Avkänningsteknik används ofta för övervakning av industriutrustning (i drift). Men hur användbar är IoT-relaterad teknik för tillgångsunderhåll i affärsfastigheter? I den här artikeln ska vi titta på hur sensordata kan öka byggnadsunderhållets effektivitet, från tillgångsövervakning och larm till förutsägande underhåll i smarta byggnader.
Arbetssätt för reaktivt, förebyggande och förutsägande underhåll
Vilket arbetssätt ska du välja för underhållet av dina fastigheter? Icke-kritiska enheter i en byggnad kan köras tills fel uppstår utan att det blir några större problem. De kan dessutom oftast bytas ut till en låg kostnad (till exempel glödlampor). För mer kritiska tillgångar understiger de belopp som spenderas på förebyggande underhåll nästan alltid de kostnader du får på grund av faktiska haverier, oplanerade avbrott och korrigerande åtgärder. För byggnadskomponenter som inte mycket sannolikt kommer att drabbas av plötsliga, oförutsedda haverier är förebyggande, planerat underhåll en lämplig strategi. Intervall för förebyggande underhåll är tids- eller användningsbaserade, och den optimala underhållsfrekvensen fastställs med hjälp av standarder, erfarenheter och anvisningar från utrustningstillverkare. Planerat underhåll syftar till att försöka hitta en balans mellan för mycket underhåll (för hög kostnad) och för lite underhåll (driftstopp, dåligt SLA) baserat på ”genomsnittliga” prestanda.
Förutsägande underhåll tar detta ytterligare ett steg genom korrekta förutsägelser av när utrustningshaverier sannolikt kommer att inträffa och anpassning av underhållsarbetsuppgifter så att dessa utförs innan de inträffar. En sådan strategi är utformad för att förutse haverier innan de sker – vilket ger tid för avhjälpande åtgärder utan att arbetsflöden störs, samtidigt som utrustningens livslängd ökas.
Det måste dock sägas att varje arbetssätt har sina fördelar och begränsningar. För att organisera förutsägande underhåll krävs till exempel specialistkunskaper – detta är inte alltid värt besväret. Organisationer rekommenderas därför att införa olika underhållsstrategier beroende på typen av aktiviteter (t.ex. kontorsbyggnader, lagerlokaler, hälso- och sjukvårdsinrättningar, transportinfrastruktur, kraftverk), typen av tillgångar och hur kritiska dessa är för verksamheten.
Eftersom den globala uppvärmningen är ett alltmer överhängande problem bör byggnadsunderhållet och byte av utrustning också ses som en möjlighet att öka miljöhållbarheten och påskynda energiomställningen.
Problemidentifiering och larm
“Fastighetshantering genom rundvandring” kan låta trevligt, men när det gäller byggnadshantering är det en dålig idé, särskilt om ditt fastighetsbestånd består av flera byggnader eller platser. I detta fall kommer kontinuerlig övervakning och sensordata att bli nästan oumbärliga för att snabbt uppmärksamma FM-teamet på avvikelser och förhindra eller minimera haverier. Anslutna sensorer som övervakar olika parametrar (temperatur, luftfuktighet, koldioxid(CO2), flyktiga organiska föreningar, lufttryck, energiförbrukning, vibrationer på grund av rörliga delar o.s.v.) ger indikationer på system som inte fungerar, till exempel igensatta luftfilter i luftkonditioneringssystem, en trasig cirkulationspump eller läckage.
Automatisk uppföljning genom arbetsflödesbaserad mjukvara
Problemidentifiering är första steget – nästa steg är att göra inkommande larm praktiskt användbara. Med arbetsflödesbaserad mjukvara kan du skapa automatiska processer med en orsak och verkan-logik, som konverterar larm till arbetsordrar och tilldelar dem till det interna FM-teamet eller externa underhållsparter. Om till exempel ett angivet tröskelvärde för temperaturen i serverrummet överskrids skickas en arbetsorder ut om att luftkonditioneringen ska kontrolleras. Eller: när sensorer registrerar ett fel i en port till en lastkaj i en lagerlokal skickas en arbetsorder ut så att felet kan åtgärdas. Denna process kan automatiseras i hög grad så att leverantörerna får överblick över det arbete som ska utföras – ofta redan innan användarna är medvetna om ett potentiellt problem.
Läs mer om hur specialiserad underhållsmjukvara fungerar:
Förutsägande underhåll i smarta byggnader
Förutsägande underhåll är villkorsbaserat. Det bygger inte på fasta tidsintervall eller användningsfrekvens för att fastställa när underhåll ska ske. I förutsägande underhåll i smarta byggnader används kontinuerlig övervakning, felidentifiering, och maskininlärning för fastställande av om utrustningshaverier sannolikt kommer att ske. När ett fel håller på att uppstå registrerar sensorer detta, så att underhåll kan utföras först när det behövs, så att onödiga kostnader kan undvikas. Denna metod förebygger också sannolikt (oåterkallelig) skada på en tillgång.
Inlärningsprocessen är baserad på felidentifieringsmodeller (från tredje part). Dessa fastställer och visar den normala funktionen hos en tillgång. Om indata visar att det finns en avvikelse från detta normala mönster identifieras det som ett fel. Maskininlärningsmotorn kommer att tolka modeller och säkerställa att åtgärder vidtas (t.ex. om tillgången används mer intensivt än förväntat, så att underhållet måste schemaläggas tidigare). Genom påverkan på inställningspunkter blir den förebyggande planen en plan för förutsägande underhåll, med åtgärder i rätt tid och smart schemaläggning. Grunden för detta är din CMMS/IWMS-mjukvara som integrerar tillgångar, utrymmen, processer, personer och underhållsplanering.
Välkommen att kontakta oss för att upptäcka hur IoT-ansluten CMMS/ IWMS kan vara till nytta för din byggnadshantering.
