Databaseret forudseenhed begrænser dyre sejlture til Ørsteds havvindmøller
more_vert
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og du accepterer, at Teknologiens Mediehus og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, job og tilbud m.m. via telefon og e-mail. I nyhedsbreve, e-mails fra Teknologiens Mediehus kan der forefindes markedsføring fra samarbejdspartnere.

Databaseret forudseenhed begrænser dyre sejlture til Ørsteds havvindmøller

Illustration: Ørsted

At placere vindmøller på havet har den åbenlyse fordel, at de står, hvor det blæser mere, og hvor der ikke er nogen naboer, der kan generes. Det har også den åbenlyse ulempe, at der er langt ud til dem, hvis noget skal serviceres eller repareres.

For to år siden satte Ørsted gang i selskabets første forsøg med predictive analytics med målet om at nedbringe antallet af ikke-planlagte nedbrud.

»En vindmølle er et barsk miljø for finelektronik,« siger Michael Judén, der er Head of Digital Strategy hos Ørsted.

Tag for eksempel den omdrejningssensor, der måler, hvor hurtigt møllevingerne drejer rundt.

»Det er en 20-euro-sensor, der sidder og kigger på et tandhjul. Når den sensor begynder at skrue sig løs, så kan vi se, at data begynder at se mærkelige ud. Pludselig ser det ud, som om møllen kører med halv hastighed.«

Den samme logik gør sig gældende for, hvordan det lyder i køleblæseren, for temperaturen i køleren er høj, eller oliens konsistens i gearkassen – hvis noget afviger fra normalen, vil det stikke ud i de enorme datamængder, som Ørsted hver dag henter hjem fra 1.300 møller.

»Det er langt fra det hele, der er et problem,« siger Michael Judén.

»Langt det meste, af det vi finder er i ‘so what'-kategorien. Og så er der nogle få ting, hvor man kan se, at det korrelerer med, at møllen efterfølgende har haft fejl.«

En drøm, der koster mange penge

I Ørsteds afdeling for advanced analytics sidder der nu mellem 50 og 60 personer – alle hyret ind over de seneste to år. At kaste penge efter et projekt, hvor værdien i sidste ende kan være svær at forudsige, er ikke let, fortæller Michael Judén.

»Vi har 25-30 års erfaringer med at køre store projekter. Og den model er meget integreret i virksomheden, helt ned til hvem der skal se hvilke dokumenter,« fortæller han.

»Så når man kommer til ledelsen og har en drøm, som kræver rigtig mange penge, men ikke kan vise resultater før om to år, så strider det lidt med mavefornemmelsen og behovet for kontrol.«

Der er mange usikkerheder forbundet med at estimere, hvor meget man kan få ud af den enkelte analytics use case, men det er et regnestykke, man er nødt til at lave.

»Vi tæller antallet af arbejdsordrer med et positivt hit, og vi ved, hvad strømmen koster, og den måde kan man godt lave nogle monetære estimater på, hvad det ville koste, hvis møllen var gået ned,« fortæller Michael Judén.

Ved at lave et overslag på, hvor meget nedetid predictive analytics kan fjerne, kunne teamet overbevise Ørsteds ledelse om ideen.

»Vi har mange møller, så selv hvis vi kan undgå få procents nedetid, så er det mange penge på bundlinjen. Og spørgmålet er så, hvor meget man er villig til at investere, for at få den gevinst. På den måde har vi lavet en business case,« siger han og fortsætter:

»Og det er det, der giver løftestangen til, at vi kan få folk ansat, som kan de her ting. Dem havde vi ingen af før.«

Skærer data til en tiendedel

De 1.300 møller tæller den del af Ørsted møller, som ikke længere serviceres af leverandører som Vestas eller Siemens.

De fleste af dem kommer med et væld af sensorer installeret fra starten, og selvom en del af mølledataene sorteres og aggregeres allerede lokalt, bliver der fra hver mølle sendt 100 datapunkter i sekundet tilbage til Ørsted.

»I alt producerer de 1.300 møller omkring en petabyte data om året. De data henter vi hjem og gemmer omkring en tiendedel,« fortæller Michael Judén.

Michael Judén er Head of Digital Strategy hos Ørsted. Illustration: Ørsted

Her bliver data behandlet af et hold, der foruden data scientists tæller en produktejer og en scrummaster. Holdet arbejder specifikt med denne use case, som inden for det seneste år er blevet skaleret op i en størrelse, hvor det er en del af dagligdagen hos energiselskabet. Siden er der kommet andre use cases.

»For eksempel kigger vi ikke alene på at minimere uplanlagt nedetid, men også planlagt nedetid. Hvis vi kan se i analysen, at møllen har det fint, kan vi aflyse det årlige eftersyn. På den måde undgår man noget dyr nedetid og en masse servicetimer,« siger Michael Judén og fortsætter:

»I bund og grund prøver vi at undgå at sejle ud til mølle i første omgang. Og hvis vi skal sejle derud, så lad os gøre det smart.«

Flere hits overbeviser teknikere

For teknikerne har den nye metode taget lidt tid til at vende sig til at det. Her har det hjulpet at algoritmen efterhånden tager mindre fejl – og sender teknikeren af sted forgæves.

»Efterhånden som vi har fået flere hits, hvor de finder et oliefilter, der var tilstoppet, eller noget der har slidt sig løs i køleren, så får de også mere tillid til det,« siger Michael Judén.

I alle tilfælde bruger data-folket den feedback, som teknikerne kommer med, når algoritmen forudsiger, at det er tid til at skifte en komponent. Derudover har teknikerne fra starten været med til at definere, hvad Ørsteds data scientists skal lede efter i mølle-dataene.

»De ved, hvordan møllen er strikket sammen, og hvordan komponenterne skal opføre sig normalt. Og de ved, hvilke data man skal kigge på, hvis man leder efter et problem med en bestemt del,« siger Michael Judén, der også påpeger, at teknikerne i denne sammenhæng ikke er med til at afskaffe deres eget job.

»Generelt betyder det, at vi kan skære mængden af arbejde ned. Og dermed skære ned i antallet af de teknikere, vi har brug for. Men det er ikke et spørgsmål om at nedlægge stillinger. Det er et spørgsmål om, at vi skal kunne finde de folk, vi har brug for.«

Emner : Vindmøller
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først