Elimineer te hoge uitgaven aan onderhoud

Het verminderen van uitvaltijd staat misschien bovenaan uw wensenlijst als u kiest voor een Predictive Maintenance-regime, maar er zijn nog andere grote voordelen. Vergeet het potentiële voordeel van het elimineren van overmatig onderhoud niet.

Overmatig onderhoud is ingebouwd in elk gepland onderhoudsprogramma dat afhankelijk is van het uitvoeren van taken met regelmatige, vooraf bepaalde intervallen. Dat komt omdat iedereen, van OEM's tot onderhoudsmanagers, een veiligheidsmarge inbouwt in onderhoudsintervallen 'voor de zekerheid'.

De hoge kosten van voorzichtigheid

Neem als voorbeeld de richtlijnen voor het vervangen van een levenslang gesmeerd lager. Aanbevolen vervangingsintervallen kunnen variëren van 16.000 tot 40.000 bedrijfsuren. Elke lagerwisseling duurt tussen de 30 minuten en 2 uur. De manuren die worden besteed aan het vervangen van lagers zullen 2,5 keer groter zijn bij een vervangingsinterval van 16.000 uur, vergeleken met 40.000 uur. Er zijn duizenden lagers op een typische industriële site, dus dat zijn enorme extra kosten.

Predictive Maintenance kan deze overschrijding van onderhoud vrijwel elimineren door teams in staat te stellen onderhoud op het nippertje uit te voeren om een ​​storing te voorkomen, in plaats van met vaste tussenpozen. Tegelijkertijd vermindert het de uitvaltijd drastisch en belooft het aanzienlijke productiviteitswinsten.

Predictive Maintenance is echter alleen mogelijk met ondersteuning van effectieve conditiemonitoring, die op betrouwbare wijze kan voorspellen wanneer elk onderdeel het begeeft. Conditiebewaking is op zijn beurt afhankelijk van het nemen van realtime gegevens van machines en deze gebruiken om een ​​beeld te vormen van de zich ontwikkelende toestand van de apparatuur.

Spelveranderende technologieën

Conditiebewaking is recentelijk voor het eerst een betaalbare en praktische propositie geworden in veel industrieën, dankzij de komst van technieken en technologieën die verband houden met Industrie 4.0. Draadloze communicatie maakt het bijvoorbeeld goedkoper en minder storend om een ​​netwerk van goedkope sensoren te installeren om de benodigde machinegegevens in conditiebewakingssystemen te brengen. Ondertussen biedt cloudgebaseerde software ongekende schaalbaarheid en kunnen procesoperators of OEM's installaties in realtime bewaken.

Sterker nog, een nieuwe generatie oplossingen voor kunstmatige intelligentie en machine learning stellen conditiebewakingssystemen in staat om de analyse van gegevens te automatiseren, waardoor bruikbare inzichten worden verkregen zonder dat deskundige analisten zich over elk stukje gegevens hoeven te verdiepen. Waarom zou u consultants betalen om machinestoringen te voorspellen als dit nu automatisch kan, in de cloud en zonder handmatige tussenkomst?

Beter gericht op onderhoud

Senseye PdM loopt voorop in het gebruik van geavanceerde machine learning voor conditiebewaking. De unieke gepatenteerde algoritmen kunnen gegevens omzetten in een nauwkeurige voorspelling van de resterende gebruiksduur (RUL) van productiemiddelen - een techniek die prognostiek wordt genoemd.

Senseye PdM maakt verbinding met bestaande gegevensbronnen terwijl de normale werking van de machine gewoon doorgaat. Gedurende 14 dagen werkt het op de achtergrond om normaal machinegedrag te analyseren, evenals historische gegevens, indien beschikbaar. Het is dan klaar om de inzichten te bieden die nodig zijn om te beginnen met het bouwen van een schaalbaar Predictive Maintenance-programma.

Dit betekent in de praktijk dat Senseye PdM u op elk moment kan vertellen hoe elke asset op uw site presteert door automatisch machinegegevens te verzamelen en te analyseren. De algoritmen van de oplossing kunnen updates voor individuele activa genereren en precies aangeven waar onderhoudsteams hun inspanningen op korte termijn moeten richten, en helpen bij het optimaliseren van plannen voor toekomstig onderhoud.

Typische implementaties kunnen de uitvaltijd halveren, de productiviteit met 55% verhogen en de nauwkeurigheid van het onderhoud met 85% verhogen.

Het is dit laatste cijfer dat het meest verband houdt met een vermindering van overmatig onderhoud, wat een van de belangrijkste voordelen is die ervoor zorgen dat Predictive Maintenance tussen 8 en 12% op de onderhoudskosten kan besparen in vergelijking met gepland onderhoud ¹ . En aangezien typische industriële bedrijven tussen de 15 en 40% van hun lopende budget aan onderhoud besteden, is dat een enorme besparing ² .

Wilt u meer weten over hoe Sensey PdM u kan helpen de onderhoudsuitgaven te optimaliseren en de productiviteit te verhogen? Bekijk onze whitepaper 'Eliminate Overspending On Maintenance' of boek vandaag nog een demo van Senseye PdM.

1. VS Ministerie van Energie
2. Lofsten, 2000