‘Smart maintenance’: nooit meer storingen dankzij slim voorspellen

Smart maintenance, predictive maintenance, Maintenance 4.0… De kans is groot dat je één van deze termen al eens vaker hebt gehoord. Niet verwonderlijk, want wetenschappers, knappe knoppen bij technisch dienstverleners én kunstmatige intelligentie zijn steeds beter in staat om storingen te voorspellen. En dat heeft verrassend veel voordelen!

Voorspellen wanneer iets stukgaat, zodat je tijdig kunt ingrijpen. Dat is (heel kort gezegd) de kern van smart maintenance. En dat kan veel voordelen opleveren ten opzichte van het traditionele ‘correctief onderhoud’. “De traditionele manier is eigenlijk heel efficiënt”, zegt Tiedo Tinga, hoogleraar dynamics based maintenance aan de Universiteit van Twente. “Je gebruikt componenten immers voor hun volledige levensduur en vervangt ze pas als je er niks meer aan hebt. Toch is dat in veel gevallen niet gewenst. Als een component onverwachts stukgaat en de productie in een fabriek komt erdoor stil te liggen, is dat al snel een heel duur grapje.”

Om zulke incidenten te voorkomen, kun je componenten beter vervangen vóórdat ze stukgaan. En daar is nog ontzettend veel winst te behalen. “Omdat we niet precies weten wanneer iets stukgaat, gaan we doorgaans aan de extreem veilige kant zitten”, aldus Tinga. “Het nadeel daarvan: je vervangt wellicht componenten die nog lang niet aan het einde van hun levensduur zijn. En je gooit daarmee materialen weg die nog prima bruikbaar zijn. De grote vraag is dan ook: wanneer gaan installaties precies stuk? Als je dat kunt voorspellen, kun je het moment dat je componenten vervangt steeds verder opschuiven. Smart maintenance voorkomt dat je te laat bent, maar ook dat je te vroeg bent. En dat kan tot grote kostenbesparingen leiden.”

Data verzamelen en analyseren

Maar hoe voorspel je wanneer iets stukgaat? Kort samengevat: door data te verzamelen en daar analyses op los te laten. Dat kan op allerlei manieren. Tinga: “Als je de mean time between failures (gemiddelde tijd tussen storingen, red.) van een machine berekent, heb je al een grove schatting in handen waarop je onderhoud kunt afstemmen. Ook dat is smart maintenance.”

Door sensors toe te passen is het echter mogelijk om veel preciezere voorspellingen te doen. Die meten bijvoorbeeld de slijtage of corrosie van componenten. Veranderende vibratie van een roterend onderdeel kan wijzen op toenemende slijtage en (daardoor) kans op een storing. “Maar denk ook aan thermografie of olie-analyse”, aldus Tinga. “Er zijn talloze manieren om de conditie van een machine te monitoren.” Op basis van de verzamelde data kun je vervolgens modellen en algoritmes bouwen, die kunnen voorspellen wanneer onderhoud nodig is.

Bedreiging of kans?

Steeds meer technisch dienstverleners passen een vorm van smart maintenance toe, merken ze ook bij Techniek Nederland. “Klanten vragen ernaar”, verklaart Michel Wijbrands, vakgroep- en programmamanager van de branchevereniging. “Die zien de mogelijkheden die digitalisering met zich meebrengt en vinden dat natuurlijk interessant. De mogelijke kostenbesparing is een belangrijke reden voor hun interesse in smart maintenance, maar er zit ook een duurzaamheidsgedachte achter: hoe kun je je assets zo duurzaam mogelijk gebruiken en inrichten? Daar kan smart maintenance een rol in spelen.”

Vervolgvragen stellen

Dat bewijst Beenen BV, dat smart maintenance al jaren toepast bij meerdere klanten. De specialist op het gebied van industriële automatisering gebruikt verzamelde data voor slim onderhoud ook om klanten op andere manieren te helpen. Alex van Dalen, algemeen directeur bij Beenen Industrial Automation: “Als je die data eenmaal hebt verzameld, kun je aan de hand daarvan ook vervolgvragen stellen. Waardoor valt de machine eigenlijk uit? En kunnen we aanpassingen doen om periodes tussen storingen te verlengen of, beter nog, om storingen te voorkomen?”

Bij een kaasproducent ontdekte Beenen bijvoorbeeld al snel dat de productie van de ene kaassoort 50 procent meer storingen veroorzaakte dan de ander. “De klant liet de instellingen van de machines altijd op de standaardwaarden staan, maar elke kaassoort is anders en heeft zijn eigen optimale instellingen”, aldus Van Dalen. “Toen we de klant daarvan op de hoogte stelden, kon die de instellingen van hun machinepark aanpassen en nam het aantal storingen snel af.”

Complete machineparken monitoren

Ook technisch dienstverlener Croonwolter&dros past smart maintenance al een tijdje toe in zijn dienstverlening, bijvoorbeeld bij waterzuiveringsbedrijven, energiedistributeurs en in de procesindustrie. Dat begint al in de ontwerpfase, vertelt commercieel directeur Jaap Reijntjes: “In die fase houd je al rekening met de gehele levensduur van het machinepark, dus ook met het onderhoud.”

Door middel van sensors die data verzamelen en algoritmes die de data interpreteren kunnen Reijntjes en zijn collega’s complete productielijnen en machineparken volledig digitaal monitoren en indien nodig tijdig ingrijpen. Dat is voor de technisch dienstverlener zelf ook interessant. Reijntjes: “Waar we vroeger wellicht meerdere malen per week fysiek aanwezig moesten zijn voor controle en onderhoud, kunnen we dat nu flink terugschroeven. We zorgen voor minder uitval met dezelfde arbeidskrachten; geen overbodige luxe in deze tijden van personeelsschaarste.”

Behoudende markt

Ondanks deze voordelen is nog lang niet iedereen bezig met smart maintenance. Sterker nog, Beenen BV en Croonwolter&dros behoren tot een klein groepje voorlopers. “De industrie- en infrasector zijn over het algemeen erg behoudend en investeringen worden voor meerdere jaren gedaan”, verklaart Wijbrands. “Daardoor staat smart maintenance nog niet overal op de agenda.”

Dat is zonde, want op technologisch vlak kan er veel. “We kunnen nu al heel nauwkeurig voorspellen wanneer iets stukgaat”, zegt Tinga. “De datawetenschap, kunstmatige intelligentie, algoritmes en sensors die je daarvoor nodig hebt, zijn gewoon beschikbaar.”

Dataregistratie op orde

Uitdagingen zijn er ook, benadrukt hij, maar vooral in de randvoorwaarden. “Hoewel er nog veel winst te boeken is, voorkomt onderhoud nu al veel defecten en storingen. Daardoor is er weinig data beschikbaar over wanneer iets stukgaat, maar die informatie hebben we wel nodig om tot goede voorspellende algoritmes te komen. Dat is een fundamenteel probleem.”

Tinga en collega’s proberen dat probleem op te lossen door in een pilot bij De Marine bepaalde niet-kritische onderdelen bewust niet te onderhouden. “We proberen dat nu uit met een pomp en injectoren op een dieselmotor. Die pilot geeft zicht op de echte levensduur (die soms wel twee keer langer is dan het onderhoudsinterval) én levert extra data op. Daarmee krijgen we zicht op de patronen die bij storingen horen. Dat kunnen in de toekomst gebruiken om dit soort storingen tijdig te herkennen.”

Daarnaast is de nauwkeurigheid van voorspellende algoritmes erg afhankelijk van de nauwkeurigheid van dataregistratie. Ook daar is nog een wereld te winnen, aldus Tinga: “Hoe is de machine gebruikt? Onder welke omstandigheden? Zijn de instellingen door de jaren heen aangepast? Veel bedrijven hebben die data niet paraat. Dat maakt het een stuk lastiger om een algoritme te schrijven dat overeenkomt met de realiteit.”

De kosten en de baten

Maar wie vanaf het ontwerp van installaties rekening houdt met de mogelijkheden van smart maintenance én ervoor zorgt dat de dataregistratie op orde is, kan nu al zeer nauwkeurig voorspellingen doen. Hoe nauwkeurig? Honderd procent zal het nooit zijn, zegt Tinga. “Als je nooit meer verrast wil worden door degradatieprocessen van machines en installaties, dan kan dat in theorie nu al. Dan blijven alleen de incidenten, zoals weersomstandigheden en menselijke fouten, onvoorspelbaar. Die kan geen algoritme voorspellen.”

De vraag is in veel gevallen echter of je dat moet willen. Want hoe nauwkeuriger het voorspellen, hoe hoger het prijskaartje. En dat is niet altijd een zinvolle investering. Tinga: “Stel dat er in een fabriek elke vier weken onderhoud plaatsvindt; dan hoef je alleen maar te weten of er vóór die vier weken onderhoud nodig is. Extra nauwkeurigheid levert dan niets op.”

Tinga raadt bedrijven die met smart maintenance aan de slag willen dan ook aan om zich in eerste instantie te focussen op de meest kritieke onderdelen van installaties. “Breng je bedrijfsvoering in kaart en vraag je af: waar zou voorspellend onderhoud tot de meeste besparingen leiden? Richt je in eerste instantie vooral daar op.”

Monitoren wordt de norm

Volgens Wijbrands ligt er een belangrijke rol voor monteurs, installateurs en andere technisch dienstverleners om klanten in de infra- en industriesector op de kansen van smart maintenance te wijzen. “Zij zien de ontwikkelingen echt wel, maar weten misschien niet hoe ze er invulling aan kunnen geven. Ondersteun hen dus, door je te verdiepen in het proces van de eindklant en te onderzoeken hoe data hen meerwaarde kan bieden.”

Het zal technisch dienstverleners sowieso geen windeieren leggen om daarmee aan de slag te gaan, besluit hij: “Het monitoren van processen wordt steeds meer de norm. De grote vraag is: hoe ga je die data benutten? Daar gaat de meerwaarde zitten en die informatie zal steeds leidender worden in de opdrachten die onze leden krijgen. De verschuiving naar slim onderhoud wordt een grote. Daar móét je in mee.”