Columns

Waarom wachten we zo lang met predictive maintenance? | Martin van den Hout

19 april 2022

Twintig jaar geleden was het al mogelijk om monteurs en operators met handheld devices te laten werken in het veld. Veel managers spraken er toen over, hoe handig het zou zijn om inspectielijsten, werkorders en informatie van assets ter plaatse op je scherm te zien. De meesten kochten echter nog geen handheld devices, met argumenten als: ‘daar zijn we nog niet klaar voor’, of ‘dat is wat te geavanceerd voor ons’. Zelfs toen hun kinderen vanaf 2007 de hele dag op het scherm van hun mobiele telefoon zaten te werken en te communiceren, vonden velen het toch nog wat te vooruitstrevend om toe te passen op de werkplek. In 2012 zat ik in een rondetafelgesprek met een aantal technisch managers van grote chemische bedrijven. Een van de aanwezigen stelde de vraag: ‘er zitten zoveel data in onze plants. Waarom doen we daar zo weinig mee?’ Nu zijn we tien jaar verder en is tweederde van de bedrijven nog steeds niet gestart met het benutten van de mogelijkheden op dit gebied. Pas nu is de golf op gang aan het komen van investeringen in predictive maintenance en ‘big data driven process and quality optimization’.

Misschien is wel de belangrijkste reden dat het allemaal zo traag gaat het feit dat er zo veel ontwikkelingen tegelijkertijd plaatsvinden.

Misschien is wel de belangrijkste reden dat het allemaal zo traag gaat het feit dat er zo veel ontwikkelingen tegelijkertijd plaatsvinden. Het zou kunnen zijn dat mensen daardoor overweldigd raken. Moeten je nu aan de gang met predictive maintenance of met augmented reality brillen? Met virtual reality training of met digital twins? Gelukkig komen er nu steeds meer concrete toepassingen op de markt. Het is vrij eenvoudig om een augmented reality bril aan te schaffen, zodat technisch specialisten op een andere locatie je plaatselijke medewerkers kunnen helpen bij het oplossen van problemen. Ik hoorde van een vriend die in de service werkt voor complexe machines, dat pas tijdens de coronapandemie buitenlandse klanten bereid waren een augmented reality bril te gaan gebruiken, zodat er niet langer technici uit Nederland moesten overvliegen. De meest veelbelovende ontwikkeling op dit moment vind ik persoonlijk het predictive maintenance. Tot nu toe bestond dat bij veel bedrijven uit een paar keer per jaar een inspectieronde laten uitvoeren door een specialist die bijvoorbeeld trillingsmetingen kwam uitvoeren. Tegenwoordig bouwen steeds meer bedrijven continue bewaking in in hun proces. Reliability engineers analyseren welke componenten het systeem moet bewaken en welke parameters daarvoor relevant zijn. Veel mensen denken meteen aan trillingsmetingen. Die vormen vaak inderdaad een onderdeel van een dergelijk systeem, maar ook bestaande procesinstrumentatie levert een belangrijke input. Drukken, temperaturen en flows zeggen veel over ophanden zijnde storingen. Het vereist kennis en ervaring om de juiste punten te kunnen definiëren. De kunst is niet om vijftig Gigabyte aan data per dag te verzamelen, maar om de juiste informatie te verzamelen. De term ‘predictive maintenance’ dekt eigenlijk onvoldoende de lading. Je zou denken dat een dergelijk systeem alleen alarm geeft als een systeem in conditie achteruit gaat en actie nodig is om een storing te voorkomen. Er is echter veel meer mogelijk. Als je de juiste data verzamelt, kan je ook analyses uitvoeren van het gedrag van installaties. Hiermee kan je verbeteringen doorvoeren, die het aantal storingen nog verder terugdringen. Je kan echter nog veel meer met de analyses van een predictive maintenance systeem. Steeds meer bedrijven gebruiken de data ook om hun proceskwaliteit en energieverbruik te optimaliseren. Als je bijvoorbeeld de trillingen meet van een snijmolen, kan je ook zien dat zijn messen bot aan het worden zijn. Door precies op tijd te slijpen kan een bedrijf een optimale balans bereiken tussen onderhoudskosten, energiegebruik en productkwaliteit.