Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Onderhoud en reparatie van apparatuur

Voorspellend onderhoud:een industrie van $ 28 miljard in de maak

Alexander Hill, medeoprichter van Senseye, kijkt naar de evolutie van voorspellend onderhoud in de afgelopen vijf jaar en identificeert enkele van de belangrijkste drijfveren achter de groei

em>

Een versnellende industrie

De afgelopen vijf jaar is voorspellend onderhoud goed en echt volwassen geworden. Na een vrij gestage evolutie van 25 jaar, waarbij CMMS-systemen plaats hebben gemaakt voor Enterprise Asset Management, voordat de weg werd vrijgemaakt voor meer traditionele Asset Performance Management-tools, samen met een geheel nieuwe generatie voorspellende, op onderhoud gerichte tools, betrouwbaarheid en prestaties van activa heeft echt zijn weg naar boven op de agenda gekregen.

Ter vergelijking:als er de afgelopen 25 jaar een evolutie van dergelijke systemen is geweest, is er de afgelopen vijf jaar een revolutie geweest.

Van niche tot mainstream

Vijf jaar geleden stond voorspellend onderhoud nog in de relatieve kinderschoenen, met een waarde van minder dan $ 1,5 miljard wereldwijd[1], waarbij de meeste systemen op zelfstandige basis werken en bestaan ​​uit 'doe-het-zelf'-achtige datawetenschapsoplossingen, waarbij de voordelen worden tegengehouden door een gebrek aan interoperabiliteit en begrip. In lijn hiermee waren voorbeelden van return on investment (ROI) schaars.

In de daaropvolgende jaren hebben echter geavanceerde integratiemogelijkheden en de beschikbaarheid van API's het gebruik van voorspellend onderhoud versneld, waarbij integratie met bestaande bedrijfssystemen, of het nu gaat om ERP, CMMS of EAM, steeds gebruikelijker wordt, en als resultaat dat grotere waarde wordt erkend.

Tegelijkertijd hebben een toename van de beschikbaarheid van sensoren en een verlaging van de kosten geleid tot een grotere vraag naar gebruiksgemak als het gaat om de implementatie van draadloze sensornetwerken, met

Gartner meldt dat voorspellend onderhoud een dominant aspect wordt voor Industry 4.0-gebruiksscenario's in veel bedrijfstransformaties.

Dit meer geïntegreerde, geavanceerde gebruik van de software heeft een enorme ROI opgeleverd. Het bewijs van deze ROI is de recent gelanceerde garantie van Senseye, ROI Lock ® , die, in samenwerking met SCOR, een wereldwijde eersteklas herverzekeraar, de abonnementskosten van klanten vergoedt als de doelstellingen voor het verminderen van uitvaltijd niet worden gehaald. Als je bedenkt dat, door gebruik te maken van Senseye's innovatieve platform voor voorspellend onderhoud, ongeplande uitvaltijd doorgaans tot 50% wordt verminderd, met een productiviteitsverhoging van 55% en een toename van de onderhoudsnauwkeurigheid van 85%, is het gemakkelijk te zien hoe de waarde de marktgroei stimuleert.

Gegevensbronnen

Een andere drijvende kracht achter deze evolutie is de kwaliteit en beschikbaarheid van gegevens. Toegang tot gegevens via een aantal bronnen, waaronder bestaande besturingssystemen, en niet alleen via achteraf aangebrachte sensoren, heeft organisaties in staat gesteld om innovatieve voorspellende onderhoudsprogramma's te starten met behulp van bestaande gegevens, of het nu gaat om het meten van cyclustijden, trillingen of motorstroom, waarbij sensoren vaak deel uitmaken van is van plan om initiatieven te verbeteren in plaats van te starten.

De komende vijf jaar

Met voorspellend onderhoud in 2021/2022 is de technologie geëvolueerd van een stand-alone, niche-framework of doe-het-zelf-oplossing naar een snelgroeiende applicatie die echt een hoge ROI en waarde oplevert voor organisaties - het is de killer-app van Industrie 4.0.

Met nieuwkomers op de markt zoals Amazon met hun Monitron-aanbod, is het duidelijk dat dit een sector is met serieuze mogelijkheden voor uitbreiding.

Versneld door Industry 4.0, IoT en AI voorspellen analisten dat de markt in een snel tempo zal blijven groeien en tegen 2026 $ 28,2 miljard waard zal zijn[2]. In de toekomst verwachten we dat het onderdeel zal uitmaken van bestaande bedrijfssoftware, of dat bedrijven zullen kiezen voor het beste van het ras en nauw integreren met bestaande systemen. Gartner voorspelt zelfs dat in 2026 60% van de IoT-oplossingen voor voorspellend onderhoud zal worden geleverd als onderdeel van enterprise asset management-producten, tegen 15% in 2021.

Ook zullen energie-intensieve industrieën, zoals de maakindustrie, een leidende rol spelen bij het bestrijden van klimaatverandering en het wereldwijd stimuleren van duurzaamheid.

Om duurzame en veilige industriële activiteiten te realiseren, is het duidelijk dat deze organisaties realtime gegevens, analyses en voorspellende onderhoudstechnologieën zullen moeten gebruiken om verbeteringen op de volgende belangrijke duurzaamheidsgebieden te ondersteunen:

  • Het energieverbruik in productieprocessen verminderen
  • Het verminderen van afval van materialen en reserveonderdelen
  • De levensduur van activa maximaliseren
  • Het verminderen van gezondheids- en veiligheidsrisico's

Vooruitkijkend zal voorspellend onderhoud net zo cruciaal zijn voor industriële organisaties als ERP of software voor financiële planning, omdat het een prestatieniveau van de apparatuur mogelijk maakt dat in overeenstemming is met het aantonen van best practices, het naleven van industrienormen en het stimuleren van concurrentievoordeel.


Onderhoud en reparatie van apparatuur

  1. De realtime waarde van voorspellend onderhoud
  2. De ultieme checklist voor voorspellend onderhoud
  3. Besparingen op kosten voor voorspellend onderhoud
  4. De toekomst van onderhoud:een praktische gids voor Industrie 4.0
  5. Predictief onderhoud implementeren met behulp van preventief onderhoud
  6. De voordelen van voorspellend onderhoud begrijpen
  7. Voorspellend onderhoud uitgelegd
  8. Op het gebied van onderhoud
  9. Het traject van voorspellend onderhoud verkennen
  10. Wat is voorspellend onderhoud?
  11. Bilfinger UK:Digitalisering realiseren in de procesindustrie