Voorkom verrassingen met
Voorspellend Onderhoud

Hoe reduceer je de kosten voor het onnodig vervangen van onderdelen? En hoe voorkom je dat de productielijn – ondanks het preventieve onderhoud – toch stilstaat door onvoorspelbare mankementen? De tijdige detectie in degradatie van specifieke machineonderdelen is hierbij de oplossing.

Zo maakt ‘Preventief Onderhoud’ gebruik van richtlijnen om te bepalen wanneer onderdelen vervangen ‘zouden moeten worden’. De vraag is echter, of een onderdeel sneller of langzamer degradeert dan deze vervangingsrichtlijn.

Hier komt ‘Voorspellend Onderhoud’ om de hoek kijken. Bij Voorspellend Onderhoud maak je gebruik van data over de werkelijke conditie van de machine, in plaats van tijd of leeftijdsgebonden vervangingsmomenten. Op het moment dat je écht de staat van een onderdeel weet, kun je onderhoudsmaatregelen nauwkeuriger toepassen. Hierdoor wordt de investering in elk onderdeel beter benut en weet je precies wat je moet vervangen, voordat het te laat is.

Het ontstaan van Voorspellend Onderhoud

Big data, industrie 4.0, machine learning, predictive maintenance zijn begrippen die meer en meer besproken worden. Maar wat kun je er nu écht mee in de praktijk? Is het een interessant onderwerp voor uw organisatie? Waar moet er gestart worden? Misschien nog belangrijker, wat willen we eruit halen?

Voorspellend Onderhoud omvat het opnemen van data, het verzamelen van de data, het analyseren van de data en daaruit actie ondernemen. Bij voorkeur geautomatiseerde acties. Het opnemen en verzamelen van de data doet men al sinds de jaren 80, echter was er nog geen goede mogelijkheid tot analyse en omzetten tot actie.

Het is nu wel mogelijk, gebruikmakend van de reeds beschikbare sensoren, PLC’s en MES/DCS laag in de fabriek. Onafhankelijk van de fabrikant van de sensoren, PLC’s of MES/DCS laag.

De aanpak van Pontifexx

Pontifexx begint met het einde in gedachte, wat willen we er samen uithalen? Dit wordt bepaald in een meetpunten sessie waarin bepaald wordt welke risico’s en (veelvoorkomende) storingen voorkomen moeten worden. In de meeste gevallen is van deze grote risico’s en veelvoorkomende storingen een beeld van de kosten waardoor de business case vrij gemakkelijk gemaakt is.

Op basis van de storingen en risico’s wordt in een multidisciplinair team de benodigde meetpunten bepaald. De praktijk leert dat 90% van de gewenste meetpunten reeds aanwezig zijn of middels een afgeleide sensor beschikbaar gesteld kan worden. Van de overige 10% kan besloten worden of deze wel of niet worden aangeschaft.

Wanneer de meetpunten beschikbaar zijn kunnen de dashboards opgemaakt worden. Omdat Pontifexx werkt met het intuïtieve ‘Innius systeem’, zijn de dashboards vaak binnen 1 dag samengesteld. Vanaf dat moment start de periodieke analyse. In de regel wordt elke twee weken bekeken wat er uit de data geleerd kan worden.

Vanuit de te voorkomen storingen en risico’s wordt al snel nagedacht hoe er meer voorkomen/voorspeld kan worden. Dit loopt uiteen van storingen tot het reduceren van instel- en omsteltijden. Zo’n 3 jaar geleden was big data nog een utopie, nu een onmisbare tool geworden voor de moderne onderhoudsorganisatie.

Ons doel

Pontifexx ondersteunt graag met een voorzichtige en structurele implementatie van deze nieuwe onderhoudsstrategie. Samen beginnen we klein en bouwen alleen verder als de aanpak meer oplevert dan hij kost. Dat is ons doel.

Welke tool gebruiken we?

Innius is een web-based systeem dat sensoren uitleest ongeacht merk/model. Innius kan data op ieder niveau uit de organisatie ontvangen. Het is bijvoorbeeld mogelijk om data uit het ERP systeem te combineren met sensor data om zo te bepalen wat de winst/verlies op order niveau is.

Pontifexx heeft gekozen voor de samenwerking met Innius omdat zij haar eigen software schrijven, beheren en een hoge standaard in data security hebben. De aanvangsinvestering is minimaal omdat er gewerkt wordt met een SaaS (software as a service) overeenkomst zonder opzegtermijn. De software is zo ontwikkeld dat de onderhoudsorganisatie zelf ermee overweg kan zonder dat software engineers eraan te pas hoeven komen zoals dit vaak het geval is bij de MES en DCS systemen.

Benieuwd hoe wij u kunnen helpen?

Kom in contact met onze specialist voor een vrijblijvend adviesgesprek

Contact expert blok Johan

Johan van de Pol

De instapkosten voor het Innius systeem zijn erg laag omdat er betaald wordt per datapunt per maand. Dus zelfs wanneer er slechts een paar kritische installaties zijn, is de ROI al snel gerealiseerd.

Klantcases

No data was found

Pontifexx DNA test