Metsä Groupin kunnonvalvonnan asiantuntija Petri Sillanpää ei enää tyydy pelkkään hälytykseen. Kun tehtaan koneessa näkyy jotain poikkeavaa, hän kysyy asiasta tekoälyltä.
”Kun jotain ilmenee, kysyn tekoälykollegalta suoraan, mihin havainto perustuu ja kuinka kiireellinen se on”, Sillanpää kertoo Rotomaten verkkosivuilla julkaistussa asiakaslausunnossa. Lausunto on alun perin englanniksi.
Tekoälykollega on helsinkiläisen Rotomaten tuote. Vuonna 2024 perustettu kymmenen hengen yhtiö kertoo asiakkaikseen Metsä Groupin, SSAB:n ja saksalaisen kuparinjalostaja Aurubiksen. SSAB:n osalta yhtiön sivuilla kerrotaan, että tekoäly tukee terästehtaan kunnonvalvontatiimiä valituilla tuotantopaikoilla.
Dataa on, tulkitsijoita ei
Tehtaan pyörivät laitteet, kuten pumput, puhaltimet, moottorit ja telat, värisevät koko ajan. Kun laakeri alkaa kulua, värähtely muuttuu, ja muutos näkyy mittauksissa usein hyvissä ajoin ennen kuin kone pysähtyy. Antureita teollisuudessa on jo paljon. Niiden lukemiseen ei kuitenkaan riitä asiantuntijoita.
“Hidasteena ei ole data vaan ihmisen rajallinen huomiokyky.”
Rotomaten järjestelmä lukee tehtaan olemassa olevaa värähtelydataa ja yhdistää sen prosessitietoihin sekä kunnossapitojärjestelmien huoltohistoriaan. Uusia antureita ei tarvita. Yhtiön mukaan yhden asiakkaan lähes tuhat värähtelysignaalia käydään läpi 10–15 minuutissa.
Lopputulos on muutakin kuin punainen merkkivalo. Järjestelmä paikantaa muutoksen, valitsee siihen liittyvät signaalit, analysoi trendit ja taajuusspektrit ja päättää, kannattaako konetta tutkia tarkemmin. Käyttäjä näkee koneet kiireellisyysjärjestyksessä ja jokaisesta havainnosta kuvauksen: mitä on kehittymässä, miksi ja mitä asialle pitäisi tehdä.
Kielimalli ei saa arvata
Teknisesti ratkaisussa on kaksi kerrosta. Ytimessä on perinteistä värähtelyanalytiikkaa, signaalinkäsittelyä ja sääntöpohjaisia menetelmiä, jotka antavat samasta datasta aina saman tuloksen. Niiden päälle on rakennettu generatiivisen tekoälyn agentteja, jotka jäljittelevät kunnossapitoinsinöörin päättelyä ja kirjoittavat suosituksen selkokielellä.
Kuusisto korosti ETN:lle, että kielimallin päättely on sidottu mittausdataan ja laitevalmistajien huoltodokumentteihin. ”Kielimalli ei kuvittele vastauksia, vaan hakee perustelut konkreettisesta mittausdatasta”, hän sanoi.
Syyskuussa yhtiö lisäsi tuotteeseen keskustelukäyttöliittymän. Kunnonvalvoja voi kysyä omin sanoin, mikä koneessa on vialla, ja jatkaa kysymällä, mihin päätelmä perustuu. Vastauksen mukana näkyvät spektri ja trendi, joista asiantuntija voi tarkistaa johtopäätöksen itse. Huoltopäätöksen tekee edelleen ihminen.
ETN:n mukaan järjestelmä havaitsi Metsä Groupilla hitaasti pyörivän koneen alkavan laakerivian, jonka kiinteisiin raja-arvoihin perustuvat hälytykset olivat ohittaneet. Hitaasti pyörivät koneet ovat kunnonvalvonnassa hankalia, koska alkavan vian aiheuttama värähtely on heikkoa.
