Danone, jedna z największych światowych firm z sektora spożywczego, jest wzorcem w produkcji wyrobów mlecznych i żywieniu specjalistycznym. W operacjach przemysłowych na taką skalę, gdzie jakość, bezpieczeństwo żywności i powtarzalność są bezdyskusyjne, niezawodność urządzeń jest równie kluczowa co same procesy produkcyjne.
Chcąc zwiększyć przewidywalność w obszarze utrzymania ruchu i wzmocnić niezawodność urządzeń, Danone zaczęła inwestować w czujniki Tractian do monitorowania stanu maszyn.
W skrócie
Wyzwanie: brak wczesnego ostrzegania na aktywach, które nie mogą się zatrzymać
Przed wdrożeniem monitorowania stanu maszyn w oparciu ich kondycję, zespołowi utrzymania ruchu trudno było przewidywać awarie krytycznych urządzeń produkcyjnych, co dodatkowo potwierdzało potrzebę bardziej predykcyjnego, opartego na danych podejścia. Urządzenia takie jak homogenizatory, pompy i sprężarki pracują w sposób ciągły i odgrywają kluczową rolę w procesie produkcyjnym, więc każdy nieoczekiwany przestój stanowi poważne ryzyko operacyjne.
W tej sytuacji zespół szukał rozwiązania zapewniającego wgląd w stan urządzeń w czasie rzeczywistym i umożliwiającego planowane interwencje, zanim awarie przerodzą się w większe uszkodzenia.
Rozwiązanie: ciągłe dane o aktywach utrzymujących zakład w ruchu
Aby sprostać tym wyzwaniom, Danone wdrożyła monitorowanie stanu maszyn Tractian na krytycznych aktywach zakładu. Dzięki inteligentnym czujnikom i analizie opartej na AI, zespół zaczął na bieżąco śledzić takie parametry jak wibracje oraz wydajność mechaniczna urządzeń.
Rozwiązanie umożliwiło wczesne rozpoznawanie wzorców awarii i generowanie alertów, które wspierają zespół w podejmowaniu decyzji. Dzięki lepszej widoczności stanu aktywów, dział utrzymania ruchu mógł planować interwencje z wyprzedzeniem, zmniejszając ryzyko uszkodzeń strukturalnych i zwiększając dostępność operacyjną urządzeń. A naprawa zaplanowana trzy tygodnie wcześniej, to zupełnie inne wydarzenie niż ta sama naprawa wykonywana o 2:00 w nocy. Inna dostępność części, inny koszt robocizny, inny wpływ na produkcję.
Przypadki użycia: co wykryły czujniki, zanim odczuł to zakład
Anomalia smarowania wykryta, zanim mogła uszkodzić przekładnię kadzi do obróbki sera
Czujnik wykrył charakterystyczne oznaki awarii smarowania w przekładni kadzi do obróbki sera. Analiza wykazała, że lepkość stosowanego oleju nie była optymalna dla tego urządzenia. Dzięki wczesnemu alertowi zespół usunął problem, zapobiegając uszkodzeniu przekładni. Bez alertu ryzyko awarii aktywa oznaczałoby koszt 7600 dolarów za nową przekładnię, nie licząc skutków finansowych przestoju produkcji.
AI przewiduje zużycie homogenizatora na linii produkcyjnej
Sztuczna inteligencja platformy wykryła wzrost profilu wibracji związany z kołem pasowym homogenizatora, wskazujący na możliwe niewspółosiowanie. Podczas inspekcji w terenie zespół potwierdził zużycie korbowodów i bloku aktywa. Śledząc rozwój usterki, zespół mógł zaplanować interwencję z wyprzedzeniem i usunąć problem.
Wczesne wykrycie umożliwiło przeprowadzenie naprawy i uniknięcie awarii, która mogła wygenerować do 40 000 dolarów kosztów utrzymania ruchu, a także przestojów produkcji trwających od 3 do 30 dni i skutków komercyjnych szacowanych na 120 000–600 000 dolarów.
Wyniki i wpływ biznesowy: awarie wykrywane w fazie degradacji, a nie w momencie zatrzymania maszyny
Dwa wykrycia. Jeden alert na kole pasowym przełożył się na 600 000 dolarów unikniętych skutków komercyjnych.
Dzięki ciągłemu monitorowaniu aktywów Danone zaczęła przewidywać awarie i przeprowadzać planowane interwencje, zanim urządzenia uległyby uszkodzeniom strukturalnym. Połączenie inteligentnych czujników i analizy predykcyjnej zapewniło lepszą widoczność stanu maszyn, pozwalając zmniejszyć ryzyko awarii, uniknąć wysokich kosztów napraw i zachować ciągłość produkcji.
Zmiana strukturalna jest równie ważna jak oszczędności:
- Awarie ujawniają się w fazie degradacji, a nie w momencie zatrzymania maszyny — gdy wciąż można podjąć wobec nich decyzję.
- Interwencje są planowane — części i czas na linii zabezpieczane z wyprzedzeniem, a nie improwizowane pod presją.
- Usuwane są przyczyny źródłowe, a nie tylko objawy.
- Moce utrzymania ruchu przesuwają się z gaszenia pożarów na pracę planowaną.
Przekształcając dane z monitorowania w trafniejsze decyzje operacyjne, firma wzmocniła swoją strategię niezawodności przemysłowej, ograniczając koszty związane z nieoczekiwanymi awariami oraz zwiększając bezpieczeństwo i przewidywalność operacji.
