftede Peter Jensen Hyldgaard firmaet Cedas til at tage vare på den nye opfindelse, som blev efterfulgt af omfattende softwareudvikling for at binde trådene sammen. I opbygningen og udviklingen af Cedas har Peter Jensen Hyldgaard haft følgeskab af personale- og kommunikationschef Leif Bols Østergaard samt Chef ingeniør Niels Ole Husum Sørensen. Opfindelsen har fået navnet DetectIT, og undervejs i den tre-fire år lange udviklingsfase har Peter Jensen Hyldgaard & co. mødt stor interesse fra Teknologisk Institut, Dansk Vedligeholdelsesforening og Fjernvarme Fyn. Desuden har en række virksomheder været på besøg hos Cedas, fordi de har været ganske nysgerrige på det nye produkt og perspektiverne heri. Ydermere har Innovationsfonden støttet udviklingen af opfindelsen økonomisk i et års tid.
Kombinatorik af data er afgørende
”Det interessante er, at viden og data som sådan findes i forvejen. Data bliver i almindelighed allerede opsamlet i stort tal fra mange målepunkter. Men det er kombinatorikken – hvordan datasæt bliver behandlet, analyseret og nyttiggjort, der er det unikke ved vores opfindelse,” siger Peter Jensen Hyldgaard.
DetectIT handler om at understøtte såkaldt predictive maintenance eller tilstandsbaseret vedligehold, hvor fabrikken først udskifter reservedele, komponenter og maskiner, når der rent faktisk er behov for det – og ikke efter et bestemt antal driftstimer.
”En række studier har vist, at mange komponenters levetid er betydelige længere end hvad producenterne garanterer. Det skyldes givetvis også en noget gammeldags garantitænkning, og at producenten vil dække sig ind, men det er ikke en effektiv ressourceudnyttelse, og det forhold, at produktionsvirksomheder verden over kasserer massevis af i øvrigt brugbare komponenter, er heller ikke godt for miljøet, klimaet og CO2-regnskabet,” understreger Leif Bols Østergaard.
Modstand fra komponentproducenter
Hyldgaard fortæller, at han mærker en vis modstand fra komponentproducenterne, som med den nuværende forretningsmodel lever af, at kunderne i vidt omfang køber flere komponenter til den løbende udskiftning end de i grunden har brug for.
”Men jeg tror, at bæredygtighedsdagsordenen før eller siden vil slå igennem, og foranledige nye forretningsmodeller og ny etik. Ligesom det er uetisk, at smide mad ud, så burde det også gøre sig gældende med fysiske produkter, der sætter et stort CO2-aftryk. Med tiden kunne man forestille sig, at komponentproducenterne i stedet for garantier for levetid, da leverer dokumentation for behov for udskiftning, og det kan opnås ved brug af smarte målinger,” siger Peter Jensen Hyldgaard. Udviklingen kan også blive understøttet af ny lovgivning og branchestandarder, der alt sammen vil have til formål at reducere CO2-udledningerne og det samlede forbrug.
”Vi vurderer, at vi i vidt omfang er first movers på området, når det handler om at skabe værdi fra data via en kontekstbaseret anomali detektion,” siger Peter Jensen Hyldgaard.
Kan gøre produktionen mindre afhængig af nøglepersoner
DetectIT kan også anvendes i andre sammenhænge end forudsigelse af nedbrud. Produktet kan nemlig benyttes til produktionsoptimering og kvalitetssikring. Fx kan en virksomhed nu optage en fremstillingsproces og automatisk sammenligne data, med denne som reference, på de følgende fremstillingsprocesser. Derved sikres det at fejl under produktionen opdages øjeblikkeligt i stedet for ved et manuelt senere gennemsyn. Alle emner i en given fremstillingsproces vil derfor være kvalitetskontrolleret og maskinen kan stoppes ved første fejl fremfor efter periode som kan give et stort ressourcespild. Brugen af DetectIT indeholder også et interessant organisationsperspektiv. Det handler om organisationers sårbarhed.
”Mange produktionsvirksomheder er dybt afhængige af, at nøglepersoner har styr på data og indgående kendskab til alle facetter af produktionen. Det er datafolk eller dataanalytikere, og qua deres spidskompetencer har de det med at være eftertragtede medarbejdere for mange virksomheder. Det kan være en eller to nøglepersoner, og hvis de smutter, så kan virksomheden være på spanden. Her er det en kæmpe fordel, at DetectIT reducerer denne sårbarhed, fordi driftsmønstre i den konkrete produktion bliver indlejret i softwaren og tolkning af data ikke længere kun beror på konkrete personers vurdering. Takket være et nemt brugerinterface kan alle, der betjener DetectIT, blive ledt hen til det rigtige sted i maskinparken, når systemet varsler, at en komponent skal udskiftes,” påpeger Leif Bols Østergaard.
Det indebærer samtidig, at DetectIT i nogle tilfælde kan overtage eller overflødiggøre dele af den ansattes kontrolovervågning. Det er ikke længere nødvendigt at rundere mange forskellige lokationer med maskiner, hvis det er muligt at få valide data fra målepunkterne i et digitalt og kontinuerligt format.
