Het streven naar zo min mogelijk onderhoudskosten is voor bedrijven met grote hoeveelheden machines en installaties aan de orde van de dag. Daarnaast is volledige beschikbaarheid en betrouwbaarheid van bedrijfskritische installaties en machines cruciaal. Wanneer een storing resulteert in het stilvallen van het primaire proces, brengt dit naast onderhouds- en reparatiekosten, ook economische kosten met zich mee. Het spanningsveld tussen minimale storing van installaties en lage onderhoudskosten maakt dat bedrijven continu op zoek zijn naar het perfect getimede moment van onderhoud.
Nieuwe big data-technologieën, gecombineerd met slimme analytics, kunnen dit meest ideale moment bepalen. Onder de noemer predictive maintenance is het tegenwoordig mogelijk om met behulp van analytics op afstand te voorspellen wanneer een machine of installatie onderhoud behoeft. Zo kunnen onderhoudskosten worden verlaagd en de beschikbaarheid van machines worden verhoogd.
De optelsom big data + analytics = lage kosten, is echter makkelijker gezegd dan gedaan. Om predictive maintenance succesvol te implementeren dient er rekening gehouden te worden met een aantal belangrijke zaken.
Data, veel data
De sleutel tot succes bij predictive maintenance is big data. Om uiteindelijk te kunnen voorspellen wanneer een installatie of machine uitvalt, is er veel informatie nodig. Het is dus zaak dat een data-specialist samen met een onderhoudsexpert kijkt welke historische data beschikbaar, geschikt en nodig is voor het implementeren van predictive maintenance. Hierbij geldt het credo: hoe meer gegevens, hoe beter.
Hierbij is het belangrijk dat er data beschikbaar is over situaties waarin een machine een storing heeft vertoond. Deze data wordt gebruikt om een patroon te herkennen. Zodra het voorspellende model door de data-specialist is ontwikkeld, dient deze in een overzichtelijk dashboard weergegeven te worden, zodat onderhoudsexperts op het juiste moment het juiste onderhoud kunnen uitvoeren.
Samen sterk
Hoewel er bij predictive maintenance gebruik wordt gemaakt van de nieuwste technologieën, is het geen it-feestje. Het zijn uiteindelijk immers de onderhoudsexpert en -monteur die het onderhoud moeten monitoren en uitvoeren. Zorg daarom bij de implementatie voor een goede kennismix van een expert op het gebied van voorspellende modellen en een onderhoudspecialist.
Ondersteuning in de vorm van trainingen en workshops is van belang voor het succes. Wordt er geen budget vrijgemaakt voor bijscholing en voldoende draagvlak, dan heeft het project weinig kans van slagen. Een verbetering van het onderhoudsproces dient te allen tijde centraal te staan, en het is de onderhoudsexpert die hiervoor moet zorgen.
In de wolken
Installaties en machines staan vaak op afstand, waardoor sensordata met informatie over de toestand van de installatie niet zomaar centraal beschikbaar is. Onderhoudsmonteurs moeten hierdoor op locatie sensoren uitlezen, de toestand van de installatie bepalen en eventueel onderhoud plegen. Dit kost onnodig veel tijd en geld.
Cloud-technologie lost dit op en maakt het mogelijk om de data op afstand in realtime uit te lezen en tegelijkertijd de toekomstige conditie te voorspellen. Hierdoor hoeven monteurs dus pas op locatie te zijn wanneer dit écht nodig is.
De toekomst voorspellen
Predictive maintenance biedt een oplossing om slimmer, beter, meer voorspelbaar, goedkoper en concurrerender om te gaan met het klassieke vraagstuk van onderhoud. Door kennis over data, modellen en het voorspellen toe te voegen aan de kennis over onderhoud, is het mogelijk om nu een voordeel te behalen op de rest. Over niet al te lange tijd zitten we allemaal aan de big data en is deze blog misschien wel achterhaald.
Gerard Noorda, senior consultant Analytics bij QNH
