Nieuws

Voorspel onderhoud in 6 stappen

Bij preventief onderhoud wordt onderhoud ingepland nog vóór de storing optreedt (foto: Metaal Magazine).

Steeds meer bedrijven onderzoeken de mogelijkheden van voorspellend onderhoud oftewel predictive maintenance. Wat kan het betekenen voor de eigen productieprocessen en welke winst is te behalen. Enos Postma van Stork Asset Management Technology vertelt in Metaal Magazine nummer 8 over het 6-stappenplan om te komen tot voorspellend onderhoud.

Stap 1 – Identificatie

Een belangrijke eerste stap is een goed overzicht te hebben over het machinepark en de faalmechanismen. Welke storingen aan welke machines zijn er in het verleden geweest? Hoe vaak traden deze storingen op? Wat is de impact van de storingen op het productieproces of op voorafgaande en vervolgacties? Is er in het verleden al een RCM- (reliability centered maintenance-) studie opgesteld waaruit de belangrijkste faalvormen naar voren komen? Door kritisch naar je processen te kijken, identificeer je met andere woorden de faalvormen en de impact ervan.

Stap 2 – Selectie data

Neem de datastroom onder de loep. Voorspellend onderhoud is namelijk alleen mogelijk door uit een grote hoeveelheid data, patronen te herkennen die worden gelabeld als goed of slecht functioneren van de machine. Ook belangrijk is te onderzoeken wat de kwaliteit van deze data is. In de praktijk beschikbare data van machines, zijn niet altijd even eenvoudig bruikbaar voor voorspellend onderhoud. Welke data zijn beschikbaar en wie heeft toegang tot de data? Ook de frequentie en het specifieke tijdstip van meten, kunnen invloed hebben op de betrouwbaarheid van het eindresultaat. Door kritisch naar de gegevens te kijken, wordt ook duidelijk of bepaalde sensoren ontbreken.

Stap 3 – Modellering

 Enos Postma: “Welke data zijn beschikbaar en wie heeft toegang tot de data?”

De derde stap is cruciaal. Dan worden patronen uit gegevens geëxtraheerd, door middel van programmeertaal of bestaande software waarin al algoritmes zijn verwerkt. Een eerste patroon staat voor het goed functioneren van de machine (de ideale situatie). En daarnaast worden patronen bepaald die in het verleden hebben geleid tot storingen. Wanneer vervolgens nieuwe data wordt vergeleken met de gedefinieerde patronen zal blijken of juiste conclusies zijn getrokken. Is dit niet het geval, dan moet het model nog worden verfijnd.

Stap 4 – Businesscase

Als faalvormen inderdaad te voorspellen zijn met algoritmes en patronen, kan vervolgens een businessmodel worden ontwikkeld die de voordelen van het voorspellen van storingen hard maakt. Gaat het bijvoorbeeld om het minimaliseren van periodiek onderhoud of om het voorkomen van downtime in de productie? Wat moet worden aangeschaft om voorspellend onderhoud verder uit te rollen? Welke implicaties heeft dit met betrekking tot de aanschaf van een IT-systeem, het inhuren van externe ondersteuning of het werven van een extra fte? “Een businessmodel schept duidelijkheid en biedt draagkracht om het verder uit te dragen in de organisatie.”

Stap 5 – Implementatie

Bij een positieve businesscase kan worden besloten om het geheel online in het machinepark te implementeren. Postma: “Het technische gedeelte implementeren valt in principe nog wel mee omdat in eerdere fasen offline al veel kennis is opgedaan. Veel lastiger is het om de organisatie hierop voor te bereiden. Meerdere afdelingen moeten uiteindelijk accepteren dat bepaalde ingrepen in de toekomst zullen gebeuren op basis van data en niet op basis van ervaring.” Een goede communicatie en het langzaam opbouwen is daarbij essentieel. Er zal immers ingegrepen worden op basis van afwijkende data, nog voor er visueel tekenen zijn van een afwijking.

Stap 6 – Verbeteren

In de laatste fase is de implementatiefase voltooid en zal het systeem nog verder worden verfijnd. Wanneer het systeem een foutmelding geeft, maar uit de praktijk blijkt dat er niets aan de hand is, dan moet het systeem een update krijgen zodat het in een volgende situatie niet meer wordt herkend als abnormaal gedrag. Tegelijkertijd voeg je nieuwe, voor het systeem nog onbekende faalvormen toe. Dit alles om steeds beter te voorspellen wanneer moet worden ingegrepen om storingen te voorkomen. Voorspellend onderhoud is nu realiteit.


De weg van 6 stappen naar voorspellend onderhoud vormt geen rechte lijn, maar een cirkel, om voortdurend te verbeteren.

Lees het complete verhaal met diverse praktische voorbeelden in het decembernummer van Metaal Magazine (premium).
Nog geen abonnee?

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

x
Mis niet langer het laatste nieuws

Schrijf u nu in voor onze nieuwsbrief.

Inschrijven