Hoppa till innehållet
Foto
Amit Patwardhan. Visa originalbild , Öppnas i nytt fönster/flik

Digitalisering ger förbättrat underhåll

Publicerad: 4 april 2022

Avancerade analyser med hjälp av AI var titeln på det andra webbinariet 2022 som hölls av Center for Maintenance and Industrial Service, CMIS, vid Luleå tekniska universitet.
– Vi använder maskininlärning, digitalisering, robotik och AI för att göra analyser och identifiera på problem på detaljnivå, sa Amit Patwardhan, doktorand.

CMIS har startat en seminarieserie under våren, där olika aspekter i projektet kommer att tas upp.
Det var många intresserade som anslöt till seminariet som genomfördes via Teams.

Ramin Karim, verksamhetsledare, inledde med att presentera CMIS. Han berättade bland annat att projektet arbetar med aktiviteter som främjar samverkan mellan akademi och industri.
­­– Vi ska bedriva forskningsaktiviteter och jobba med utbildning av olika slag som behandlar underhåll inom industrin och kunskapsspridning. En del i det sista är att hålla webbinarier och seminarier där vi gör olika presentationer om vad som pågår, sa han.

Visade modeller

Titeln för webbinariet den här gången var Enchanged Maintenance Analytics Using AI, Digitalisation and Robotics, Förändrade underhållsanalyser med hjälp av AI, digitalisering, och robotik.

Amit Patwardhan, doktorand I drift- och underhållsteknik, visade modeller som går att få ut via den AI-maskin som tagits fram i projektet AIFR, vid Luleå tekniska universitet.
– Första exemplet vi tittar på handlar om fordonens underhåll, uppdraget var att skapa en distribuerad plattform. Just den här tabellen visar data för järnväg, men det kan även överföras till andra industrier. När vi har data kan vi ta ut resultat där man kan se vilket fordon och vilken utrustning som orsakar förseningen. Vi kan också se vad som är mer frekvent och vi kan välja ut vad vi vill se närmare på, speciella fordon, eller speciell utrustning, sa han.

För att kunna analysera en komponents livslinje, även om den flyttas mellan olika fordon, skapades en modell och en komplett livslinje formades.
– Vi kan se underhållsinsatser och de effekter de haft under livscykeln, även om den använts på olika ställen. 

Inspektion utrustning

Nästa exempel var relaterat till inspektion av utrustning vid järnväg.
– Det är två vajrar nära varandra, så nära att de kan ta i varandra och då blir det problem. De borde vara 150 millimeter från varandra. Det finns enormt mycket kablar på ett stort område. Problem med den här typen av kablar ligger bakom 30 procent av alla förseningar i järnvägssystemen.

Utrustningen skannas och data samlas in via utrustning i loken. Data processas för att användas i maskininlärning, för att se de intressanta delarna. Datan exporteras sedan till modeller för att se vad som händer med utrustningen. Modellerna kan till exempel transporteras till AR, förstärkt verklighet.
– Vi har fysisk utrustning som förts över till 3D- modeller och kan visa processad information, som till exempel kondition på delen när inspektionen gjordes och när nästa  bör göras, bland annat.

Dataprocessen ligger till grund för beslut om vad som behöver göras.
– Transformationen handlar om att göra data användbar när vi sedan ska presentera det med hjälp av AI, maskininlärning, appar, VR eller AR

Säkerhet viktig

Cybersäkerheten är viktig i processen.
– Kan vi lita på det vi ser? Om vi ger kommandon, kan någon påverka dem? Vi kan jämföra med en byggnad, håller det som det var tänkt, blev arkitekturen så att det fungerar?

Informationslogistiken är betydelsefull. Informationen kan komma från olika håll, från ett fordon eller till exempel personer som jobbar i systemet
– Vad används detaljen till, hur ser dess livscykel ut? Informationen ska till rätt data, till rätt person, vid rätt tillfälle. Det kan vara chefen som behöver se hur det fungerar eller en ingenjör som kan se vad som behöver göras, exempelvis. Den här arkitekturen används av oss både för järnväg och gruvor, sa Amit Patwardhan.

I framtiden kan en robothund från företaget Boston Dynamics, som är autonom och har till exempel kamera och sensor, användas.
– Roboten ser vad som finns runt den, mäter avstånd och samlar in fakta. Roboten avgör självständigt hur det bäst att gå. Vi undersöker hur kan man använda dem i framtiden för autonoma jobb,  sa Amit Patwardhan.
Efter föredraget ställde åhörarna flera frågor, bland annat om standarder och datainsamling.

Det här var det andra webbinariet i serien, under våren hålls ytterligare elva seminarier.

Ramin Karim

Ramin Karim, Professor

Telefon: 0920-492344
Organisation: Drift och underhållsteknik, Drift, underhåll och akustik, Institutionen för samhällsbyggnad och naturresurser

Amit Patwardhan, Doktorand

Telefon: 0920-493871
Organisation: Drift och underhållsteknik, Drift, underhåll och akustik, Institutionen för samhällsbyggnad och naturresurser