När företag och forskare samarbetar kan maskinfel förutsägas
Att upprätthålla en steril och hög hygienisk standard är av stor vikt på sjukhus. Sterilisatorer är maskiner som används för att sterilisera sjukhusutrustning. Ifall en sterilisator går sönder kan det få stora konsekvenser.
Sterilisatorer är viktiga på sjukhus och att kunna förutsäga fel innan de inträffar är mycket värdefullt.
Pablo del Moral
Industridoktoranden Pablo del Moral vid Högskolan i Halmstad är verksam på Getinge Sterilization AB och har bedrivit forskningsprojektet PRIME (Predictive Intelligent Maintenance Enabler) under fem år. Målet har varit att kunna förutsäga när maskiner behöver skötsel och reparation, så kallat prediktivt underhåll, alltså innan maskinen går sönder.
– Tester och analyser har genomförts på de sterilisatorer som Getingebolaget tillverkar. Sterilisatorer är viktiga på sjukhus och att kunna förutsäga fel innan de inträffar är mycket värdefullt, säger Pablo del Moral.
Förutsäga fel kan spara tid och pengar
I dag är det vanligt att samla in data med hjälp av sensorer på exempelvis fordon, sterilisatorer och olika typer av industriell utrustning. I PRIME-projektet utvecklas sätt att ta fram modeller så att dessa data kan användas för att förutsäga skador, slitage och fel. En viktig fråga att besvara gäller just vad insamlade data kan hjälpa till att förespå. Det är också av vikt att identifiera vilka typer av fel som inte kan förutsägas så att metoder för olika scenarion kan tas fram.
– Vi försöker förutsäga fel genom att studera maskinernas driftdata. Sådana data kan just nu inte övervaka statusen på maskinerna på det sätt som vi vill i PRIME, utan är utformade utifrån andra skäl såsom säkerhet, efterlevnad av reglering och kontroll av processer, säger Pablo del Moral.
Med prediktivt underhåll kan tillförlitligheten öka och driftskostnaderna minska. Detta genom att i förväg få information om vad som är på väg att gå sönder i en maskin och när. Det förbättrar maskiners drifttid vilket ökar produktiviteten.
– Målet är att kunna förutsäga fel i en maskin innan de faktiskt inträffar. Det gör det möjligt för oss att planera icke-störande underhållsåtgärder i maskinerna, vilket minskar tiden för avbrott och ökar driften. Genom att inte rutinmässigt byta ut komponenter som fortfarande fungerar bra minskar även kostnaderna. I framtiden kan det även minska antalet felaktiga underhållsåtgärder och underlätta diagnos- och reparationsprocessen som utförs av tekniker på fältet, säger Pablo del Moral.
Kunskapen som tas fram i PRIME-projektet om prediktivt underhåll kan användas för att bestämma var nya sensorer ska placeras som kan förbättra den övergripande prestandan i det förebyggande underhållssystemet.
Projektet engagerar många parter
PRIME är ett exempel på ett äkta samverkansprojekt, inte enbart mellan Getinge Sterilization AB och Högskolan. Flera personer från olika avdelningar inom Getinge Sterilization AB har också varit involverade i projektet sedan start, alltifrån serviceteam i Frankrike och Sverige till AI-team i Danmark och Ukraina. Innan pandemin bröt fanns det även samarbete med Nya Karolinska Solna som delade med sig av sina resultat.
– Getinge är ett bra exempel på ett traditionellt tillverkningsföretag som blir digitalt. På företaget finns en enorm mängd information om maskinerna och deras processer. Utan vårt nära samarbete hade PRIME-projektet inte kunnat genomföras, säger Pablo del Moral.
Affärsområdeschefen vid Life Science på Getinge AB, Harald Castler, håller med om PRIMES betydelse:
– Kan vi lösa de problem som studeras inom PRIME vore det ett stort steg framåt för både Getinge och våra kunder, säger Harald Castler.
Text: ANNA-FRIDA AGARDSON
Bilder: GETINGE AB (ANDERS SÄLLSTRÖM)
Porträttfoto: ROLAND THÖRNER
Fotnot: Nya Karolinska Solna är en del av Karolinska Universitetssjukhuset.