Analyse av alarmdata i settefiskanlegg

Lerøy Aurora AS har et settefiskanlegg i Friarfjord, Finnmark, som produserer laksesmolt til oppdrettsanlegg. Lerøy ønsker å få en bedre oversikt over sin ressursbruk og ønsker å bruke alarmhistorikken som et verktøy til dette formålet. Anlegget overvåker tilstanden i fiskekar og tilhørende maskineri, og alarmer utløses og logges ved målinger utenfor driftsområdet. Lerøy har som mål å redusere de mest hyppige alarmene fra alarmsystemet.

For å behandle alarmloggen fra 2022, tilsendt av Lerøy, ble en Python-kode for filtrering, systematisering, organisering og visualisering av alarmdata utviklet. Dette arbeidet har synliggjort verdien av alarmhistorikken til Lerøy. En Pareto-analyse av alarmene identifiserer alarmer av størst interesse. Rotårsaksanalysen ble gjennomført ved bruk av «hvorfor»-metoden og årsakene til de mest interessante alarmene ble visualisert i et Ishikawa diagram. Datagrunnlaget for analysene var hovedsakelig erfaringene til de ansatte på anlegget.

Fra alarmloggen ble det identifisert flere typer sensorer som utløser alarmene. Paretoanalyse viste at oksygenalarmer og nivåalarmer var de mest hyppige. Årsaksanalysene avdekker flere årsaker, og fiskestress og manglende prosedyrer er gjentagende årsaker til flere av alarmene. I tillegg har alarmene unike årsaker. Fra dette er fire tiltak for å redusere alarmhyppighet foreslått i resultatet.

Lerøy Aurora AS operates a hatchery facility in Friarfjord, Finnmark, which produces salmon smolt for fish farming operations. Lerøy aims to gain a better overview of its resource usage and wishes to use the alarm history as a tool for this purpose. The facility monitors the condition of fish tanks and associated machinery, and alarms are triggered and logged when measurements fall outside the operational range. Lerøy’s goal is to reduce the most frequent alarms from the alarm system.

To process the alarm log received from Lerøy for 2022, a Python code was developed for filtering, systematizing, organizing, and visualizing alarm data. This work has highlighted the value of Lerøy’s alarm history. A Pareto analysis of the alarms identifies the most significant ones. The root cause analysis was conducted using the «why» method, and the causes of the most significant alarms were visualized in an Ishikawa diagram. The primary data source for the analysis was the experience of the facility’s staff.

From the alarm log, several types of sensors that trigger alarms were identified. Pareto analysis revealed that oxygen alarms and level alarms were the most frequent. The root cause analysis uncovered multiple causes, with fish stress and procedural deficiencies being recurring causes for several alarms. Additionally, the alarms had unique causes.

Based on this, four measures to reduce alarm frequency are proposed.