Fremtiden for forudsigelig vedligeholdelse

Dursts strategi om at bruge AI til at løse printerproblemer, før de opstår, bør eliminere produktions nedetid og åbne vejen til fremtidens 'smarte fabrik'

Dursts nyligt annoncerede forudsigelige vedligeholdelsesstrategi sammen med det EU-finansierede PREMISE Project vil bruge kunstig intelligens og computerindlæringsalgoritmer til at gøre forudsigelser og interventioner mere effektive. Vi talte med Christian Casazza, Director Service Durst Group, og Michael Deflorian, Business Unit Manager Software & Solutions, om hvad dette betyder for udskrivningens fremtid.

Hvordan giver forudsigelig vedligeholdelse en seriøs konkurrencemæssig fordel?

CC: Vi betragtede aldrig rigtig en seriøs konkurrencemæssig fordel i forhold til vores konkurrenter - vi fokuserede på vores kunder og deres behov. Vi forsøger at forbedre vores kunders produktivitet ved at øge oppetiden på den ene side og på den anden side forsøger vi at reducere ejeromkostningerne for vores kunder. Så vores mål er at skabe en konkurrencemæssig fordel for vores kunder.

En del af Durst-servicestrategien er at forsøge at eliminere ikke-planlagte tjenester fra 2025. Og her er jeg virkelig taknemmelig for Michael, der har arbejdet med det EU-finansierede PREMISE-projekt og har formået at få det i gang.

Forudsigelig, snarere end reaktiv, vedligeholdelse er vejen frem, ifølge Durst

MD: I tilfælde af forudsigelig vedligeholdelse er min afdeling leverandør af de værktøjssæt, der er nødvendige til vores serviceafdelinger. Vi leverer også analyseværktøjerne, der samler data fra Durst-maskiner: produktivitetsdata, sensordata og de signaler, der kører i kommunikationskanalerne mellem komponenter i vores maskiner.

Vi har taget alle disse data og analyseret det med Free University of Bozen-Bolzano (unibz) på to måder. Den første er, at vores eksperter har dybt kendskab til maskinen, og de kender visse grundårsager til forskellige fejl. Med denne viden kan vi bruge dataene til at forudsige en sammenbrud. Den anden vigtige ting er at analysere hele datasættet, en klassisk big data-tilgang og finde nye mønstre eller en sammenhæng med grundårsager, som vi ikke er opmærksomme på. Det er en vigtig del af dette projekt.

Hvor langt i forvejen kan der forudsiges problemer og organisere vedligeholdelse?

CC: Det er et svært spørgsmål at besvare. Et udskrivningssystem består af flere tusinde forskellige dele, herunder forbrugsvarer. Hvis du kender livscyklussen, er det lettere at planlægge og løse eventuelle problemer med regelmæssig vedligeholdelse.

Lad os som et eksempel se på en UV-lampe. Med en UV-lampe ved vi, afhængigt af lampetypen, har vi cirka 1.000 timers drift, før den skal udskiftes. Nu bruger vi vores analyser sammen med vores viden om driftstimer og nogle sensorværdier til at indbygge tolerancer. Vi siger, at hvis vi bruger UV-lampen op til 800 timers drift, har vi god ydeevne, og den visuelle indikator viser en grøn bjælke. Fra 800 til 1.000 timers drift har vi medium driftsforhold, hvor vi siger, i de 200 timer er vi nødt til at tænke på at skifte UV-lampe. Så ved vi, at det stadig kan arbejde over 1.000 driftstimer, men risikoen for fiasko er ret høj.

Christian Casazza

Sådan fungerer systemet. Vi indstiller hver parameter og hver sensorværdi, som vi sporer under tolerancer, og vi prøver at forudse i tide. Med forbrugsvarer, hvor vi kender livscyklussen, er det let, men så har vi også uregelmæssige fejl, og det er sværere. Målet med PREMISE-projektet er at finde ud af, hvordan vi kan opdage det, før det sker.

Hvis vi bruger eksemplet på et blækfilter, ser vi på cirkulationspumpens kapacitet. Ved hjælp af Durst Analytics kan vi spore dette, og vi kan træne forskellige forhold ved at måle effekt gennem cirkulationspumpen. Hvis der er en kontinuerlig stigning, når tolerancen er nået, er vi nødt til at udskifte filteret. På den anden side, hvis der var noget galt med blækket, ville vi straks have et tilstoppet filter. Disse situationer kan være sværere at forstå først, men gennem Durst Analytics kan vi fortælle, at noget går galt, og vi kan reagere med det samme.

Så de data, du bruger til at informere det forudsigelige system, er baseret på tidligere data, og hvad der tilføres dig gennem Durst Analytics. Er der plads eller potentialet for AI til at udfylde hullerne, hvor du ikke har dataene?

MD: Det er nøjagtigt motivationen til PREMISE-projektet med unibz. Vi ønskede at anvende avancerede AI-algoritmer sammen med maskinlæringsalgoritmer på de data, vi indsamler.

Der er flere måder at lære algoritmerne på. Den ene er at inddrage al erfaring fra vores interne eksperter for at validere dataene for de grundlæggende årsager og virkninger, som vi allerede kender. Du kan derefter lære systemet at frakoble, hvis pumpens energiforbrug stiger - en stærk indikation på, at filteret er tilstoppet, fordi du har brug for mere energi i pumpen for at få blækket cirkuleret. Det er et simpelt eksempel på, hvordan du kan lære intelligens fra algoritmer.

En anden måde er at bruge algoritmerne til at gennemgå en enorm datamængde for at finde ukendte mønstre, der har ført til fejl. Når systemet derefter identificerer disse mønstre i en maskine, kan det give operatøren en besked om at forvente et problem i den nærmeste fremtid.

Individuelt synes alle disse trin åbenlyse og giver mening, men den virkelige skønhed ser ud til at være i magten til at bringe dem sammen?

MD: Absolut, det er det vigtige. Vi ser det ikke bare som individuelle teknologiske fremskridt - det er en hel strategi, hvor alle disse komponenter kommer sammen.

Hvordan passer Dursts forudsigende vedligeholdelse ind i ideen om fremtidens 'smarte fabrik'?

MD: Dette er en virkelig vigtig del af strategien. Vi ønsker at have netværksinfrastrukturer, intelligente produktionssystemer og intuitiv software, der muliggør automatiseret forretningsproces - det hele er en del af vores nye rækkevidde af værktøjer fra pixel til output. Selvfølgelig er automatisering et vigtigt aspekt, men et andet er stabilitet: du vil have en stabil automatiseret proces. Hovedmålet med PREMISE er at bringe robustheden i vores systemer til et endnu højere niveau, så vi ikke har uplanlagte sammenbrud, så kunden har en meget pålidelig produktionsmotor inden for den automatiserede proces.

Michael Deflorian

Den ikke-planlagte tjeneste er en del af Durst-strategien "Fra Pixel til output" i 2025 og derover. Kernelementet der er vores transformation fra printerproducent - som Durst er kendt for - til en løsningsudbyder til digital udskrivning. "Fra pixel til output" definerer et omfang, fra oprettelse af indhold til produkt.

Dette inkluderer også en udvidelse af vores produktportefølje. Det plejede at være printere og blæk, men nu er det et helt økosystem af printere, blæk, software, konsulent- og uddannelsestjenester. I det væsentlige handler det om at sikre, at kunderne har alt, hvad de har brug for, for at få succes, ikke kun med udskrivning, men også med hensyn til hele den digitale transformation.

Vigtigt for denne strategi og for at nå dette mål er højtydende maskiner med høj oppetid og uden produktionsoverraskelser og pludselige sammenbrud, der påvirker produktiviteten i hele systemet. Denne forudsigelige vedligeholdelse eller ingen ikke-planlagte servicestrategi er derfor kernen i den overordnede Durst-strategi.

FESPA: Overvejer du augmented reality (AR) for at give brugerne mulighed for at skifte dele i fremtiden? For eksempel kan klienter i stedet for at sende ingeniører ændre deres egne dele med AR-vejledning?

CC: Vi startede i 2015 med AR-projekter og testede adskillige teknologier, hvis første trin involverede vores serviceingeniører. Vi er en global virksomhed og for at holde vores ingeniørers færdigheder på et bestemt niveau troede vi, at det ville være godt at give dem AR-support. På denne måde ved vi, at de arbejder efter de samme standarder i Asien, som de er i Europa, og især for nye ingeniører. Vi lavede flere tests, og nogle var gode, mens vi ved andre lejligheder havde nogle problemer med videoskærmen.

Alle Durst-maskiner, ligesom P5 ovenfor, forlader fabrikken med allerede inkluderet analysefunktionalitet

Vi arbejder stadig på dette. Men hvad vi fandt ud af, var i øjeblikket, at det ikke virker - især for vores slutkunder. Vores erfaring har vist os, at vi får mere accept fra vores kunder, hvis vi ordentligt træner vores operatører til at hjælpe med at skifte dele i stedet for at tilbyde AR. Det gode er, at operatørerne gennem denne uddannelse får en bedre fornemmelse for den daglige vedligeholdelse af maskinen, og hvor vigtig den er, så pålideligheden øges. Med AR-instruktioner alene har det ikke den samme effekt.

Vi er dog langt fra at give op på AR. Vi ser konstant på de nyeste AR-teknologier, det er bare ikke rigtigt for den aktuelle tid. Når det er sagt, har vi set de sidste 12 eller 14 måneder med globale rejsebegrænsninger, at dette er et absolut must for fremtiden. Det er også en del af Durst Service Strategy, der siger, at vores maskiner skal designes til service eller selvbetjening.

FESPA: Hvor vigtigt er det at være proaktivt innovativ inden for tryksektoren?

CC: Vi har vores teknologiuddannelsesafdeling, og de ser konstant på de nyeste teknologier på markedet. En anden vigtig ting for os er at finde det rigtige udstyr til virkelig at hjælpe vores kunder.

For eksempel har vi testet med Microsoft HoloLens, som er smarte briller kombineret med apps. Ja, de er fine at bruge, når du udskifter en elektronisk del, men hvis du f.eks. Vil foretage justeringer af printhoveder, hjælper brillerne ikke. Så snart vi begyndte at se på kvalitet, kan det ikke gøres eksternt mere - vi har brug for folk, der er uddannet og som forstår den forventede kvalitet. Der er begrænsninger, men vi giver ikke op, og vi leder altid efter de nyeste teknologier.

Endelig, hvad vil du gerne have, at FESPA-medlemmer skal vide?

CC: Hver printer, der forlader Durst-fabrikken, indeholder allerede analysefunktionalitet. Med hver ny printer investerer vi virkelig i forudsigelig vedligeholdelse, og disse data er grundlaget for det. Hvis en kunde ikke vil have deres maskine online, er det også fint, men de, der sender data, giver os muligheden for virkelig at være forudsigende.

MD: Og jeg vil gerne påpege, at "ingen ikke-planlagt service" -strategi ikke er en aftersales-strategi. Det starter med udviklingen og konceptet med maskinen og tilhørende software, og derefter går det i eftersalg. Det er en fuldstændig holistisk tilgang.