Ladda ner artikeln här (länk, pdf). Fler tekniska rapporter finns på etn.se/expert

Extra avgörande är det i kapitalintensiva branscher som olja & gas, kemi, gruvor liksom flyg och rymd. För ett flygbolag kan underhåll, reparationer och service utgöra så mycket som 15 procent av den totala driftskostnaden.
MRO involverar många funktioner i en organisation, inklusive system som samlar in och lagrar data, hanterar dokumentation, fördelar resurser, hanterar underleverantörer och schemalägger leveranser till kund.

En kombination av sensorer, industriellt Internet of Things (IIoT), och avancerad data­analys gör det möjligt för företagen att förbättra sina MRO-strategier.

Mycket handlar om att minimera oplanerade driftstopp och korta ner tiden för underhåll. Här spelar data som samlas in från olika delar av systemet stor roll – det kan vara maskiner på fabriksgolvet eller delsystem i ett flygplan.

Genom att kontinuerligt analysera data kan man sätta in underhållsåtgärder i exakt rätt tid, exempelvis innan en maskin riskerar att gå sönder. IIoT är en bra metod för att generera dessa data.

Komplexa system kräver många olika typer av sensorer. De har i sin tur olika gränssnitt och kräver olika signalbehandling. Den måste i vissa fall utföras lokalt för att realtidsegenskaper ska uppnås medan man i andra fall kan man skicka data till molnet för djupare analyser i maskininlärningsalgoritmer eller annan artificiell intelligens.

Data kan användas för att tidigt upptäcka potentiella fel innan de skapar problem. Dessutom kan de bidra till att förstå orsaken.

Antalet olika typer av produkter liksom det totala antalet enheter som kopplas upp i industriella IoT-system ökar snabbt. Många kräver också nya sensorer och ökar behovet av beräkningskraft för att hantera data i realtid ute i noderna.

Sensorerna mäter parametrar som temperatur, tryck och orientering. Det är vanligt med analoga utsignaler vilket kräver signalkonditionering och AD-omvandling. Dessa krav måste balanseras mot effektförbrukning och storlek, två parametrar som ofta är begränsade i mobila enheter.

Det finns ett antal trådlösa protokoll att välja mellan, med olika datatakter, räckvidder och strömförbrukning. Vilken man ska välja beror på typen av system, hur mycket data som ska överföras och hur energibudgeten ser ut. I tabellen finns data för några vanliga standarder.

Wifi är optimerad för snabb datakommunikation och passar därmed inte för tillämpningar med krav på låg energiförbrukning. Wifi kan dock fortfarande ha en plats i industriella IoT-tillämpningar som länk mellan systemet och molnet.

Nya tekniker som Zigbee, 6LoWPAN och annat som baseras på IEEE 802.15.4 kan överföra data med låg energiförbrukning. De stödjer också mesh-topologier där alla noder kan kommunicera med varandra utan mellanhänder. Tekniken öppnar för stora nät som inte begränsas av räckvidden i de enskilda noderna.

Den enda möjligheten att hantera alla de krav som ställs på en nod i ett industriellt IoT-system är att använda en systemkrets, en SoC. Den innehåller de flesta av de funktioner som behövs inklusive processorn, det analoga sensorgränssnittet och den trådlösa kommunikationen. Att göra en SoC i form av en asic kräver dock speciella kunskaper som de flesta företag saknar. Normalt väljer man därför att samarbeta med konsulter som S3 Semi som har utvecklat den här typen av system i över 20 år.

S3 Semi har tagit fram en bred portfölj kallad SmartEdge med gränssnitt och annan teknik som stödjer de sensorer som ska kopplas till asicen.

I takt med att underhåll, service och reparationer blivit allt mer avancerade behöver företagen ta till sig teknik för att analysera de riktigt stora datamängder, ofta kallat Big Data, som sensorerna genererar.

Det finns ett antal företag som erbjuder tjänster och verktyg för att utveckla, placera ut och underhålla sensornoder, men också att ta hand om alla data de genererar.

Ett exempel är japanska Yokogawa som utvecklar IIoT-produkter som på distans ger access till data. Ett tidigt projekt är att övervaka pumpar som tillverkas av samarbetspartnern Iwaki. Pumparna används av kemi- och livsmedelsindustrin. Driftsdata, som hur mycket ström en enskild pump drar, trycket den avger eller flödet den genererar skickas till molnet via en gateway. Därmed blir det tillgängligt för den ansvariga oberoende av var personen finns.

Air France-KLM har skapat en enhet kallad AFI KLM E&M som erbjuder underhålls- och reparationstjänster till andra flygbolag. Företaget har utvecklat en mjukvara kallad Prognos som använder data som automatiskt laddats ner från flygplanen för att prognostisera när komponenter går sönder. Resultaten överförs till servicecentret vilket gör det möjligt för ingenjörerna att planera underhållet. Systemet utvecklades ursprungligen för motorerna men håller på att utvidgas till andra delsystem i planen.