Prosessiteollisuuden tehtaissa on tuhansia säätöpiirejä ja venttiileitä. Mitä suurempi tehdas ja kriittisempi prosessi on kyseessä, sitä enemmän siellä on laitoksen toiminnan kannalta kriittisiä säätöventtiileitä.
Viat näissä kohteissa aiheuttavat merkittäviä taloudellisia vaikutuksia tehtaan saantoon ja tehokkuuteen. Valmistettavaan lopputuotteeseen ne aiheuttavat laatupoikkeamia. Tämä voi johtaa heiluntaan prosessin ohjauksessa tai jopa täydelliseen hallinnan menettämiseen ja tehtaan häiriöseisokkiin. (Hoenig 2019.)
Craig Resnick (2016) arvioi, että häiriöseisokit aiheuttavat prosessiteollisuudelle 20 miljardin vuotuiset tappiot, jotka vastaavat viittä prosenttia tuotannosta. Siksi on tärkeää puuttua venttiileiden alkaviin oireisiin kunnonvalvonnan avulla ennen kuin viat kehittyvät tehtaan pysäyttäviksi vaurioiksi.
Fabrice Hoenig (2019) esittää venttiileiden kunnonvalvonnan selkärangaksi kolmivaiheisen toimintamallin: 1. tunnista, 2. päätä, 3. toimi. Tunnistamisvaiheessa kerätään venttiileiden diagnostiikkadata asiantuntijoiden analysoitavaksi. Päätösvaiheessa analysoidaan kerätty diagnostiikkadata ja tunnistetaan kehittyvät viat venttiileistä. Toimintavaiheessa tehdään suunnitelma havaittujen vikojen korjaamisesta ja tehdään tarvittavat toimenpiteet. Dataan perustuvalla lähestymistavalla saavutetaan ennakoivan kunnossapidon mukainen toimintamalli, joka minimoi kustannukset ja prosessin huojunnan sekä parantaa tehtaan luotettavuutta.
Venttiilivalmistajista myös Metso (nykyään osa Valmetia) tekee palvelupohjaisesti dataan perustuvaa huoltosuunnittelua. Metson toimintamallin ytimessä on poikkeavien laitteiden tunnistaminen ja työn optimoiminen venttiileille, jotka vaativat huoltoa. Esimerkkitapauksessa dataan perustuvalla toiminnalla huoltoseisokkikohtaiset kunnossapitokustannukset pienenivät 44 %. Kyseisessä esimerkkiseisokissa vain 30 % venttiileistä oli datan mukaan huollon tarpeessa ja 40 % venttiileistä voitiin parametroida ilman huoltamista. (Räty 2014.)
Kuva 1. Digitalisaatio auttaa teollisuuden kunnossapitoa kustannustehokkuudessa. (wilderjjss 2019)
Data-analytiikan ja visualisoinnin avulla on mahdollista tukea kunnonvalvonnan kolmiportaisen toimintamallin tunnistamis- ja päätösvaiheita. Nykyaikaisten venttiilien ohjauslaitteilla on sisäänrakennettuja diagnostiikkatoimintoja, joita voidaan käyttää kunnonvalvonnan pohjana. Laitteiden diagnostiikkatietoa data-analytiikan keinoin jalostamalla ja rikastamalla voidaan datalle luoda visuaaliset näkymät päätösvaiheen perustaksi. Visualisoinnin ohella datan päälle on rakennettavissa koneoppimisen avulla poikkeamantunnistusmalleja, jotka helpottavat vikojen tunnistamista ja vähentävät osaltaan tunnistamiseen käytettävää aikaa.
Antti Parantaisen (2023) opinnäytetyössä kehitettiin pilvipalvelupohjainen säätöventtiilien diagnostiikan analysointityökalu tehtaan kunnossapidon tarpeisiin. Työkalun avulla tehtaan säätöventtiileiden kunnossapidossa saavutettiin digitalisaatioloikka, jossa säätöventtiileiden diagnostiikkadatan visualisoinnilla ja jalostamisella vikoja tunnistetaan ja tuodaan esiin päätöksenteon tueksi. Lisäksi opinnäytetyössä testattiin ja tutkittiin koneoppimismallien soveltamista diagnostiikkadatalle.
Kirjoittajat
Antti Parantainen valmistui LAB-ammattikorkeakoulun IoT:stä tekoälyyn -koulutusohjelmasta ja työskentelee selluteollisuudessa automaatioasiantuntijana.
Minna Asplund, TkL, toimii LAB-ammattikorkeakoulussa lehtorina sekä koordinaattorina IoT:stä tekoälyyn -insinöörikoulutuksessa (YAMK).
Lähteet
Hoenig, F. 2019. The benefits of valve condition monitoring. Process Industry Informer. Vol. 15 (4), 36–38. Viitattu 27.11.2023. Saatavissa https://issuu.com/process1/docs/pii-october-2019/36
Parantainen, A. 2023. Säätöventtiilidiagnostiikan analysointi ja visualisointi pilvipalvelussa. Control valve PARAmeter ANAlyzer 2.0. YAMK-opinnäytetyö. LAB-ammattikorkeakoulu, tekniikan ala. Lahti Viitattu 27.11.2023. Saatavissa https://urn.fi/URN:NBN:fi:amk-2023102728033
Resnick, G. 2016. Reducing Unplanned Downtime and Helping Future-proof Automation System Assets. ARC Advisory Groupin blogi 5.8.2016. Viitattu 27.11.2023. Saatavissa https://www.arcweb.com/blog/reducing-unplanned-downtime-and-helping-future-proof-automation-system-assets
Räty, J. 2014. Optimizing valve maintenance using condition analysis. Ippta Journal. Vol. 26 (3), 25–27. Viitattu 27.11.2023. Saatavissa https://ippta.co/wp-content/uploads/2021/01/2014_Issue_3_IPPTA_Article_01.pdf
wilderjjss. 2019. Teollisuuden aloilla, Käsitellä asiaa, Insinööri. Pixabay. Viitattu 27.12.2023. Saatavissa https://pixabay.com/fi/photos/teollisuuden-aloilla-k%C3%A4sitell%C3%A4-asiaa-4327631/
