2BM Software fører industriens vedligehold ind i ny tidsalder
Støttet af EU-midler har 2BM Software udviklet en ny SAP-baseret Predictive Maintenance-løsning, der skal hjælpe industrien med at optimere sit vedligehold mest muligt til gavn for både økonomi og klima. Løsningen testes hos Nordic Sugar A/S.
Produktionsvirksomheder der omsætter det fulde teknologiske potentiale i Industri 4.0 opnår en betydelig konkurrencefordel. Den opnår de blandt andet ved at optimere deres løbende vedligehold til gavn for både økonomi og miljø.
Midlet til dette er en ny type software, der kombinerer og udnytter mulighederne i IoT (Internet of Things), A.I (Artificial Intelligence) og intelligente ERP-systemer som SAP og baner vejen for såkaldt forudsigeligt vedligehold – bedre kendt som ”Predictive Maintenance”.
Behovet for nye løsninger til Predictive Maintenance er kommet i søgelyset hos IT-investorer, og i Danmark har Innovationsfonden valgt at investere EU-midler i et udviklingsprojekt, som 2BM Software er i fuld gang med at gennemføre.
2BM Software – et selvstændigt datterselskab af et af landets største SAP-konsulent virksomheder 2BM – har udviklet en ny applikation, Mobile Predictive Maintenance, til deres eksisterende suite af software løsninger (Mobile Work Order suite) til vedligehold og service for virksomheder der anvender SAP PM (Hvilket 90% af de største danske og udenlandske produktionsvirksomehder gør). Softwaren hjælper blandt andet vedligeholdelses- og/eller service medarbejderne med at få overblik og indblik i vedligeholdelsesopgaver på anlægget, via deres mobil-device, når de går rundt ude blandt maskinerne.
Hjælp fra computerkraft og AI
“Vi er stolte over anerkendelsen og investeringen fra EU (red. Eurostars). Mobile Predictive Maintenance er en naturlig videreudvikling af vores produktportefølje, som er startet med en mobilisering, så vedligeholdelsesmedarbejderen slipper for papiret. Nu bringer vi vedligeholdelsen til næste niveau. Medarbejderen behøver ikke i samme grad som tidligere at være fysisk til stede blandt maskinerne, når alle relevante data fra IoT-enheder kan overføres automatisk. I stedet hjælper computerkraft og AI medarbejderen og virksomheden med at få løbende overblik i realtid over behovet for vedligeholdelse i alle vitale maskiner,” forklarer CEO i 2BM Software, Martin Pock.
Ved hjælp af Machine Learning-modellerne lykkedes det at forudsige maskinstoppet i damptørrerne hos Nordic Sugar med en nøjagtighed på 84,4 procent.
Marked i eksplosiv vækst
Predictive Maintenance forebygger dyre driftsstop, øger oppetid på produktionen og forlænger produktionsanlæggets levetid ved at analysere de data, anlægget selv genere fra diverse sensorer og målere. Det skaber et mere oplyst beslutningsgrundlag for en tilstandsbaseret vedligeholdelse af industrianlægget.
Ifølge analysehuset Allied Market Research vil det globale marked for Predictive Maintenance vokse eksplosivt de kommende år. Fra 2,8 mia. USD i 2018 til forventet 23 mia. USD i 2026.
Optimering hos Nordic Sugar
Under udviklingen af Mobile Predictive Maintenance testes produktet hos den store sukkerproducent Nordic Sugar.
”Med 2BMs hjælp vil vi undersøge, hvordan vi kan bruge alle de data, vi har opsamlet gennem de seneste år, som grundlag for at blive klogere og smartere i vores vedligehold, så vi i stedet for at skifte dele på fast basis kun gør det, når det er relevant. Hvis vi ikke tager dette skridt og begynder at udnytte det teknologiske potentiale i Industri 4.0, vil vi bare udsætte os selv for yderligere konkurrence fra andre i markedet, der ikke tøver,” siger Christian Jørgensen Storm, Regional Manager Investment and Maintenance, Nordic Sugar A/S.
Nordic Sugar i Nakskov udgør rammen for testforløbet med Mobile Predictive Maintenance-modellen.
Forebygge dyre driftsstop
Nordic Sugar har blandt andet fokus på sluse-delen af damptørrerne, der er nogle af virksomhedens dyreste og mest centrale produktionsaktiver, der kan medføre driftsstop.
Ved at træne softwaren til at se sammenhænge i data fra bl.a. temperatur, vibrationer, nitritniveauet i roerne og omfanget af jord på roerne er målet at optimere vedligeholdelse og forebygge driftsstop på grund af damptørrerslusen.
”Målsætningen er at opnå en løbende forbedring af maskinernes performance ved at blive bedre til at forudsige, hvornår de risikerer at bryde ned, så vi undgår produktionsstop og generelt forbedrer maskinernes OEE (Overall Equipment Efficiency). På den måde kan vi selv planlægge et stop på et tidspunkt, hvor det vil have færrest mulige negative konsekvenser for vores produktion,” siger Anders Jørgensen-Juul, Head of Projects, Nordic Sugar, Nakskov.
Understøtter FN’s Verdensmål
Predictive Maintenance understøtter FN’s Verdensmål nummer 9 om, at vi skal bygge infrastruktur, fremme inklusiv og bæredygtig industrialisering og understøtte innovation.
”I bund og grund handler verdensmål nr. 9 om at få vores samfund til at løbe rundt på en smartere måde. Det handler ikke kun om de veje, jernbaner og havne, der gør os i stand til at handle med hele verden. Det handler også om at finde på nye metoder til at arbejde mere bæredygtigt i verdens fabrikker og virksomheder, så vi bruger ressourcerne mere effektivt og mere miljømæssigt fornuftigt,” siger Martin Pock fra 2BM Software.
Industrien har altid haft et behov for at være økonomisk effektiv i sine processer omkring vedligehold. Men nu er man, af hensyn til det større verdensbillede, også nødt til at indtænke bæredygtigheden.
”Der er et markedsbehov og en historisk forudsætning for, at virksomhederne efterspørger bedre og billigere vedligehold. Og der er en ny forståelse i verden af, at de verdensmål, som Predictive Maintenance understøtter, er vigtige for os alle sammen.”
Fakta
Resultater
I alt fem Machine Learning-modeller blev udviklet til projektet: En i samarbejde med IBM og fire af 2BM Software. De var alle forskellige i den matematiske model, der blev brugt til at afgøre, hvilken der passede bedst til NORDZUCKERS behov.
Ved hjælp af Machine Learning-modellerne lykkedes det at forudsige maskinstoppet i damptørrer hos NORDZUCKERS med en nøjagtighed på 84,4% ved hjælp af Machine Learning-modellen, der er udviklet i samarbejde med 2BM og IBM.
Ved hjælp af de nyerhvervede data og oplysninger om maskinstoppet blev modellen og løsningen yderligere forberedet og ”trænet”, hvilket gør det muligt for NORDZUCKER at opnå en endnu højere nøjagtighed i fremtiden med hensyn til at forudsige nedbrud.
Resultatet er en løsning som tilføjes 2BM Mobile Work Order suiten og som skal bruges til at levere Mobile Predictive Maintenance til glæde og gavn for endnu flere kunder der anvender SAP til vedligehold og service.
2BM Mobile Work Order
2BM Mobile Work Order suite er en mobil og brugervenlig cloud-baseret løsning, der består af en mobilapplikation, et dashboard, digitale tjeklister og et IoT-modul. Bygget til mobil- og brugervenlig interaktion med SAP PM/CS og perfekt til enhver, der er involveret i produktionsvedligeholdelse og service. Med 2BM Mobile Work Order-pakken har du værktøjer til at klare enhver udfordring, uanset om det er at slippe af med kuglepen og papir eller anvende IoT og AI-dataassisterede beslutninger.
Læs mere på www.2bmsoftware.com
Nordic Sugar
Nordic Sugar er en del af Nordzucker-koncernen, en af verdens ledende sukkerproducenter. Produktion er baseret på naturlige råvarer, primært sukkerroer, som er dyrket lokalt. Fra roerne produceres også bioethanol og et energirigt fodersortiment. Bæredygtighed i hele værdikæden har højeste prioritet. Nordzuckers i alt 3.800 medarbejdere på 21 sukkerfabrikker og raffinaderier i Europa og Australien står for produkter af høj kvalitet og service, et grundlag for fortsat vækst. I Danmark har Nordic Sugar 450 medarbejdere, som arbejder på 1 kontor og 4 fabrikker.
Læs mere på www.nordzucker.com
Vil du vide mere om Mobile Predictive Maintenance med 2BM Software
Kontakt os i dag!
Giv os et kald på 35 55 55 75 eller send os en besked
