Hogyan találj géphibákat Excellel – Mikor érdemes továbblépni ipari megoldásokra?

Bevezetés

Egy váratlan gépleállás sokkal többe kerül, mint elsőre gondolnánk. Nem csak a kieső gyártási időről van szó, hanem a selejttermékekről, az újraindítás költségéről, a határidők csúszásáról és a túlóráról is. Egy magyar KKV esetében akár több százezer forint veszteséget jelenthet egyetlen nap állásidő.

A prediktív karbantartás lényege, hogy a gép adataiból (pl. áramfelvétel, hőmérséklet, ciklusidő, vibráció) előre felismerjük a hibajeleket. Így nem utólag derül ki, hogy baj van, hanem időben tervezhető a karbantartás.

Sokan azt gondolják, hogy ehhez bonyolult mesterséges intelligencia és drága szoftver kell. Valójában már Excelben is felépíthető egy egyszerű dashboard, amivel ki lehet mutatni az anomáliákat és alap szinten előre lehet jelezni, mikor tér el a rendszer a megszokott működéstől.

Fontos azonban hangsúlyozni: Excel kis adatra és 1–2 gépre jó megoldás, de ipari környezetben nem elég stabil, nem kezeli jól a nagy adathalmazokat, és nincs valós idejű működés. Ott már skálázható, üzembiztos rendszerekre van szükség – ebben tudunk mi segíteni.

1. lépés – Adatgyűjtés

Tételezzünk fel egy egyszerű villanymotor két főbb paraméterét szeretnénk megvizsgálni és az alapján felügyleni a múködését:

  • Áramfelvétel (A)
  • Hőmérséklet (°C)

Az adatsorban egy nap 5 perces mérései láthatók, az adatokat leolvashatjuk manuálisan vagy egy IoT modul segítségével időszakosan beolvashatunk egy adatbázisba.

2. lépés – Adatok előkészítése Excelben

Miután megvan a táblázat az időbélyeggel és a szenzoradatokkal, a következő lépés, hogy láthatóvá tegyük a trendeket. Ez azért fontos, mert a legtöbb géphiba nem egyik pillanatról a másikra történik – a gép „szól”, csak észre kell venni az adatokban.

Excelben ehhez nincs szükség semmi bonyolultra: pár egyszerű függvény és grafikon elég.

Táblázat előkészítése

  • Jelöld ki az adatokat (időpont, áramfelvétel, hőmérséklet)
  • Menüsor ➡ Beszúrás ➡ Táblázat
    • Így strukturált táblázatot kapsz, amiben könnyen szűrhetsz, rendezhetsz.

3. lépés – Anomália detektálás

Átlag és szórás számítása

Az első dolog, amit érdemes nézni: mi a „normál” működés.

=ÁTLAG([Áramfelvétel]) → megmutatja az átlagos értéket.
=SZÓRÁS([Áramfelvétel]) → a szórást, vagyis mennyire ingadozik az adat.

Mit jelentenek az adatok?

  • Ha az értékek közel állnak az átlaghoz, akkor stabil a működés.
  • Ha az érték a szórás X-szeresére van az átlagtól az gyanús, anomáliát jelenthet.

Feltételes formázás

Excelben automatikusan ki tudja emelni a “furcsa” értékeket. Hogyan?

  • Jelöld ki az áramfelvétel oszlopot
  • Kezdőlap ➡ Feltételes formázás ➡ Új szabály ➡ Képlet
    • Példa: [@Áramfelvétel] > (ÁTLAG + 3*SZÓRÁS) – Piros háttér
  • Így azonnal látszik, ha valami kilóg a normál tartományból.

Szórás*3

A statisztikában ismert, hogy az adatok kb. 99,7%-a az átlag ± 3 szórás tartományába esik (ez az ún. 68-95-99,7 szabály).

Ezért ha egy érték 3 szóráson kívül esik, az már szinte biztosan rendellenes, vagyis anomália.

Grafikon készítése

  • Jelöld ki az időbélyeget és a mért értékeket.
  • Beszúrás ➡ Vonaldiagram.
    • Eredmény: egy idősor-grafikon, amin látszik a normál működés és a kiugrások.

Hogyan ábrázoljuk a szórást Excelben?

  • Számítsuk ki az átlagot és a szórást.
    • =ÁTLAG([Áramfelvétel])
    • =SZÓRÁS([Áramfelvétel])
  • Készítsünk három új segédoszlopot a táblázatban:
    • Felső határ = Átlag + 3×Szórás/2
    • Alsó határ = Átlag – 3×Szórás/2
    • Ezek minden sorra ismétlődő értékek lesznek.
  • Rajzoljunk egy vonaldiagramot, amin látszik:
    • a mért értékek (pl. áramfelvétel),
    • az átlag (egyenes vonal),
    • a felső és alsó határ (párhuzamos egyenesek).
  • Ha bármelyik adatpont átlépi a felső vagy alsó határt, azt azonnal látjuk a grafikonon → anomália.

ROI – Befektetés megtérülés

Egy ilyen egyszerű Excel dashboard már első ránézésre kiszúrja a hibajeleket, amiket egyébként csak a leálláskor vennél észre. Ha ez egyetlen nap kiesést előz meg, máris több százezer forintot takarít meg – és mindezt Excelben, pár kattintással.

4. lépés – Előrejelzés

Az anomáliák jelzése fontos, de az igazi érték ott van, amikor előre tudjuk jelezni, hogy mikor fog a rendszer eltérni a megszokott működéstől. Excel szerencsére beépítve tartalmaz előrejelző függvényeket, amikkel alap szinten megoldható a predikció.

Előrejelzés trendvonallal

Az egyik legegyszerűbb módszer a lineáris trendvonal.

  • Készítsünk egy vonaldiagramot az adatokból.
  • Kattintsunk az adatsorra → „Trendvonal hozzáadása”.
  • Válasszuk a lineáris trendvonalat, és jelöljük be: „Egyenlet megjelenítése a diagramon”.

Ez megmutatja, hogy az adataink átlagosan merre tartanak. Ha a trendvonal meredeken emelkedik, az figyelmeztethet a közelgő túlterhelésre vagy hibára.

Előrejelzés függvénnyel

Excelben van két hasznos beépített függvény, amivel konkrét jövőbeli értéket számolhatunk:

LINEÁRIS ELŐREJELZÉS:
   =ELŐREJELZÉS(x; ismert_értékek; ismert_x-ek)
IDŐSOROS ELŐREJELZÉS:
   =ELŐREJELZÉS.ETS(cél_dátum; értékek; időpontok)


Lineáris előrejelzés: Ez megmondja, hogy egy adott időpontban (x) várhatóan milyen érték lesz.

Idősoros előrejelzés (Exponential Triple Smoothing): Ez sokkal pontosabb, mert figyelembe veszi a szezonális mintákat, trendeket.

Hogyan használjuk őket a gyakorlatban?

  • Készítsünk két oszlopot:
    • Időpont (például 2025.09.22. 10:00, 11:00, stb.)
    • Mért érték (pl. áramfelvétel).
  • Vegyünk egy jövőbeli időpontot (pl. 2025.10.01. 15:00), és írjuk be külön cellába.
  • Használjuk a függvényt:
    • =ELŐREJELZÉS.ETS(jövőbeli_időpont; [Áramfelvétel]; [Időpont])

Excel kiszámolja, hogy az adott időpontban várhatóan milyen érték lesz.

Még ha egyszerű is a modell, már egy ilyen előrejelzés segíthet megelőzni egy váratlan leállást. Ha az értékek folyamatosan emelkednek, és az előrejelzés szerint pár óra múlva átlépik a normál tartományt (átlag + 3×szórás), akkor tervezett karbantartás szervezhető → ROI: kevesebb állásidő, nagyobb gépkihasználtság.

Interaktív Excel Dashboard

Amikor már megvannak az alapadatok, az átlag, a szórás és a ±3σ határvonalak, a következő lépés, hogy az információt döntéstámogató formába öntsük. Egy vezető számára sokkal többet ér egy átlátható dashboard, mint puszta számok. Excelben ezt meglepően egyszerűen meg lehet valósítani.

KPI-k: a legfontosabb mutatók egy helyen

A dashboard első blokkja néhány egyszerű, de hasznos KPI-t (Key Performance Indicator) tartalmaz:

  • Átlagos áramfelvétel – megmutatja a gép tipikus működését.
  • Szórás – mennyire stabil a működés, mennyire ingadoznak az adatok.
  • Alsó és felső határ (±3σ) – innen látszik, hogy hol kezdődik az anomália.
  • Anomáliák száma az utolsó 50 mintában – gyors betekintést ad, mennyire problémás a közelmúlt.

Ezek együtt már egy „egysoros állapotjelentést” adnak: a gép működése normál tartományban van-e, vagy épp közelít a kritikus zónához.

Grafikon ±3σ határvonalakkal

A KPI-k mellett a legfontosabb vizualizáció az idősoros grafikon, amelyen látszik:

  • a valós adatok (pl. áramfelvétel értékek),
  • az átlag (egyenes vonal),
  • valamint a ±3σ határvonalak (szaggatott vonal).

Ha egy adatpont kilóg ebből a tartományból, az Excel feltételes formázással pirosan kiemeli. Ez gyorsan ráirányítja a figyelmet a gyanús működésre.

Miért fontos ez üzleti szempontból?

Egy ilyen Excel dashboard:

  • Időt takarít meg – a karbantartásvezető egy pillantással látja, mi történik.
  • Csökkenti a hibakockázatot – a kiugrások vizuális kiemelése miatt nem lehet őket figyelmen kívül hagyni.
  • ROI szempontból gyorsan megtérül – ha egyetlen váratlan leállást is megelőzünk vele, máris több százezer forintot spórolt a cég.

Fontos azonban megérteni: ez a módszer kisebb adathalmazoknál és 1–2 gépnél működik jól. Amint több ezer sornyi adat, több műszak vagy több telephely adatai kerülnek elő, Excel gyorsan kezelhetetlenné válik. Ezért a dashboard jó belépő szint, de nem helyettesíti az ipari megoldásokat.

Próbáld ki a saját adataiddal!

A demo fájl itt tölthető le:

predictive_maintenance_dashboard

Mit kapsz a fájlban?

  • Adat munkalap
    • 500 időbélyeg + mért érték (Áramfelvétel_A, Hőmérséklet_C).
    • Szándékosan beépített „spike” anomáliák.
    • AlsóHatár / FelsőHatár oszlopok (a Dashboard értékeit tükrözik).
    • Feltételes formázás: piros cella, ha az áram a felső határ fölé megy.
  • Dashboard munkalap
    • Átlag, szórás, ±3×szórás
    • Lineáris előrejelzés a következő időpontra (FORECAST).
    • KPI-k (utolsó 50 minta átlaga, anomáliák száma).
    • Grafikon: idő vs. áramfelvétel + alsó/felső határvonalak (szaggatott).

Miért nem elég az Excel?

Az Excel dashboard remek belépő szint: gyorsan elkészíthető, mindenki ismeri, és pillanatok alatt megmutatja, ha valami rendellenesség történik. De ipari környezetben komoly korlátai vannak.

1. Korlátos adatkezelés

Excel jól kezeli az 1–2 gép adatait néhány száz vagy ezer sorig. De amikor:

  • több tízezer mérési adat keletkezik naponta,
  • több gép vagy telephely adatait kell összevetni,
  • valós idejű monitoring szükséges,

az Excel lassúvá válik, lefagyhat vagy teljesen átláthatatlanná válik.

2. Nem valós idejű

Az Excel alapvetően utólagos elemzésre jó. Ha egy gép túlmelegszik vagy rendellenesen működik, Excelben legkorábban akkor látjuk, amikor az adat már bekerült a táblázatba. Ez sokszor túl késő – a gép addigra megállhatott.

3. Nincs auditálás és jogosultságkezelés

Egy komoly ipari rendszerben fontos, hogy ki férhet hozzá az adatokhoz, ki módosíthatja őket, és legyen naplózás minden változtatásról.

Excel ezt nem tudja. Egy rossz kattintás, egy törölt oszlop, és elveszik az adat.

4. Nehézkes együttműködés

Ha több ember dolgozik ugyanazon az adaton, az Excel fájlok verziókezelése gyorsan káosszá válik. Egy ipari környezetben viszont alapfeltétel, hogy a karbantartás, a termelés és a vezetőség ugyanazt az adatot lássa valós időben.

5. ROI szempontból veszélyes

Az Excel-ben készült dashboard gyorsan megtérül, ha sikerül egy-két leállást megelőzni. De hosszú távon:

  • a karbantartás nem tudja követni a növekvő adatmennyiséget,
  • a vezetők nem kapnak elég gyors, pontos képet,
  • és fennáll a kockázat, hogy egy kritikus hibát időben nem vesznek észre.

Ez végül több veszteséget okozhat, mint amennyit a kezdeti Excel-megoldás megtakarított.

Mit vonhatunk le tanulságként?

Az Excel tökéletes belépőszintű eszköz a prediktív karbantartás kipróbálására. Gyors, költséghatékony és azonnal kézzelfogható eredményt ad. De hosszú távon nem helyettesíti az ipari szintű rendszereket, amelyek nagy adatmennyiség kezelésére, valós idejű elemzésre és több gép összehangolt monitorozására alkalmasak.

Ezt a blogposztot éppen azért készítettük, hogy megmutassuk: már Excelben is el lehet indulni ezen az úton. Ha pedig a tapasztalatok alapján valaki nagyobb léptékben szeretné bevezetni a prediktív karbantartást, ott érdemes további technológiákban gondolkodni.

Zárás

A prediktív karbantartás nem feltétlenül igényel azonnal komplex ipari rendszert vagy drága beruházást. Már Excelben is el lehet indulni, és az első tapasztalatokat megszerezni:

  • hogyan viselkednek a gépek adatai,
  • mikor térnek el a normál működéstől,
  • hogyan jelezhetők előre az anomáliák.

Ezek a gyors próbák segítenek meggyőzni a vezetőséget, és láthatóvá tenni, milyen érték rejlik a gépadatokban.

Ugyanakkor hosszú távon az Excelnek megvannak a maga korlátai. Több gép, nagyobb adatmennyiség és valós idejű igények esetén már elengedhetetlen a skálázható ipari megoldás, amely biztosítja a megbízhatóságot, a gyors reakcióidőt és a pontos előrejelzést.

Tanulság: Excel jó eszköz a kísérletezéshez és a szemléltetéshez, de ipari környezetben a valódi értéket a professzionális rendszerek hozzák. A kettő nem egymás helyett, hanem egymás után ad logikus fejlődési utat:

Excel → Pilot → Ipari rendszer.

Érdekelne, hogyan használhatod az adataidat arra, hogy csökkentsd a leállásokat és növeld a rendelkezésre állást? Vedd fel velünk a kapcsolatot, és mutatunk egy működő példát.

Lépjen velünk kapcsolatba