Elke dag, in elke productieomgeving, gebeuren falen en downtime. Dat is gewoon een realiteit als je te maken hebt met apparatuur die een repetitieve taak uitvoert. Het probleem is echter dat productie in de huidige markten efficiëntie en kwaliteitsproductie vereist. Ongeplande downtime in slechts één machine in een "just-in-time" productieomgeving kan vertragingen veroorzaken die leiden tot ontevreden klanten, mogelijke afstoot van die klanten naar een concurrent, en een directe hit op de bottom line van een bedrijf.

Een van de werkelijk geweldige resultaten van de groei van (Internet of Things) is het feit dat machine data benut kan worden om de operationele kosten en impact van downtime, zowel gepland als ongepland, te beperken. Dit is anders bekend als predictief onderhoud.

Wat Is Predictief Onderhoud?

Predictief onderhoud - of PdM, in het kort - is een methode om onderhoudsvereisten in machines op een fabrieksvloer te anticiperen. Door operationele data van de machines te analyseren, ontduiken patronen die operators in staat stellen een begrip te ontwikkelen van falenmodi en te voorspellen wanneer onderhoud vereist zal zijn op een gegeven eenheid, wat het mogelijk maakt om het te plannen tijdens minder kostbare tijden.

In het verleden zouden fabrikanten vertrouwen op reactief onderhoud en andere onderhoudsstrategieën, anders bekend als de "als het niet kapot is, repareer het niet" methode. Je kunt je goed voorstellen dat machines alleen serviceren als ze kapot gingen een enorme kost was, zowel in termen van ongeplande downtime en de potentiële impact op andere delen van de machine, alsook de kwaliteit van de output voor de tijd dat het onderdeel faalde.

In de loop van de tijd zochten bedrijven zich te verplaatsen van reactief onderhoud en preventieve onderhoudsstrategieën te implementeren. Maar preventief onderhoud steunde op gemiddeldes en weerspiegelde niet de huidige of realtime conditie van apparatuur.

Hoewel preventief en predictief onderhoud een stap vooruit is ten opzichte van reactief onderhoud, is er een duidelijke winnaar. Het implementeren van predictief onderhoud steunt op specifieke informatie opgehaald van elke machine om potentiële problemen te detecteren. Een voorbeeld zou trillingsanalyse zijn.

Een model dat een baseline gebruikt om predictieve onderhoudsdata voor een machine te verzamelen, zal in staat zijn om veranderingen te detecteren, zoals een toename in trilling in een specifiek deel, wat kan worden veroorzaakt door schade of de introductie van een vreemd object. Afwijkingen van de baseline staan operators toe om een onderhoudsbehoefte te voorspellen voordat het probleem ernstig wordt, wat resulteert in apparatuurfalen.

Hoe Werkt Predictief Onderhoud?

In tegenstelling tot preventief onderhoud, gebruikt een predictief onderhoudsprogramma de data gegenereerd door apparatuur en stuurt de data naar de cloud. Net als de productie- en zakelijke procesdata, kan realtime conditie-gebaseerd onderhoud geanalyseerd worden om patronen en trends te detecteren op de machinegezondheid of de levensduur van zijn onderdelen of tools en om onderhoudskosten te verlagen.

Vaak kan OEM-apparatuur een verwachte levenscyclus voor een onderdeel of tool opgeven. Echter, dit is gebaseerd op gemiddeldes uit de industrie. Het houdt geen rekening met lichte toepassingen waar onderdelen langzamer kunnen slijten dan verwacht of zware toepassingen waar ze sneller kunnen slijten.

Geavanceerde analytics in productie- en onderhoudsmonitoring-platforms gebruiken trends en conditie-gebaseerd onderhoud om de daadwerkelijke tijd-tot-slijtage te plotten of falenmodi te voorspellen. Predictieve onderhoudsprogramma's kunnen rond deze inzichten ontwikkeld worden om downtime te verminderen en kosten te controleren.

Robuuste predictieve onderhoudsprogramma's kunnen het platform gebruiken om alerts naar onderhoudspersoneel te sturen wanneer een falen imminent is, wat downtime vermindert door te wachten op technici die na het feit aankomen. Ze kunnen ook werken met fabrieksproductie-informatie, zoals verwachte wisseltijden om reparaties tijdens geplande wissels of geplande downtime voor reiniging te maken.

Geplande alerts kunnen uitgebreid worden van technici naar MRO voorraadkamers zodat onderdelen gestaged kunnen worden om meer downtime te vermijden. En de onderdelen kunnen geautomatiseerd worden voor herbestelling tegen gevestigde min/max onderdeelaantallen, die ook door het systeem voorgeschreven worden. Als onderdeel van de algehele onderhoudsstrategie, kan elk bedrijf zijn predictieve onderhoudstechnieken afstemmen op zijn eigen behoeften.

Wat Zijn de Voordelen van Predictief Onderhoud?

Van een kostenbesparings-oogpunt, omvatten de voordelen van een predictieve onderhoudsstrategie geoptimaliseerde geplande downtime en geminimaliseerde ongeplande downtime. Een predictief onderhoudsprogramma zal ook werknemersproductiviteit en apparatuurslevensduur optimaliseren. Het gebruik van geavanceerde analytics en machine learning algoritmes, preventief onderhoud kan niet genoeg benadrukt worden!

Hoe Predictief Onderhoud Helpt Geplande Downtime Te Optimaliseren

Geplande downtime kan alles omvatten van machine reinigen en olien tot het vervangen van onderdelen die bekend zijn om regelmatig te falen. Dit soort preventief onderhoud verlaagt het risico op ongeplande downtime. Net als het zorgen voor uw computer en het scannen op virussen of het schoonhouden van andere apparaten in uw huis, zult u efficiëntere en betere-kwaliteit output krijgen van een goed geservicede machine.

Dankzij de data verzameld in machine-operaties, kan predictief onderhoud regelmatig en op tijden gepland worden die de minst impact zullen hebben op orderproductie. Er is ook het toegevoegde voordeel dat adequate onderhoud van deze aard onvermijdelijk de levensduur van mechanische apparatuur zal verlengen die moeilijk en duur te vervangen zou zijn. Het maximaliseren van uptime en de levensduur van een component in een predictief onderhoudsprogramma zal uiteindelijk resulteren in significante kostenbesparingen.

Predictief Onderhoud Beperkt Ongeplande Downtime

Volgens een Wall Street Journal bericht, "Ongeplande downtime kost industriële fabrikanten een geschatte $50 miljard per jaar." Het gebruik van predictief onderhoud om deze kosten te beperken is cruciaal in hoogst competitieve productie-industrieën.

In zoverre gepland preventief onderhoud kan waarborgen dat machines de meeste tijd soepel draaien, verzamelt het digitaal monitoren van machines reams van data die, wanneer geanalyseerd, patronen op een gegeven machine zullen tonen. Dit soort patroondetectie, gebaseerd op historische data, kan helpen een machine te identificeren die waarschijnlijk een uitval zal ervaren en waarvoor onderhoud proactief gepland kan worden.

Predictief Onderhoud Kan Helpen Apparatuurslevensduur Te Optimaliseren

In staat zijn om een machine's efficiëntie, output en kwaliteit over tijd te monitoren zal data onthullen die zal identificeren wanneer een machine onderhoud vereist, zoals hierboven genoteerd, maar zal ook helpen identificeren wanneer een machine het einde van zijn leven bereikt. Reactief en preventief onderhoud kan dit niet doen.

Naarmate machines ouder worden en afhankelijk van hun gebruiksniveau, zal het onderhoudsschema veranderen, wat beheerd kan worden via predictief onderhoud. Onderdelen van de machine zullen op productiestress anders reageren over tijd. De eventuele toename in onderhoud die voorspeld wordt door datapatronen zal onthullen wanneer een machine een kantelpunt bereikt op kosten vs. prestaties. De noodzaak om uiteindelijk grote delen van een machine of de hele eenheid te vervangen, wordt beheersbaar door die behoefte te voorspellen en te plannen, zowel vanuit een kosten/budget als tijd/inspanning oogpunt.

Predictief Onderhoud Kan Helpen Werknemersproductiviteit Te Optimaliseren

Er zijn veel manieren dat predictief onderhoud werknemersproductiviteit optimaliseert. Ten eerste, laten we kijken naar de kosten van de arbeid zelf. Wanneer reparaties gepland zijn, is de hoeveelheid tijd die nodig is voor reparatie verminderd vanwege een kleiner aantal componentvervangingen in plaats van volledige apparatuurvervanging. Ook de frequentie van reparatie voor kritieke falen van apparatuur zal verminderd worden, en het aantal "kritieke oproepen" zal aanzienlijk verminderd worden.

Vanuit het perspectief van de werknemer, zal predictief onderhoud leiden tot verminderde uitvallen en ongelukvermijdingssystemen. Deze kunnen alarmeren of zelfs apparatuur stoppen wanneer er gevaar is voor een werknemer, wat fabriekscondities dramatisch verbetert en werknemersbesmettingen minimaliseert.

Verder beïnvloeden downtime en operaties met sub-optimale parameters niet alleen output maar ook werknemersmorale. Het is stressvol om te haasten om problemen op te lossen wanneer ze ontstaan. Predictief onderhoud minimaliseert dergelijke instanties.

Predictief Onderhoud Kan Helpen Omzet Te Verhogen

De voordelen van predictief onderhoud die we hierboven hebben behandeld, hebben op de lange allemaal hetzelfde doel: de bottom line verhogen. Met minder onderhoud op goede componenten en snellere reparatie van defecte componenten, kunnen reparaties effectiever afgehandeld worden, waardoor reparatietijd verminderd wordt. Een van de meest uitgebreide studies over het potentieel van industriële analytics zoals predictief onderhoud werd uitgevoerd door McKinsey in 2015. Ze onthulden de mogelijkheid voor de volgende verbeteringen:

10-40% Reductie in Onderhoudskosten

Omdat gepland onderhoud gebaseerd is op een schema, zullen er gevallen zijn wanneer onderhoudstaken uitgevoerd worden wanneer ze niet nodig zijn. Predictief onderhoud kan dergelijke inefficiënties voorkomen.

10-20% Verminderde Verspilling

Sub-optimale operatie die niet gedetecteerd wordt kan resulteren in verspillende productie. Ruw materiaal, energie, arbeidskosten en machinetafgetijd worden verspild in dergelijke instanties. Predictieve onderhoudssystemen kunnen kwesties ontdekken die tot verspilling kunnen leiden voordat ze ontstaan.

10-50% Nieuwe Verbeterkansen Ontdekt

Eenmaal dataverzameling geautomatiseerd wordt, kunnen nieuwe inzichten in procesoptimalisatiekansen dagelijks ontdekt worden door geavanceerde analytics.

Predictieve Onderhoudstechnologieën

Er zijn talloze typen predictieve onderhoudstechnologie gebruikt in een robuust data-gedreven predictief onderhoudsprogramma. Deze conditiemonitoringapparatuur kan gebruikt worden om een predictieve onderhoudsoplossing voor een operatie te creëren. Deze technologieën omvatten:

Infrarood Thermografie

Warmte is bijna altijd een bijproduct van een productieomgeving. Maar het is vaak voorspelbaar voor elke machine of jobtype dat wordt gedraaid. PdM-platforms kunnen deze warmtepatronen per machine of job mappen en pieken in temperatuur analyseren om naderende problemen te bepalen. Infrarood thermografie kan temperatuur in apparatuur zoals motoren, lagers of andere wrijvingsoppervlakken monitoren en meten. Het kan ook helpen "hot spots" in elektrokasten ontdekken en isolatiefalen detecteren. Infrarood thermografie meet de temperatuur en toont de eenheid als een plaatje van de gehele eenheid die gemeten wordt. Het monitoringplatform kan deze beelden opslaan en analyseren om problemen te detecteren en trends te identificeren onder specifieke condities.

Akustische Monitoring

Sommige predictieve onderhoudsmonitoring-platforms kunnen hoogfrequente signalen gebruiken om de conditie van de apparatuur te bepalen. Hetzelfde principe kan toegepast worden met airborne geluid. Door deze akoestische ruis vast te leggen, kan uitvallen gedetecteerd worden. Geavanceerde machine learning algoritmes worden gebruikt om de predictieve capaciteit over tijd te verbeteren. Deze analytics gecombineerd met andere monitoring-technologieën kunnen dieper graven en afwijkingen ontdekken voordat ze optreden.

Trillingsanalyse

Alle productie- en freesapparatuur trilt. En deze trilling per machine en jobtype kan geplot worden om een gezond bereik op een curve te bepalen. Trillingsanalyse helpt predictieve onderhoudsingenieurs om te leren wat subtiele en significante veranderingen betekenen. Ze kunnen slijtagesnelheden en falenpunten beoordelen naarmate de machine learning algoritmes nauwkeuriger worden over tijd.

Olie-analyse

Terwijl predictieve onderhoudsplatforms geluid, trilling en temperatuur kunnen gebruiken om zowel de gezondheid en mogelijke falen van apparatuur of onderdelen te beoordelen, is er nog een tool die vastlegt wat er binnenin de machine gebeurt: olie-analyse. Door oliezuiverheid, deeltjesinhoud, verontreinigingen en oliesamenstelling te meten, kunnen technici identificeren, plotten en de oorzaak voorspellen en strategieën ontwikkelen voor het corrigeren ervan. De data van olie-analyse kan naar het analytics-platform gestuurd worden en gecombineerd met andere monitoringdata voor een helder beeld van machinegezondheid.

Hoe Predictief Onderhoud Te Implementeren

Nu het duidelijk is dat predictief onderhoud een verzekerde manier is om ongeplande downtime te vermijden en hogere productiekosten te incasseren, is de vraag: hoe implementeert u een predictief onderhoudsplan?

Eerst, kom tot de kern van het probleem dat u probeert op te lossen:

• Bent u meer bezorgd over ongeplande downtime of de kosten van een componentfalen?
• Zijn sommige machines op uw vloer "belangrijker"? dwz. vaker gebruikt, centraal voor meer orders, etc.

Dan moet u uw bestaande status beoordelen of een baseline van data over machineprestaties creëren. Hiervoor kunt u uw eigen standaarden, OEE-standaarden of andere industriestandaarden gebruiken. Bekijk elke machine om te zien wat de historische prestatieniveaus zijn geweest: hoe vaak het down is geweest, welke componenten regelmatig falen, hoe vaak onderhoud momenteel gepland is, enzovoort.

Tweedens, bestudeer de historische data voor patronen en welke metrics een probleem zullen indiceren, welke afwijkingen van de baseline een operator moeten vlaggen, enzovoort.

Ten slotte, eenmaal u deze patronen en de data relatief aan uw baseline prestatiemetingen gebruikt, moet u een proces instellen voor het continu bijwerken van de data en het herzien ervan om ervoor te zorgen dat het de huidige status blijft weerspiegelen en zichtbaar verergerende patronen vlaggt die duidelijk een onderhoudsbehoefte signaleren. Dit is de sleutel: u kunt niet voorspellen wat u niet kunt analyseren. Accurate data is essentieel!

Het minimaliseren van ongeplande downtime, tenminste voor zover het betreft het functioneren van de machines, is een enorme kostenbesparing en zal vertragingen naar de markt voorkomen die ook de bottom line zullen beïnvloeden. In de huidige productieomgeving is predictief onderhoud geen "nice to have." Het is een noodzaak.

Start Een Predictieve Onderhoudsstrategie

Boek een Demo