Useimmat teollisen internetin (IIoT) ratkaisut seuraavat samaa kaavaa. Anturit asennetaan, dashboardit tulevat näkyviin ja ensimmäisen kuukauden ajan kaikki ovat innoissaan. Sitten tuotantotiimi tuijottaa ruutuja ja ajattelee: “No mitä nyt pitäisi tehdä?”
Kukaan ei kerro. Tällaista osaa ei ole rakennettu. Data löytyy, mutta tie näytön numeroista ja käppyröistä päätökseen puuttuu.
Tätä kuilua Owl:in uusimmat ominaisuudet on suunniteltu paikkaamaan.
Kysy järjestelmältä, mitä tapahtuu
Owl sisältää nyt sisäänrakennetun tekoälyagentin, jolla on suora pääsy reaaliaikaiseen prosessidataan: striimeihin, hälytyskynnyksiin, laskettuihin arvoihin, historiallisiin trendeihin. Voit kysyä siltä kysymyksiä samalla tavalla kuin kollegalta:
“Miksi tuotantomme laski tiimin vaihdon jälkeen tiistaina?”
“Mikä linja on kuluttanut eniten energiaa per kilo tässä kuussa?”
“Jokin näytti oudolta eilen klo 14. Voitko tarkistaa?”
Agentti lukee datan, löytää poikkeamat, tarkistaa hälytyshistorian ja antaa selkeän vastauksen. Ei kyselykieliä, ei dashboardin asetusten säätöjä ensin.
Kontekstin ymmärrys tekee tästä erityisen hyödyllistä. Agentti ymmärtää, että kyseessä on ekstruusiolinja eikä satunnainen taulukko. Se tunnistaa, mitä lämpötilan nousu alueella 3 voi tarkoittaa ja erottaa normaalin prosessivaihtelun tutkittavasta poikkeamasta. Varhaisissa testeissä se tunnisti tuotantoympäristön laitteet ja prosessin oikein ilman ohjeita.
Kuvaa tarpeesi ja Owl hoitaa loput
Aiemmin johdettujen mittarien määrittäminen tarkoitti konfiguraatiotiedostojen kirjoittamista tai kehittäjän tekemän työn odottamista. Nyt riittää, että kuvaat haluamasi: “Seuraa energian kulutusta per tuotettu kilo linjalla 2, päivitys viiden minuutin välein.” Owl rakentaa laskentavirran automaattisesti.
Tämä on erityisen tärkeää käyttöönoton ensimmäisinä kuukausina, kun tuotantotiimi vielä selvittää, mitkä mittarit oikeasti ohjaavat päätöksiä. Sen sijaan, että lukitsisit dashboardin etukäteen, voit kokeilla mittaria viikon, hienosäätää ja vaihtaa. Kokeilujen kustannus putoaa lähes nollaan.
Järjestelmä oppii tuntemaan laitteesi
Jokainen Owl:in liitettävä kone on lisä kasvavaan tietopohjasi. Ei vain omat tuotantodatasi, vaan myös rakenteelliset mallit: millainen on 90 kW ekstruuderimoottorin tyypillinen energiankulutusprofiili, millaiset ovat normaalit laakerin värähtelyt tietylle vaihteistoluokalle ja millainen energiankulutus per kilo näyttää oikealta tietylle polymeerille.
Kun uusi tehdas käynnistyy, Owl ei aloita alusta. Se osaa ehdottaa, mitä kannattaa seurata, millaiset kynnykset ovat järkeviä ja mitkä ovat yleisten ongelmien varhaisia merkkejä. Ekstruuderin ruuvin kuluminen näyttää samalta Vaasan tai Stuttgartin tehtaalla.
Ennakoiva huolto ilman datatiimiä
Owl:in Device Health -ominaisuus ajaa koneoppimismalleja jatkuvasti taustalla laitedatasi perusteella. Sen sijaan, että odotettaisiin vikaa tai seurattaisiin kalenteria, joka ei huomioi todellista kuntoa, alusta tunnistaa heikkenemistrendit aikaisin.
Tämä ei ole mikään musta laatikko, joka tulostaa yhden ainoan kuntoluvun. Se näyttää, mikä muuttuu, miten nopeasti ja mihin vastaavat ilmiöt ovat johtaneet aiemmin. Huoltotiimisi voi tehdä tietoon perustuvia päätöksiä, ei vain reagoida hälytyksiin.
Räätälöinti ilman projektia
Owl:in plugin-arkkitehtuuri mahdollistaa asiakaskohtaisten ominaisuuksien rakentamisen ja käyttöönoton ilman, että ydinalustaa tarvitsee muuttaa. Mukautettu visuaalinen komponentti, prosessikohtainen raportti tai MES-/ERP-integraatio voidaan toteuttaa usein päivissä, mitä aiemmin kesti viikkoja.
Tuotantotiimille tämä tarkoittaa järjestelmää, joka mukautuu siihen, miten tiimi työskentelee, ei päinvastoin.
Miksi tämä on tärkeää juuri nyt
Teollisuus on käyttänyt vuosia datankeruuproblematiikan ratkaisemiseen. Anturit ovat edullisia ja yhteydet toimivat. Se osa on jo kunnossa.
Pullonkaula on siirtynyt tulkintaan. Useimmat käyttöönotot pysähtyvät, koska prosessin tuntevat eivät ehdi muuttua data-analyytikoiksi ja data-analyytikot eivät tunne prosessia.
Owl:in lähestymistapa on antaa alustalle tulkkaus. Kun järjestelmä osaa kertoa, mihin kannattaa kiinnittää huomiota, ehdottaa seuraavia mittareita ja oppii jokaisesta liittämästään koneesta, lopetat kysymästä “saimmeko haluamamme dashboardit” ja alat kysyä “mitä havaitsimme, mikä olisi muuten jäänyt huomaamatta”.
Jos tuotantodatasi on lojunut dashboardeilla, joita kukaan ei enää avaa, on aika keskustella.