Hvordan kan sensorer og IoT forhindre uplanlagt stans og øke påliteligheten til sperreluftviftene?

Abstract

I 2022 ble det montert trådløse Neuron sensorer fra El-Watch på produksjonskritiske sperreluftvifter ved Elkem Thamshavn. Sensorene ble montert for å samle inn tilstandsdata; vibrasjon-, ampere- og temperaturmålinger. Hensikten med innføringen var å få faktiske tilstandsverdier å forholde seg til, hindre at vedlikeholdet ble gjort på skjønn og fristille tid til andre oppgaver for de ansatte. Uplanlagt stans på en av sperreluftviftene krever stans av produksjonsovn for vedlikehold, noe som er økonomisk kostbart. Målet med innføringen er å få gode tilstandsdata som kan benyttes til å forberede og planlegge vedlikehold på sperreluftviftene til de ukentlige, planlagte stansene. Dette er en del av overgangen til industri 4.0, hvor tingenes internett er en viktig faktor.

Hensikten med oppgaven er å se på om de trådløse sensorene kan bidra til å forhindre uplanlagt stans og øke påliteligheten til sperreluftviftene. For å løse dette har det gjennom fire resultatmål blitt gjennomført en FMECA av sperreluftviftene. Det har også blitt sett på dagens driftsmønster – og mulige tiltak for å øke påliteligheten i fremtiden. Videre har det blitt sett på hvilken verdi El-Watch sitt neuronsystem tilfører bedriften, og hvordan dette kan optimalisere forbruk, samt bidra til å redusere utslipp ved å unngå unødvendig utskifting av komponenter.

Oppsummert viser resultatene i oppgaven at sensorer og tingenes internett (IoT) kan bidra til å forhindre uplanlagt stans og øke påliteligheten til sperreluftviftene. Tilstandsdataen for vibrasjonssensoren gir tydelig indikasjon på unormale mønster, og med satte alarmgrenser er det i dag mulig å forberede og gjennomføre skifte av sperreluftvifte ved planlagt stans. Resultatet peker også på at det kan være fordelaktig med en opprydding i dokumenter og bedre opplæring i - og utnyttelse av bedriftens vedlikeholdsprogramvarer.

In 2022, wireless Neuron sensors from El-Watch were installed on production critical chargepipe fans at Elkem Thamshavn. The sensors are mounted to collect data of the conditions: vibration, ampere, and temperature. The purpose of the introduction allowed for the collection of actual conditional values to relate to, prevent maintenance from being done on discretion, and free up time for other tasks for the employees. Unplanned shutdowns of one of the chargepipe fans requires a shutdown of the production furnace for maintenance, which is economically costly. The goal of the introduction is to obtain good condition data that can be used to prepare and plan maintenance on the chargepipe fans for the planned weekly shutdowns. This is the part of the transition to Industry 4.0, where Internet of Things (IoT) are an important factor.

The purpose of the thesis is to look at how the wireless sensors can help prevent unplanned shutdowns and to increase the reliability of the chargepipe fans. To solve this, an FMECA of the chargepipe fans have been implemented through four performance measures. Using the current operating patterns, possible measures could be implemented to increase future reliability. Furthermore, it has been looked at which values El-Watch’s neuronal system adds to the company, and how it can improve consumption, while helping to reduce emissions by avoiding unnecessary replacement of components.

In summary, the results of the thesis show that these sensors and the IoT can help prevent unplanned shutdowns and increase the reliability of chargepipe fans. The condition data for the vibration sensors clearly indicates an abnormal pattern, and with set alarm limits, it is currently possible to prepare for and carry out a replacement of the chargepipe fans in the event of a planned shutdown. The result also indicates that it can be beneficial to clean up the documents and provide better training in – and utilization of the maintenance software.