Proactief onderhoud: Downtime omzetten in uptime en winst beschermen

Fabrikanten hebben al lang te maken met machinedefecten. Hoewel onvermijdelijk, mogen defecten geen ernstige stilstand veroorzaken, winsten opeten of budgets laten overschrijden. Dat zijn de worst-case scenario's – en de redenen waarom machinedefecten vermeden moeten worden.

Deze uitdagingen worden verergerd door de huidige complexe productiefaciliteiten, bestaande uit datanetwerken, geïntegreerde hardware en een hoop geautomatiseerde systemen. Als gevolg hebben de meeste fabrikanten geen voldoende onderhoudsmethodieken. Een rapport van Infraspeak stelt dat 93 procent van de bedrijven hun onderhoudsprocessen niet efficiënt vindt.

Dit belicht het gebrek aan effectieve onderhoudsprogramma's in de productiesector, waardoor fabrieken onveilig, minder competitief en veel minder winstgevend zijn.

Gelukkig biedt predictief onderhoud een oplossing.

De toekomst voorspellen

Predictief onderhoud is een manier om elk mogelijk scenario van hardwaredefecten te voorspellen, te bepalen wanneer onderhoud nodig is en het onderhoudspersoneel te waarschuwen, evenals preventieve oplossingen te bieden.

Iedereen die in het productie-ecosysteem opereert, begrijpt dat falen en uitvallen dag in, dag uit voorkomen. De bedoeling van predictief onderhoud is niet alleen om deze uitvallen te voorkomen of te verminderen, maar om productiefaciliteiten te helpen hoge efficiëntienormen te halen en kwaliteitsproducten te leveren.

Een predictief onderhoudsprogramma kan onverwachte fouten met maximaal 90 procent reduceren, waardoor uitvallen bijna geëlimineerd worden. De eerste stap is ervoor zorgen dat je onderhoudsstrategie best practices volgt. Bijvoorbeeld: plantmanagers moeten regelmatige inspecties, upgrades en troubleshooting plannen om uitvallen te voorkomen, wat een stevige basis vormt voor een predictief productieprogramma.

Gevaar detecteren

Om predictieve productie effectief uit te voeren, moet de plantmanager zoveel mogelijk data verzamelen. Dit is cruciaal bij elke preventieve onderhoudsstrategie, omdat hoe meer data beschikbaar is voor analyse, des te nauwkeuriger de uitvalvoorspellingen zijn.

Een startpunt is het gebruik van slimme sensoren. Slimme sensoren, gecombineerd met machine learning-algoritmen, helpen afwijkingen in industriemachines te detecteren. Bovendien kunnen met beter getrainde algoritmes software nauwkeurig voorspellen wanneer machines risico lopen op defect.

Bijvoorbeeld: slimme sensoren die data verzamelen in industriële IoT-omgevingen, kunnen temperatuur monitoren en zo verslechterde componenten identificeren zoals defecte elektrische circuits. Specialistische slimme sensoren kunnen trillinganalyse uitvoeren op een specifiek onderdeel, wat misalignement, gebogen assen of motorgebreken aan het licht brengt. Naarmate de technologie geavanceerder wordt, kunnen slimme sensoren meer parameters monitoren, wat een steeds nauwkeuriger beeld geeft van de staat van een machine.

Vanuit deze data kunnen fabrikanten een analyse van cruciale activa uitvoeren om falenmodellen vast te stellen. Hierbij ligt de focus op de frequentie van fouten, de zwaarte van machinedefecten en de moeilijkheid om fouten te identificeren.

Door conditiemonitoringapparaten te koppelen aan een CMMS (Computerized Maintenance Management System), kunnen plantmanagers waarschuwingen instellen die het onderhoudspersoneel informeren over fouten of afwijkingen in de apparatuur. Dit biedt de mogelijkheid om gepland onderhoud in te plannen wanneer onderdelen vervangen moeten worden, wat de kans op een ernstige uitval uitsluit.

Bijvoorbeeld: sensortechnologie kan geïntegreerd worden met verschillende low-level vloeistofstroomproducten – van koppelingen, slangen en buizen tot pompen, motoren, actuatoren en filters. Een deel van de diagnostische data die gegenereerd wordt door regelaars kan vitaal zijn bij het oplossen van stroomproblemen.

Op de uptime

Een recente enquête van PricewaterhouseCoopers vond dat 95 procent van de respondenten rapporteerde dat predictief onderhoud ten minste één sleutelwaardedriver verbeterde, met 60 procent die een duidelijke verbetering in machine-uptime zag.

Toch is voor plantmanagers om dit succes in hun faciliteit te zien, het gebruik van sensoren om informatie over apparatuur te verzamelen een vereist kritisch component. Recente machines leveren meestal opties voor realtime data-acquisitie, maar oudere apparatuur kan ook uitgerust worden met goedkope add-on sensoren. Predictief onderhoud kan een vitaal instrument zijn bij het omgaan met verouderde activa, die zorgvuldige planning vereisen voor het bemachtigen van verouderde reserveonderdelen.

Hier kunnen expertconsultants van automatiseringonderdelleveranciers, zoals EU Automation, helpen bij het bemachtigen van onderdelen en begeleiden op hun predictieve onderhoudsreis. Of plantoperators nu zoeken naar slimme sensoren om hun predictieve onderhoudsreis te starten, of vervangende onderdelen voor correctief onderhoud aan legacy machines, het opbouwen van een relatie met een betrouwbare onderdelleverancier is essentieel.

Hoewel een zekere mate van machinedefecten onvermijdelijk is, mag het geen ongeplande stilstand en slechte assetkwaliteit veroorzaken. Dit kost de productie- en procesindustrie miljarden per jaar. In plaats daarvan zal een volwassen en effectief predictief onderhoudsplan helpen stilstand significant te voorkomen en te verminderen, en tegelijkertijd de winstgevendheid van een fabriek te verhogen door verhoogde uptime.