Predictive Maintenance

Veelgebruikte onderhoudsstrategieën

Twee veelgebruikte onderhoudsstrategieën zijn:

• Run to Failure (R2F).
• Preventive Maintenance (PvM).

R2F houdt in dat apparatuur pas wordt gerepareerd of vervangen nadat het kapot is gegaan, wat hoge kosten met zich meebrengt door ongeplande stilstand en mogelijk de aanschaf van een nieuwe machine. PvM daarentegen is een aanpak waarbij we apparatuur ruim vóór een mogelijke storing repareren of vervangen, wat betekent dat we een perfect werkend apparaat zouden kunnen vervangen. Zoals je ziet, hebben beide strategieën hun nadelen: bij de R2F-strategie maken we kosten omdat we te laat zijn, terwijl we bij de PvM-strategie te veel uitgeven om gezonde machines te onderhouden.

Waarom Predictive maintenance?

Een derde (en betere) onderhoudsstrategie is:

• Predictive Maintenance (PdM)

PdM probeert de perfecte balans te vinden tussen de twee bovengenoemde onderhoudsstrategieën. Op basis van diverse statistische methoden voorspelt PdM het moment waarop een machine het gaat begeven. Dit maakt een passende onderhoudsplanning mogelijk vóór deze voorspelde storing plaats vindt. Op deze manier zal de kostbare en onverwachte stilstand die door de storing wordt veroorzaakt, afnemen. Tegelijkertijd wordt voorkomen dat er onnodig vaak onderhoudscontroles worden gepland.

Voorbeeld

Een vrachtwagenbedrijf past momenteel de R2F-onderhoudsmethode toe en repareert vrachtwagens wanneer ze defect raken. Deze defecten zijn kostbaar, omdat een vrachtwagen vaak defect raakt terwijl hij in gebruik is. Dit bedrijf verzamelt en bewaart echter ook sensorgegevens van binnenin de vrachtwagen, zoals motortemperatuur, trillingsintensiteit en vloeistofniveaus. Door PdM-technieken op deze gegevens toe te passen, voorspellen we wanneer een vrachtwagen op het punt staat defect te raken en plannen we een onderhoudsbuurt in vóór de verwachte storing.

Op dit punt vraag je je misschien af: wat als het bedrijf geen sensoregegevens verzamelt? Maak je geen zorgen, predictive maintenance kan nog steeds worden gebruikt. Data kan worden verzameld uit andere bronnen, bijvoorbeeld uit de onderhoudslogboeken of historische onderhoudsfacturen.

Anomaly detection

Anomaly detection (onregelmatigheidsdetectie of detectie van uitschieters) is een reeks statistische methoden die worden gebruikt om zeldzame of abnormale gebeurtenissen op te sporen. Hoewel deze methode zeer populair is bij het traceren van financiële transacties, kan het ook worden gebruikt in een industriële omgeving, door het toe te passen op apparatuur of machines. De waarde van deze techniek is duidelijk: op basis van “normale” operationele gegevens van machines die “gezond” zijn, kunnen wij nagaan wanneer nieuwe gegevenspunten afwijken van het “normale” gedrag en dus “ongezond” zijn. Wanneer we deze afwijkingen opmerken, kunnen we actie ondernemen.