Ennakoiva kunnossapito ja digitaalisten työkalujen hyödyntäminen

Thumbnail Image

Files

Ruvituso_Stefano_2025.pdf (426.59 KB)

URL

Journal Title

Journal ISSN

Volume Title

Insinööritieteiden korkeakoulu | Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-08-26

Department

Major/Subject

Energia- ja konetekniikka

Mcode

ENG4000

Degree programme

Insinööritieteiden kandidaattiohjelma

Language

fi

Pages

30

Series

Abstract

Tässä kandidaatin tutkielmassa tarkastellaan ennakoivan kunnossapidon merkitystä teollisuuden eri tuotantoprosesseissa sekä sitä, miten erilaiset digitaaliset työkalut tukevat kunnossapidon suunnittelua ja toteutusta. Työssä esitellään perinteiset ja nykyiset huoltomenetelmät ja niiden rajoitteet sekä verrataan niitä nykyaikaisiin toimintatapoihin, joissa huoltotarve perustuu laitteiden todelliseen kuntoon. Tutkielmassa huomiota kiinnitetään ennakoivan kunnossapidon hyötyihin, kuten seisokkiaikojen lyhentämiseen, tuotannon jatkumisen turvaamiseen ja kustannusten pienentymiseen, jotka johtuvat laiterikoista. Tutkielmassa myös käydään läpi, miten sensoriteknologia, IoT-ratkaisut ja data-analytiikka mahdollistavat laitteiden kunnon seurannan ja ennakoivien huoltotoimenpiteiden optimaalisen ajoittamisen. Tutkielman on kirjallisuuskatsaus, jossa hyödynnetään tutkimuksia, teollisuuden raportteja ja käytännön tapausesimerkkejä. Työssä hyödynnetään myös kirjoittajan omaa kokemusta teollisuuden kunnossapitotehtävistä. Tulosten perusteella kunnossapito tuo esiin merkittäviä etuja verrattuna perinteisiin huoltotoimenpiteisiin, mutta sen onnistuminen edellyttää sitoutumista datan keruuseen, analyysiosaamiseen ja henkilöstön kouluttamiseen uusiin laitteisiin.

This bachelor’s thesis examines the significance of predictive maintenance in various industrial production processes and explores how different digital tools support the planning and execution of maintenance activities. The study presents both traditional and modern maintenance methods, their limitations, and compares them with contemporary approaches where maintenance needs are determined based on the actual condition of the equipment. The thesis highlights the benefits of predictive maintenance, such as reduced downtime, ensuring continuous production, and lowering costs associated with equipment failures. It also explores how sensor technology, IoT solutions, and data analytics enable monitoring of equipment condition and optimal scheduling of predictive maintenance actions. The study is a literature review that utilizes research articles, industrial reports, and practical case examples. It also draws on the author’s own experience in industrial maintenance tasks. Based on the findings, predictive maintenance offers significant advantages over traditional maintenance practices, but its success requires commitment to data collection, analytical skills, and training personnel to work with new equipment.

Description

Supervisor

Viitala, Raine

Thesis advisor

Huuki, Juha

Keywords

ennakoiva kunnossapito, digitaaliset työkalut, teollisuus

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202510077455

Collections

[kand] Insinööritieteiden korkeakoulu / ENG