Sztuczna inteligencja w utrzymaniu ruchu – kiedy AI naprawdę obniża koszty produkcji

Dział utrzymania ruchu rzadko bywa postrzegany jako miejsce, w którym redukuje się koszty, choć skala strat, które mogą wygenerować nieoczekiwane awarie, jest ogromna. Szacunki przywoływane przez konsultantów McKinseya wskazują, że nieplanowane przestoje kosztują amerykański przemysł nawet 50 mld dolarów rocznie, a źle prowadzona gospodarka remontowa potrafi obniżyć zdolności produkcyjne zakładu o 5–20 proc. Mowa tu nie o pojedynczej, spektakularnej katastrofie, lecz o sumie drobnych zatrzymań, przedwczesnych wymian sprawnych podzespołów i godzin spędzonych na przeglądach, które nie kończą się żadnym zleceniem naprawczym.
W tym kontekście sztuczna inteligencja nie jest zamiennikiem mechanika, automatyka czy inżyniera produkcji. Jej rola polega na przesunięciu punktu ciężkości z reagowania na zdarzenia, które już nastąpiły, ku ich wyprzedzaniu, oraz na precyzyjnym wskazaniu miejsc, w których pieniądze wyciekają najszybciej. Algorytm nie dokręci śruby ani nie wymieni łożyska, potrafi jednak z dużym wyprzedzeniem ostrzec, że dany węzeł zbliża się do końca okresu eksploatacji, i zrobić to w momencie, gdy klasyczne progi alarmowe jeszcze milczą.

Dlaczego klasyczne predykcyjne utrzymanie ruchu często nie spełnia oczekiwań

Pierwsza fala wdrożeń predykcyjnego utrzymania ruchu, bazująca na prostych regułach progowych, w wielu zakładach zostawiła po sobie rozczarowanie. Najczęstszym powodem był nadmiar fałszywych alarmów. Czujnik drgań przekraczał ustaloną wartość graniczną, system generował zgłoszenie, technik szedł „sprawdzić maszynę” i nie znajdował niczego niepokojącego. Po kilkudziesięciu takich wpadkach pracownicy ignorowali ostrzeżenia, co paradoksalnie obniżało bezpieczeństwo bardziej niż gdyby systemu w ogóle nie zainstalowano.
Druga słabość klasycznego podejścia to analiza pojedynczych parametrów w oderwaniu od całego procesu technologicznego. Monitorowanie samych drgań łożyska mówi niewiele, jeśli nie zestawi się go z temperaturą, poborem prądu, obciążeniem i bieżącymi nastawami linii. Maszyna pracująca chwilowo z większym obciążeniem będzie drgać mocniej w sposób całkowicie naturalny, a algorytm patrzący wyłącznie na jeden kana...