Een veelgebruikte term in de maakindustrie is ‘predictive maintenance’ (PdM). Door te voorspellen wanneer een machine of apparaat onderhoud nodig heeft, worden onderhoudskosten bespaard. Hoe werkt dit precies? De experts van Sensorfact leggen het uit!
Predictive maintenance of voorspellend onderhoud houdt in: ‘datagedreven, proactieve methodes van onderhoud, die bedoeld zijn om de staat van een machine of de fabrieksuitrusting te analyseren en te voorspellen wanneer onderhoud nodig zal zijn.’
Predictive maintenance gebruikt data om te bepalen wanneer correctief onderhoud nodig is. Door de staat van machines te analyseren kan onderhoud op exact het juiste moment worden ingepland. Zo is het onderhoud in een bedrijf het meest kostenefficiënt. 95% van de bedrijven die gebruik maken van PdM ervaren verbetering.
Ook zorgt voorspellend onderhoud ervoor dat machines nooit uitvallen, doordat onderhoud te laat wordt gepleegd. Dit voorkomt downtime, waar soms veel kosten mee gemoeid zijn. Uit onderzoek van PwC blijkt dat bedrijven die predictive maintenance toepassen 9% minder downtime van hun machines ervaren.
Door op de juiste momenten onderhoud te plegen aan je machines worden de life cycle costs van apparaten lager. Dit komt doordat apparaten die onderhouden worden volgens voorspellend onderhoud 20% langer meegaan.
Ook ontstaan er minder bottlenecks in het productieproces. De kosten van deze bottlenecks kunnen in sommige bedrijven oplopen tot honderdduizenden euro’s per dag. PdM of voorspellend onderhoud wordt sinds de jaren ‘90 van de vorige eeuw gebruikt in de maakindustrie.
Dataverzameling en analytics spelen een belangrijke rol bij PdM. Allereerst moet er data worden verzameld over de staat waar verschillende machines zich in bevinden. Vervolgens dient deze data opgeslagen en verwerkt te worden om voorspellingen te kunnen doen.
In veel gevallen wordt de data continu verzameld door de status van de machines te monitoren. Zo maakt PdM gebruik van infrarood- en trillingssensoren, geluidsmeters, oliemeters en thermische sensoren. Door deze verschillende metingen te combineren, kan de staat van de machines optimaal worden bijgehouden.
Bij de analyse van de data wordt gebruik gemaakt van voorspellende algoritmen. Deze kunnen op basis van de verschillende data precies de status van het apparaat analyseren. Met deze analyse kan vervolgens voorspeld worden wanneer er onderhoud aan het apparaat nodig zal zijn.
Predictive maintenance is van ongelooflijke toegevoegde waarde in de maakindustrie. Met de inzichten uit de data die bij deze onderhoudsmethode wordt verzameld, worden veel kosten bespaard. Predictive maintenance heeft de volgende voordelen:
Het implementeren van predictive maintenance kan een lastig en tijdrovend proces zijn. De apparatuur en software moet worden aangeschaft en het personeel moet worden geïnstrueerd. Normaal gesproken gaat men voor het implementeren van PdM uit van 6 stappen:
Verzamel de data over de apparatuur die je al hebt en gebruik deze voor PdM. Gegevens over de gemiddelde levensduur van een machine kunnen ook voor voorspellend onderhoud heel nuttig zijn.
Failure modes zijn de verschillende dingen die allemaal mis zouden kunnen gaan bij een machine. Analyseer hoe vaak deze voorkomen, hoe ernstig ze zijn en hoe moeilijk je ze kunt opsporen. Zo weet je waar gevaren in het productieproces op de loer liggen.
Installeer de sensoren die trillingen, temperatuur en andere gegevens meten die je nodig hebt op de machines. De failure modes bepalen welke sensoren je nodig hebt: een ronddraaiend apparaat heeft meer baat bij een trillings- dan bij een warmtesensor.
Door machine learning worden algoritmen vanzelf beter. Gebruik één standaardalgortime voor al je apparatuur, in plaats van verschillende voor al je apparaten. Na verloop van tijd wordt dit algoritme beter.
Slimme algoritmen kunnen de data van honderden machines in één keer analyseren (bulk). In plaats van de ingenieurs de data zelf te laten analyseren, kan het algoritme dit veel sneller.
Stel in het systeem waarschuwingen in voor als er fouten worden ontdekt. Deze kunnen dan naar een ingenieur worden gestuurd. De ingenieur kan dan een handmatige inspectie doen om de staat van de machine te controleren.
Het verschil tussen preventive maintenance (preventief onderhoud) en predictive maintenance (voorspellend onderhoud) zit in het analyseren en het gebruiken van data.
Bij preventief onderhoud wordt data uit het verleden gebruikt om te bepalen wanneer onderhoud nodig is. Er wordt na een bepaalde tijdsduur altijd onderhoud gepleegd, of het op dat moment nou nodig is of niet.
Bij voorspellend onderhoud wordt data over de huidige staat van de machine of het apparaat gebruikt om te bepalen wanneer er onderhoud nodig is. Dat is accurater dan data uit het verleden. Op het moment dat de predictive maintenance-methode aangeeft dat er onderhoud verricht moet worden, is dat altijd op precies het juiste moment.
Om dit verschil te verduidelijken wordt dit toegelicht aan de hand van een voorbeeld.
Voorbeeld: een lopende band in een fabriek
Preventive maintenance: een fabriek weet op basis van de resultaten in het verleden dat de lopende band zo’n 2000 uur mee kan gaan, voor er onderhoud aan nodig is. Daarom plant het elke keer nadat de band 2000 uur gedraaid heeft, onderhoud in. Dit kan ervoor zorgen dat er onderhoud plaatsvindt op een moment dat het niet nodig is. Of dat het onderhoud te laat plaatsvindt, waardoor de band stuk gaat.
Predictive maintenance: de fabriek installeert een systeem dat constant de conditie van de lopende band in de gaten houdt. De fabriek krijgt een melding als de band dreigt te verslijten. Dit is altijd vóór het moment dat dat zover is, zodat de fabriek het onderhoud nog kan inplannen en de juiste resources voor het onderhoud kan regelen. Op deze manier vindt het onderhoud altijd op het juiste moment plaats.
Een andere veelgehoorde term in de context van predictive maintenance is corrective maintenance. Corrective maintenance zijn de daadwerkelijke herstelwerkzaamheden aan het apparaat of de machine. Deze vinden bij predictive maintenance plaats vóór de machine het begeeft, zonder downtime dus.
Predictive maintenance is één van de vele trends binnen Industrie 4.0. Industrie 4.0 is een vorm van bedrijfsinrichting, waarbij alle assets via het internet met elkaar communiceren. Dit wordt het Internet of Things (IoT) genoemd.
Bij Industrie 4.0 staat automatisering en digitalisering centraal. Door middel van een internetverbinding tussen alle sensoren en apparatuur worden gegevens eenvoudig uitgewisseld en geanalyseerd. Zo komen de fysieke en online wereld dichter bij elkaar.
Bij IoT gebruiken niet meer alleen mensen zelf het internet, maar ook apparaten zonder menselijke inmenging. Dit geldt ook voor predictive maintenance: zonder inmenging van mensen wordt een signaal afgegeven wanneer onderhoud nodig is.
Er zijn verschillende industrieën waar PdM al aan de orde van de dag is, en dit worden er steeds meer. Voorbeelden zijn:
Vliegtuigen moeten natuurlijk altijd optimaal functioneren. Door data zoals vliegafstanden en data van sensoren te gebruiken wordt er gebruik gemaakt van predictive maintenance.
In de maakindustrie kan downtime ongelooflijk duur zijn, omdat het hele productieproces dan stil kan komen te liggen. Hierdoor is het belangrijk dat onderhoud gedaan wordt vóór machines het begeven.
Olie- en gasbedrijven hebben vaak afgelegen booreilanden. Hierdoor is het plegen van onderhoud een kostbare operatie. Om te voorkomen dat een ingenieur onnodig naar het eiland afreist, wordt gebruik gemaakt van predictive, in plaats van preventive maintenance.
Predictive maintenance kent vier verschillende niveaus. Op niveau 1 is het gebruik van PdM nog beperkt, op niveau 4 wordt PdM uitgebreid toegepast binnen een bedrijf.
Het opzetten van een systeem voor predictive maintenance vergt veel tijd en geld. De meetapparatuur kan behoorlijk prijzig zijn en personeel moet geleerd worden hoe met het systeem om te gaan.
Een volledig IoT-systeem opzetten, met alle sensoren daarbij, en het personeel instrueren over het gebruik kost veel tijd en geld. Hoewel predictive maintenance op lange termijn dus voordelig is, kan het op korte termijn een behoorlijke investering zijn.
Predictive maintenance leidt tot minder downtime van assets en minder onnodig onderhoud en is daardoor op lange termijn zeer voordelig voor veel bedrijven. Omdat het systeem echter duur en ingewikkeld is, kan de investering op voorhand behoorlijk duur zijn.
Het gebruikmaken van Industrie 4.0/IoT is cruciaal voor een goede implementatie van PdM. Doordat de sensoren met elkaar communiceren en de data door algoritmes wordt geanalyseerd, kan het onderhoud in de gehele plant op tijd worden ingepland.
Bij Sensorfact hebben wij de nummer één tool voor predictive maintenance. Met onze trillings-, warmte- en stoomsensoren maken we de status van uw apparaten inzichtelijk. Onze algoritmen analyseren de data en vertellen u wanneer onderhoud noodzakelijk is.
Het grootste nadeel van predictive maintenance is zoals gezegd de hoge kosten voor de investering. Daar hoeft u zich bij ons geen zorgen om te maken: wij werken met onze sensoren volgens een abonnementsmodel. Hierdoor betaalt u per maand en komt u niet in één keer voor een hoge rekening te staan.
Naast predictive maintenance zijn wij ook gespecialiseerd in energiemanagement. Onze sensoren meten het energieverbruik van uw machines en onze algoritmen stellen besparingen voor. Met een energieadvies van onze experts bespaart u tot wel 15% op de energierekening!
Bent u geïnteresseerd in onze producten? Neem dan contact met ons op.
Of u nu energie wilt besparen of onderhoud wilt voorkomen, wij kunnen u laten zien welke voordelen onze slimme oplossing heeft voor uw fabriek. Begin direct met het besparen van tijd en kosten.
Vraag een gratis demo aan