Preventief onderhoud:van downtime tot uptime

Fabrikanten hebben lange tijd te maken gehad met apparatuurstoringen. Hoewel ze onvermijdelijk zijn, mogen defecten aan apparatuur geen ernstige uitvaltijd veroorzaken, de winst opeten of fabrikanten ertoe aanzetten hun budget te overschrijden. Dit zijn meestal de worstcasescenario's - en de redenen waarom apparatuurstoringen moeten worden vermeden.

Deze uitdagingen worden nog verergerd door de complexe productiefaciliteiten van vandaag, bestaande uit datanetwerken, geïntegreerde hardware en een groot aantal geautomatiseerde systemen. Als gevolg hiervan beschikken de meeste fabrikanten niet over voldoende onderhoudsmethoden. In een rapport van Infraspeak staat zelfs dat 93 procent van de bedrijven hun onderhoudsprocessen als niet erg efficiënt beschouwt.

Dit werpt een licht op het gebrek aan effectieve onderhoudsprogramma's in de productiesector, waardoor fabrieken onveilig, minder concurrerend en veel minder winstgevend worden.

Gelukkig biedt voorspellend onderhoud uitkomst.

De toekomst voorspellen

Voorspellend onderhoud is een manier om elk mogelijk scenario van hardwarestoringen te voorspellen, te identificeren wanneer onderhoud nodig is en onderhoudspersoneel te waarschuwen, indien nodig, en om preventieve oplossingen te bieden.

Iedereen die binnen het productie-ecosysteem opereert, begrijpt dat storingen en storingen dag in, dag uit gebeuren. De bedoeling van voorspellend onderhoud is niet alleen om deze storingen te voorkomen of te verminderen, maar om fabrieken te helpen bij het behalen van hoge efficiëntienormen en het leveren van kwaliteitsproducten in het proces.

Een voorspellend onderhoudsprogramma kan onverwachte storingen tot 90 procent verminderen, waardoor storingen vrijwel worden geëlimineerd. De eerste stap om dit te bereiken, is ervoor zorgen dat uw onderhoudsstrategie de best practices volgt. Fabrieksmanagers moeten bijvoorbeeld regelmatige inspecties, upgrades en probleemoplossing plannen om storingen te voorkomen, wat een sterke basis vormt voor een voorspellend productieprogramma om op voort te bouwen.

Gevaar voelen

Om voorspellende productie effectief uit te voeren, moet de fabrieksmanager zoveel mogelijk gegevens verzamelen. Dit is cruciaal bij het implementeren van een preventieve onderhoudsstrategie, want hoe meer gegevens er beschikbaar zijn om te analyseren, hoe nauwkeuriger de voorspellingen van defecten zullen zijn.

Een uitgangspunt zou zijn om slimme sensoren te gebruiken. Slimme sensoren, gekoppeld aan machine learning-algoritmen, helpen bij het detecteren van afwijkingen in industriële machines. Bovendien kan software met beter opgeleide algoritmen nauwkeurig voorspellen wanneer machines het risico lopen te falen.

Slimme sensoren die gegevens verzamelen in industriële IoT-omgevingen, kunnen bijvoorbeeld de temperatuur bijhouden en versleten componenten identificeren, zoals defecte elektrische circuits. Evenzo kunnen gespecialiseerde slimme sensoren trillingsanalyses uitvoeren op een bepaald onderdeel en eventuele gevallen van verkeerde uitlijning, gebogen assen of andere motorproblemen identificeren. Naarmate de technologie geavanceerder wordt, kunnen slimme sensoren meer parameters bewaken, waardoor een steeds nauwkeuriger beeld ontstaat van de toestand van een machine.

Op basis van deze gegevens kunnen fabrikanten een analyse uitvoeren van de kritieke activa om faalwijzen vast te stellen. In dit geval ligt de focus op de frequentie van storingen, de ernst van machinestoringen en de moeilijkheid om storingen te identificeren.

Door apparaten voor conditiebewaking aan te sluiten op een CMMS, kunnen fabrieksmanagers waarschuwingen instellen om onderhoudspersoneel te informeren over eventuele fouten of afwijkingen in de apparatuur. Dit biedt de mogelijkheid om gepland onderhoud te plannen wanneer onderdelen moeten worden vervangen, waardoor de kans op een ernstige storing wordt weggenomen.

Sensortechnologie kan bijvoorbeeld worden geïntegreerd met verschillende low-level fluid-powerproducten, van connectoren, slangen en slangen tot pompen, motoren, actuatoren en filters. Sommige diagnostische gegevens die door regelkleppen worden gegenereerd, kunnen van vitaal belang zijn bij het oplossen van stroomproblemen.

Op de uptime

Uit een recent onderzoek van PricewaterhouseCoopers bleek dat 95 procent van de respondenten aangaf dat voorspellend onderhoud ten minste één belangrijke drijfveer voor onderhoud verbeterde, en 60 procent zag een duidelijke verbetering in de uptime van apparatuur.

Voor fabrieksmanagers om dit succes in hun faciliteit te zien, is het gebruik van sensoren om informatie over apparatuur te verzamelen echter een essentieel onderdeel. Recente machines hebben meestal verschillende opties voor realtime data-acquisitie, maar oudere apparatuur kan ook achteraf worden uitgerust met goedkope add-on sensoren. Voorspellend onderhoud kan een essentieel hulpmiddel zijn bij het omgaan met verouderde activa, waarvoor een zorgvuldige planning vereist is om verouderde reserveonderdelen te vinden.

Dit is waar deskundige consultants bij leveranciers van automatiseringsonderdelen, zoals EU Automation, kunnen helpen bij het vinden van onderdelen en hen helpen bij hun voorspellend onderhoudstraject. Of fabrieksoperators nu op zoek zijn naar slimme sensoren om hun voorspellend onderhoudstraject te beginnen, of vervangende onderdelen om correctief onderhoud uit te voeren op oudere machines, het ontwikkelen van een relatie met een betrouwbare onderdelenleverancier is essentieel.

Hoewel een bepaalde mate van uitval van apparatuur onvermijdelijk is, mag dit geen ongeplande uitvaltijd en slechte kwaliteit van de activa veroorzaken. Dit kost de productie- en procesindustrie miljarden per jaar. In plaats daarvan zal een volwaardig en effectief plan voor voorspellend onderhoud helpen om uitvaltijd aanzienlijk te voorkomen en te verminderen, en tegelijkertijd de winstgevendheid van een fabriek te vergroten door meer uptime.