Voorspellend onderhoud uitgelegd

Voorspellend onderhoud (PdM) is onderhoud dat de prestaties en toestand van apparatuur tijdens normaal bedrijf bewaakt om de kans op storingen te verkleinen. Predictive maintenance, ook wel condition-based maintenance genoemd, wordt sinds de jaren negentig in de industriële wereld toegepast.

Maar in werkelijkheid is voorspellend onderhoud veel ouder, hoewel de geschiedenis ervan niet formeel is gedocumenteerd. Volgens Control Engineering:"Het begin van voorspellend onderhoud (PdM) kan zijn geweest toen een monteur voor het eerst zijn oor tegen het handvat van een schroevendraaier legde, het andere uiteinde van een machine aanraakte en uitsprak dat het klonk alsof een lager slecht aan het worden was .”

Het doel van voorspellend onderhoud is het vermogen om eerst te voorspellen wanneer apparatuurstoring zou kunnen optreden (op basis van bepaalde factoren), gevolgd door het voorkomen van de storing door middel van regelmatig gepland en correctief onderhoud.

Voorspellend onderhoud kan niet zonder conditiebewaking, wat wordt gedefinieerd als het continu bewaken van machines tijdens procesomstandigheden om een ​​optimaal gebruik van machines te garanderen. Er zijn drie facetten van conditiebewaking:online, periodiek en op afstand. Online conditiebewaking wordt gedefinieerd als de continue bewaking van machines of productieprocessen, waarbij gegevens worden verzameld over kritische snelheden en veranderende spilposities (“Condition Monitoring of Rotating Machines”, Istec International).

Periodieke conditiebewaking, die wordt bereikt door middel van trillingsanalyse, “geeft inzicht in veranderend trillingsgedrag van installaties” met een trendanalyse (“Conditiebewaking van roterende machines”, Istec International). Ten slotte maakt conditiebewaking op afstand, zoals de naam al doet vermoeden, het mogelijk om apparatuur vanaf een externe locatie te bewaken, waarbij gegevens worden verzonden voor analyse.

Voordat een organisatie een programma voor voorspellend onderhoud kan opzetten, moet een organisatie verschillende stappen ondernemen, waaronder:

• Analyse van de behoefte en apparatuurgeschiedenis

• Nakijken van alle beschikbare gegevens over uitvaltijd, defecten aan apparatuur, verliezen (opbrengst en energie), mogelijke boetes en veiligheid op de werkplek

• Definities en concepten opstellen en een pleidooi voor PdM maken

• Het opleiden van belangrijke belanghebbenden en het verkrijgen van buy-in

• Het invullen van een apparatuurinventaris en het beoordelen van de huidige apparatuurcondities

• Apparatuur selecteren voor de eerste implementatie van het programma

• Systeemdetails ontwikkelen op basis van individuele systemen en/of componenten

• Bestaand preventief of voorspellend onderhoud evalueren

• Beslissen welke systemen moeten worden opgenomen en waarop moet worden gecontroleerd

• De kriticiteit van het programma definiëren en de PdM-frequentie en het schematype vaststellen

• De verwachte middelen evalueren en personeelsrollen en verantwoordelijkheden toewijzen

• Het programma organiseren en integreren in het planningssysteem

• Opleiden en verkrijgen van buy-in van operaties en onderhoud

• Apparatuur upgraden en training geven

• Een geautomatiseerd onderhoudsbeheersysteem (CMMS) maken

Ongeveer 65 procent van het onderhoudspersoneel dat werd ondervraagd in de Predictive Maintenance Survey van Reliable Plant 2019, zei dat ze voorspellend onderhoud gebruiken. Wanneer het wordt geïmplementeerd en uitgevoerd, is voorspellend onderhoud een hoeksteen van een succesvol onderhoudsprogramma.

Het verschil tussen voorspellend onderhoud en preventief onderhoud

Hoewel veel onderhoudsprogramma's een beetje van beide gebruiken, zijn er verschillende verschillen tussen voorspellend onderhoud en preventief onderhoud. Preventief onderhoud omvat het inspecteren en uitvoeren van onderhoud aan machines, ongeacht of de apparatuur onderhoud nodig had. Dit onderhoudsschema is gebaseerd op een gebruiks- of tijdtrigger. Een verwarmingseenheid krijgt bijvoorbeeld elk jaar voor de winter een onderhoudsbeurt, of een auto heeft om de 5.000 mijl een gepland onderhoud nodig.

Bovendien vereist preventief onderhoud niet de component voor conditiebewaking die voorspellend onderhoud wel doet. Door geen conditiebewaking te vereisen, brengt een preventief onderhoudsprogramma niet zoveel kapitaalinvesteringen in technologie en training met zich mee. Ten slotte moeten veel programma's voor preventief onderhoud handmatig gegevens verzamelen en analyseren.

Terwijl preventief onderhoud wordt bepaald aan de hand van de gemiddelde levenscyclus van een asset, wordt voorspellend onderhoud geïdentificeerd op basis van vooraf ingestelde en vooraf bepaalde voorwaarden van specifieke apparatuur, met behulp van verschillende technologieën. Voorspellend onderhoud vereist ook meer investeringen in mensen, training en materieel dan preventief onderhoud, maar de tijdwinst en kostenbesparing zal op de lange termijn groter zijn.

Voor- en nadelen van voorspellend onderhoud

Zoals eerder vermeld, zijn de voordelen van voorspellend onderhoud enorm vanuit het oogpunt van kostenbesparing en omvatten het minimaliseren van geplande uitvaltijd, het maximaliseren van de levensduur van de apparatuur, het optimaliseren van de productiviteit van medewerkers en het verhogen van de omzet (Immerman, "The Impact of Predictive Maintenance on Manufacturing"). Een ander voordeel van voorspellend onderhoud is het vermogen om zowel een onderhoudsteam als een organisatie te transformeren, aangezien het implementeren van PdM vermogensbeheerders in staat stelt de resultaten te verbeteren en prioriteiten zoals winstgevendheid en betrouwbaarheid beter in evenwicht te brengen.

Een van de belangrijkste nadelen van predictief onderhoud is de hoeveelheid tijd die nodig is om een ​​PdM-schema te beoordelen en te implementeren. Omdat voorspellend onderhoud een complex initiatief is, moet het fabriekspersoneel worden getraind in het gebruik van de apparatuur, maar ook in het interpreteren van de analyses (of gegevens).

Hoewel veel organisaties ervoor kiezen om bestaande werknemers te trainen in voorspellend onderhoud, zijn er aannemers die de conditie bewaken die gespecialiseerd zijn in het uitvoeren van de vereiste arbeid en het analyseren van de resultaten voor een faciliteit. Naast de opleidingskosten brengt predictief onderhoud een investering in onderhoudstools en -systemen met zich mee. Deze kosten zijn in de loop van de tijd afgenomen met de introductie van cloudgebaseerde technologie.

Voorspellend onderhoud versus inspectie op defecten

Er bestaat al geruime tijd veel onduidelijkheid over de juiste manier om te controleren op de aanwezigheid van een bepaalde faalwijze. Moet ik een soort sensorische inspectie uitvoeren? Moet ik een soort van kwantitatieve inspectie uitvoeren? Moet ik één of meerdere conditiebewakingstechnologieën toepassen? Moet ik een combinatie van deze technieken toepassen om de voorwaardelijke kans op het vinden van het defect te maximaliseren?

Hoe identificeer ik de aanwezigheid van een belangrijk defect op een zodanige manier dat mijn planningsafdeling zoveel mogelijk tijd heeft om de werkprocedures te ontwikkelen, werkorders te maken, de onderdelen te bestellen en het werk te plannen en af ​​te ronden voordat de voorwaardelijke kans op uitval wordt te hoog? Een uitleg van de soorten inspecties en hoe ze elkaar aanvullen, helpt een heel eind om te verduidelijken welke het meest geschikt zijn.

Soorten defectinspectietechnieken

Sensorische inspecties worden lange tijd beschouwd als de ruggengraat van elk goed inspectieprogramma en onderhoudswerk. Men was van mening dat het vaak genoeg sturen van iemand om te inspecteren op problemen met machines zou resulteren in het tijdig identificeren van defecten om ongeplande uitvaltijd te verminderen. De inspecteur gebruikte zicht, geluid en aanraking om te bepalen of er iets was veranderd sinds de laatste inspectie. Elke wijziging zou worden geregistreerd, gerapporteerd en onderzocht door een vakman bij de volgende geplande storing.

Hoewel het enorm veel voordelen heeft om iemand rond te sturen om inspecties uit te voeren, zijn er zoveel gaten in deze strategie dat het nooit als de ruggengraat van het inspectieprogramma mag worden beschouwd. Sensorische inspecties identificeren doorgaans alleen de meest voor de hand liggende en ingrijpende problemen. Het is vrijwel onmogelijk voor een sensorische inspectie om vroege, interne defecten in machines te identificeren.

Verbeterde sensorische inspecties

Verbeterde sensorische inspecties vullen die grijze zone. Ze zijn zowel een zintuiglijke inspectie als een kwantitatieve meting met conditiebewakingskenmerken. Bij deze inspecties worden instrumenten zoals spotradiometers, stroboscooplampen, handtrillingspennen en eenvoudige ultrasone meters gebruikt om defecten verderop in de PF-curve te detecteren. Hoewel deze hulpmiddelen de kracht van de menselijke zintuigen vermenigvuldigen, hebben ze hun limiet. Met deze eenvoudige tools kunnen verschillende faalwijzen worden gedetecteerd, maar ze mogen geen uitgebreid programma voor conditiebewaking vervangen.

Kwantitatieve inspecties

Kwantitatieve inspecties kunnen nuttige informatie opleveren als het gaat om het genereren van gegevens voor trending en het bepalen van de karakteristieke levensduur van een storingsmodus. Kwantitatieve inspecties hebben iemand nodig die iets meet. Veel voorkomende kwantitatieve inspecties zijn het meten van de temperatuur van een afdichting op een pomp of het meten van de speling van de achterplaat op een pompwaaier. Deze metingen leveren gegevens aan de planner en ingenieur en helpen bij het bepalen van de noodzaak van verdere onderhoudsacties.

Indien goed ontworpen, geeft een kwantitatieve inspectieprocedure details over limieten en typisch verwachte metingen. Elke inspectie waarbij iemand iets moet meten, moet de minimale, maximale en typische waarden hebben, met voorwaardelijke taken die zijn gedefinieerd voor wanneer de limieten worden overschreden. Maar een kwantitatieve inspectie uitgevoerd met de juiste inspectiefrequentie zal zelden een meting hebben die de limieten overschrijdt.

Voorspellend onderhoud als een defectinspectietechniek

Conditiebewaking, ook wel voorspellend onderhoud (PdM) genoemd, is de toepassing van condition-based monitoringtechnologieën, statistische procescontrole of apparatuurprestaties voor vroege detectie en eliminatie van apparatuurdefecten die kunnen leiden tot ongeplande uitvaltijd of onnodige uitgaven.

En over het algemeen moet u dit doen terwijl de apparatuur in normaal bedrijf is, met weinig tot geen procesonderbrekingen. Het doel van deze tools (trillingsanalyse, infraroodthermografie, motorcircuitanalyse, enz.) is om defecten te vinden die niet zijn gevonden door eerder beschikbare inspectiemethoden, terwijl de machine in normaal bedrijf is.

Door gebruik te maken van de beschikbare technologie kunt u de staat van onderdelen beoordelen en de aanwezigheid van defecten die voorheen onmogelijk waren op te sporen. Een voorbeeld van het voordeel van deze tools op het gebied van kwantitatieve inspecties of sensorische inspecties is het gebruik van trillingsanalyse om de aanwezigheid van een defect aan een wentellager vast te stellen.

Voorheen vertrouwden monteurs en molenaars op "liftcontroles" om de hoeveelheid speling in een lager te bepalen. Helaas is deze techniek alleen geldig voor lagerdefecten die resulteerden in het verwijderen van materiaal uit de loopbanen van het lager; deze peiling zou behoorlijk slecht af zijn als er duizenden centimeters speling in zat.

Vermoeiing onder het oppervlak is gemakkelijk te zien met trillingsanalyse en op dit punt in de voortplanting van de storing heeft dit ertoe geleid dat er geen materiaal uit de loopbanen is verwijderd. Dit is het meest voorkomende voorbeeld van de voordelen van voorspellende onderhoudstechnologieën.

Er zijn verschillende soorten defectinspectietechnieken die op een machine kunnen worden toegepast, en elk heeft zijn voor- en nadelen. Toch zijn deze technieken geen exacte vervangingen voor elkaar. Elk bepaalt de aanwezigheid van het defect op verschillende plaatsen langs de P-F-curve en als resultaat geeft elk de planningsfunctie verschillende hoeveelheden tijd om op het defect te reageren.

Een faalwijzen, effecten en kriticiteitsanalyse (FMECA) kan u helpen bepalen welke inspectietechnieken moeten worden toegepast, hoe vaak en met welke mate van redundantie. Onthoud dat het de kunst is om risico's in evenwicht te brengen met striktheid. Hoeveel risico u bereid bent te nemen met een bepaalde faalwijze in combinatie met hoeveel u bereid bent te betalen voor de inspectie, bepaalt de juiste strategie.

Voorspellende onderhoudstechnologieën

Zoals de naam al doet vermoeden, is het doel van voorspellend onderhoud om te voorspellen wanneer onderhoud nodig is. Hoewel er geen Magic 8-Ball is, zijn er verschillende apparaten en technieken voor conditiebewaking die kunnen worden gebruikt voor het effectief voorspellen van storingen en het geven van geavanceerde waarschuwingen voor onderhoud aan de horizon.

Infrarood thermografie

Bekend als een niet-destructieve of niet-intrusieve testtechnologie, wordt infrarood (IR) thermografie bij voorspellend onderhoud veel gebruikt. Met IR-camera's kan personeel hoge temperaturen (ook wel hotspots) in apparatuur detecteren. Versleten componenten, waaronder defecte elektrische circuits, stoten doorgaans warmte uit die wordt weergegeven als een hotspot op een warmtebeeld ("Predictive Maintenance", Lean Manufacturing Tools).

Door snel hotspots te identificeren, kunnen infraroodinspecties problemen opsporen en kostbare reparaties en uitvaltijd helpen voorkomen. Infraroodtechnologie wordt beschouwd als "een van de meest veelzijdige voorspellende onderhoudstechnologieën die beschikbaar zijn ... gebruikt om alles te bestuderen, van individuele componenten van machines tot fabriekssystemen, daken en zelfs hele gebouwen" (Control Engineering). Meer toepassingen voor infraroodtechnologie zijn onder meer het detecteren van thermische anomalieën en problemen met processystemen die afhankelijk zijn van warmteopslag en/of -overdracht.

Akoestische bewaking

Met akoestische technologieën kan personeel gas-, vloeistof- of vacuümlekken in apparatuur detecteren op sonisch of ultrasoon niveau. Beschouwd als minder duur dan ultrasone technologie, is sonische technologie nuttig op mechanische apparatuur, maar beperkt in het gebruik ervan. Ultrasone technologie heeft meer toepassingen en is betrouwbaarder in het detecteren van mechanische problemen.

Het stelt een technicus in staat om "wrijving en spanning in roterende machines te horen, die verslechtering eerder kunnen voorspellen dan conventionele technieken" ("Predictive Maintenance", Wikipedia) door instrumentatie te gebruiken om geluiden in het bereik van 20 tot 100 kilohertz om te zetten in "auditieve of visuele signalen die door een technicus kunnen worden gehoord/gezien. Deze hoge frequenties zijn de exacte frequenties die worden gegenereerd door versleten en onvoldoende gesmeerde lagers, defecte elektrische apparatuur, lekkende kleppen, enz.” (Wright, "Hoe gebruik te maken van meerdere technologieën voor voorspellend onderhoud").

Hoewel zowel sonische als ultrasone testen duur kunnen zijn, is er een andere vorm van akoestische monitoring die redelijk betaalbaar is:de oren van een technicus. "Iets eenvoudigs als het detecteren van een olielek of een versnellingsbak die raar klinkt, kan en leidt vaak tot het voorkomen van een catastrofale storing, waardoor tienduizenden dollars aan verliezen worden vermeden", (Wright, "How to Leverage Multiple Predictive Maintenance Technologies" ).

Trillingsanalyse

Trillingsanalyse wordt voornamelijk gebruikt voor roterende apparatuur met hoge snelheid en stelt een technicus in staat om de trillingen van een machine te bewaken met behulp van een handheld-analysator of realtime sensoren die in de apparatuur zijn ingebouwd. Een machine die in topconditie werkt, vertoont een bepaald trillingspatroon. Wanneer componenten zoals lagers en assen beginnen te slijten en defect raken, begint de machine een ander trillingspatroon te genereren. Door de apparatuur proactief te bewaken, kan een getrainde technicus de meetwaarden vergelijken met bekende storingsmodi om te bepalen waar zich problemen voordoen.

Problemen die met trillingsanalyse kunnen worden gedetecteerd, zijn onder meer verkeerde uitlijning, gebogen assen, ongebalanceerde componenten, losse mechanische componenten en motorproblemen.

Het is van vitaal belang ervoor te zorgen dat technici zijn opgeleid, omdat het moeilijk kan zijn om machinestoringen te voorspellen met behulp van trillingsanalyse. Veel organisaties bieden diepgaande trainingen aan om personen voor te bereiden op certificering als vibratieanalist. Het enige nadeel van het gebruik van trillingsanalyse zijn de kosten die gepaard gaan met het implementeren ervan met een PdM-programma.

Olie-analyse

Olieanalyse is een effectief hulpmiddel bij voorspellend onderhoud. Het stelt een technicus in staat om de staat van de olie te controleren en te bepalen of er andere deeltjes en verontreinigingen aanwezig zijn. Sommige olie-analysetests kunnen de viscositeit, de aanwezigheid van water of slijtagemetalen, het aantal deeltjes en het zuurgetal of basegetal aan het licht brengen.

Een van de voordelen van het gebruik van olie-analyse is dat de eerste test(s) een basislijn vormen voor een nieuwe machine. Indien correct uitgevoerd, kan olie-analyse een groot aantal resultaten opleveren om voorspellend onderhoud succesvol te maken.

Andere technologieën

Naast deze technieken kunnen faciliteiten ook andere technologieën gebruiken, zoals analyse van de motorconditie, waarin de bedrijfs- en bedrijfsconditie van motoren wordt beschreven; en wervelstroomanalyse, die veranderingen in buiswanddikte in centrifugale koelmachines en ketelsystemen identificeert. Borescope-inspecties, CMMS, data-integratie en conditiebewaking kunnen ook helpen bij het vergemakkelijken van voorspellend onderhoud. Hoewel er verschillende technologieën zijn om u te helpen bij uw PdM-inspanningen, is het essentieel om de juiste te kiezen om succes te garanderen.

Businesscase voor voorspellend onderhoud

Om rendement op kapitaalinvesteringen te realiseren en machines zo efficiënt mogelijk te laten werken, moeten faciliteiten meer nadruk leggen op voorspellend onderhoud. Volgens de Wall Street Journal , "Ongeplande uitvaltijd kost industriële fabrikanten naar schatting $ 50 miljard per jaar. Uitval van apparatuur is de oorzaak van 42 procent van deze ongeplande uitvaltijd. Ongeplande uitval leidt tot overmatig onderhoud, reparatie en vervanging van apparatuur.”

Naarmate operaties en beheer worden gepusht om de kosten te verlagen en de productiviteit te verhogen, wordt de noodzaak van voorspellend onderhoud duidelijk, aangezien het moeilijk is om kosteneffectieve langetermijnbeslissingen voor een faciliteit te nemen.

De waarde van predictief onderhoud komt voort uit een kostenbesparende en/of tijdbesparende aanpak, omdat onderhoud alleen wordt uitgevoerd wanneer dat nodig is. In feite hebben verschillende onderzoeken van het Federal Energy Management Program van het Amerikaanse ministerie van Energie aangetoond dat een goed werkend programma voor voorspellend onderhoud besparingen oplevert van 30-40 procent ten opzichte van reactief onderhoud en 8-12 procent ten opzichte van preventief onderhoud.

Om een ​​PdM-strategie succesvol te laten zijn, moeten verschillende criteria worden overwogen en waaraan moet worden voldaan. Ten eerste moet het commitment van bovenaf komen. De hele organisatie moet zich inzetten om voorspellend onderhoud tot een verplicht onderdeel van de normale planning te maken. Alle procesoperators moeten ook worden opgeleid en betrokken bij het uitvoeren van de vereiste onderhoudscontroles. Daarnaast moet de hele organisatie inzicht hebben in de werkelijke kosten en gevolgen van slecht onderhoud. Ten slotte moeten PdM-procedures onmiddellijk worden geïmplementeerd om de organisatie de vruchten te laten plukken.

Hoewel velen het belang erkennen van het gebruik van voorspellend onderhoud voor dure machines, is PdM ook geschikt voor het bewaken van kleinere, alledaagse activa zoals koffiemachines, printers, frankeermachines en meer. In werkelijkheid kan een hele faciliteit profiteren van het implementeren van voorspellend onderhoud.

Toepassingen voor voorspellend onderhoud

De grootste toepassing voor voorspellend onderhoud bevindt zich in de maakindustrie. Omdat fabrieken steeds vaker worden geconfronteerd met de vraag om de productiviteit te verhogen, zijn er verschillende onderhoudsstrategieën ontwikkeld en geïmplementeerd. De meeste hiervan waren echter reactief. Veel faciliteiten hebben een mentaliteit van "als het niet kapot is, repareer het dan niet". Helaas draagt ​​deze mentaliteit bij aan ongepland onderhoud en uitvaltijd.

Zoals eerder besproken, begonnen faciliteiten begin jaren negentig met het implementeren van voorspellend onderhoud. Destijds "maakten het gebrek aan beschikbaarheid van sensoren die gegevens genereren en een gebrek aan computerbronnen voor het verzamelen en analyseren van de gegevens het moeilijk om PdM te implementeren" ("Predictive Maintenance in Manufacturing Overview", Microsoft Azure).

Met de introductie van het internet der dingen (IoT), machine learning, cloud computing en big data-analyse, heeft de maakindustrie vooruitgang geboekt bij het implementeren van voorspellend onderhoud, wat resulteert in meer uptime en kwaliteitscontrole, optimalisatie van onderhoudsroutes, verbeterde veiligheid van werknemers en grotere productiviteit. Omdat fabrikanten met krappe marges en tijdschema's werken, is de gedachte aan ongeplande uitvaltijd ongewenst geworden. Predictive maintenance kan een oplossing bieden.

Een andere toepassing van PdM ligt in de spoorsector, met name als het gaat om de digitale transformatie van de spoorindustrie. Met treinen met een hoge initiële investering, is er een sterke focus op het zo lang mogelijk in dienst houden. Met voorspellend onderhoud kunnen spoorwegmaatschappijen het meeste uit hun treinvloot halen door middel van een verscheidenheid aan technologieën en software die de bedrijfskosten verlagen en de levensduur van de vloot verlengen.

Binnen de spoorsector wordt predictief onderhoud ingezet om problemen met lineaire, vaste en mobiele assets te detecteren; verbetering van de veiligheid en spoordetectie van lege plekken door middel van bewakingssystemen in de cabine; en identificeer het type track asset waaronder de leegte zich bevindt, en geef een indicatie van de ernst van de leegte.

Volgens een artikel in MaintWorld , "In de toekomst wordt verwacht dat betrouwbaar spoorwegonderhoud afhankelijk zal zijn van slimme transportsystemen en onderling verbonden oplossingen zoals voorspellend onderhoud en geïntegreerde beveiligingstools om kritieke problemen zoals veiligheid, vertragingen en algehele systeemcapaciteit te verbeteren" (Peycheva, "Railway Goes Smart met Predictive Maintenance en Industry 4.0 CMMS”).

Hoewel de olie- en gasindustrie traditioneel traag is met het moderniseren van haar onderhoudssystemen, wordt ze een groot voorstander van voorspellend onderhoud. Elke dag verzamelen olie- en gasbedrijven enorme hoeveelheden gegevens via sensoren – met name draadloze sensoren – in olievelden over de hele wereld. Naarmate olie- en gasactiviteiten complexer worden, wordt het zicht op de toestand van de apparatuur moeilijker, vooral op afgelegen, offshore- en diepwaterlocaties.

In een witboek uit 2015 verklaarde MapR Technologies Inc.:"Olie- en gasmaatschappijen hebben een grote kans om de efficiëntie te verhogen en de operationele kosten te verlagen door middel van betere asset-tracking en voorspellend onderhoud."

Voorspellend onderhoud kan worden gezien als een concurrentievoordeel voor olie- en gasbedrijven en de gerelateerde dienstverlenende bedrijven, vooral in tijden van recessie waarin organisaties gedwongen worden manieren te vinden om efficiënter en effectiever te werken. Natuurlijk heeft voorspellend onderhoud niet alleen betrekking op de productie-, spoor- en olie- en gasindustrie. In andere toepassingen wordt PdM gebruikt om:

• Help stroomuitval te voorkomen met behulp van drones en sensoren die nutsnetwerken in kaart brengen

• Detecteer een temperatuurdaling in een stoomleiding, wat wijst op een mogelijk druklek

• Leg verhoogde temperaturen in elektrische panelen vast om defecten aan componenten te voorkomen

• Stroom aan de aanbod- en vraagzijde meten op een gemeenschappelijk koppelpunt voor het bewaken van het stroomverbruik

• Lokaliseer overbelastingen in elektrische panelen

• Identificeer stroompieken of oververhitting van de motor door slechte lagers of defecte isolatie

• Vind driefasige stroomonevenwichtigheden door harmonische vervorming, overbelasting, degradatie of uitval van een of meer fasen

IIoT- en PdM-integratie

Een van de belangrijkste factoren – zo niet de belangrijkste factor – in een succesvol voorspellend onderhoudsprogramma is het gebruik en de integratie van het industriële internet der dingen (IIoT). Volgens een rapport van Deloitte is "het Internet of Things (IoT) misschien wel het grootste stuk van de PdM-puzzel ... IoT vertaalt fysieke acties van machines in digitale signalen met behulp van sensoren zoals temperatuur, trillingen of geleidbaarheid ... Zodra de fysieke acties zijn Via sensoren vertaald in digitale signalen, worden ze verwerkt, geaggregeerd en geanalyseerd. Met de betaalbaarheid van bandbreedte en opslag kunnen enorme hoeveelheden gegevens worden verzonden om niet alleen een volledig beeld te geven van de activa in een enkele fabriek, maar van een volledig productienetwerk” (Coleman et al., “Predictive Maintenance and the Smart Factory” ).

Om succesvol te zijn, is voorspellend onderhoud afhankelijk van sensoren voor het verzamelen en analyseren van gegevens uit verschillende bronnen, zoals een CMMS en sensoren van kritische apparatuur. Met behulp van deze gegevens kan het IIoT "geavanceerde voorspellingsmodellen en analytische hulpmiddelen creëren om fouten te voorspellen en proactief aan te pakken. Bovendien kan nieuwe machine learning-technologie na verloop van tijd de nauwkeurigheid van de voorspellende algoritmen vergroten, wat leidt tot nog betere prestaties” (Coleman et al., “Predictive Maintenance and the Smart Factory”).

In combinatie met voorspellend onderhoud heeft het IIoT de mogelijkheid om apparatuurstoringen van tevoren op te sporen. Met de komst van Industrie 4.0 in de productiewereld, willen faciliteiten het IIoT gebruiken om betere inzichten in de operaties te krijgen.

Voorspellend onderhoud en rendement op investering

Het implementeren van predictief onderhoud vergt een forse investering in geld, personeel en opleiding. Hoewel deze initiële investeringen voor een organisatie misschien ontmoedigend lijken, is het rendement op de investering (ROI) van voorspellend onderhoud veel groter dan de initiële kosten.

Volgens een recent rapport van Deloitte hebben verschillende vestigingen een kostenbesparing van 5-10 procent gerealiseerd op het gebied van operaties en materiaaluitgaven voor onderhoud, reparatie en operaties (MRO); een verlaging van 5-10 procent van de totale onderhoudskosten; en lagere voorraadkosten. Verdere gegevens van het Amerikaanse ministerie van Energie tonen ook aan dat het implementeren van een functioneel PdM-programma het potentieel heeft om een ​​tienvoudige verhoging van de ROI, een verlaging van de onderhoudskosten met 25-30 procent, een afname van 70-75 procent van storingen en een 35-45 procent minder uitvaltijd.

"Wat de onderhoudskosten betreft, kost preventief onderhoud $ 13 uurloon per jaar, terwijl voorspellend onderhoud $ 9 uurloon per jaar kost, waardoor voorspellend onderhoud een goedkopere optie is" (Ulbert, "The Difference Between Predictive Maintenance and Preventive Maintenance").

Referenties

Coleman, Chris, Satish Damodaran en Ed Deuel. “Predictive Maintenance en de Smart Factory.” Deloitte. 2017. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/process-and-operations/us-cons-predictive-maintenance.pdf

“Conditiebewaking van roterende Machines.” Istec International. Betreden 1 november 2018. https://www.istec.nl/en/condition-monitoring-rotating-machines/.

Regeltechniek. "Voorspellende onderhoudstechnologieën." Geraadpleegd op 4 november 2018. https://www.controleng.com/single-article/predictive-maintenance-technologies/72faca6f85ddaef6b4479583b2741e6c.html.

Immerman, Graham. "De impact van voorspellend onderhoud op de productie." MachineMetrieken. Geraadpleegd op 1 november 2018. https://www.machinemetrics.com/blog/the-impact-of-predictive-maintenance-on-manufacturing.

Lean productietools. "Voorspellend onderhoud." Geraadpleegd op 2 november 2018. http://leanmanufacturingtools.org/427/predictive-maintenance/.

Peycheva, Ralitsa. "Spoorweg wordt slim met voorspellend onderhoud en Industrie 4.0 CMMS." HoofdWereld. 11 oktober 2017. Betreden op 4 november 2018. https://www.maintworld.com/Applications/Railway-Goes-Smart-with-Predictive-Maintenance-and-Industry-4.0-CMMS.

"Voorspellend onderhoud in productieoverzicht." Microsoft Azure. 1 mei 2018. Betreden op 4 november 2018. https://docs.microsoft.com/en-us/azure/industry/manufacturing/predictive-maintenance-overview.

"Voorspellend onderhoud met Hadoop voor de olie- en gasindustrie", MapR Technologies Inc., mei 2015. https://mapr.com/resources/predictive-maintenance-using-hadoop-oil-and-gas-industry/.

Ulbert, Sebastian, "Het verschil tussen voorspellend onderhoud en preventief onderhoud", Coresystems, 15 september 2015. Geraadpleegd op 2 november 2018. https://www.coresystems.net/blog/the-difference-between-predictive-maintenance- en-preventief-onderhoud.

Wall Street Journal . Geraadpleegd op 2 november 2018. https://partners.wsj.com/emerson/unlocking-performance/how-manufacturers-can-achieve-top-quartile-performance/.

Wikipedia. "Voorspellend onderhoud." Geraadpleegd op 11 oktober 2018. https://en.wikipedia.org/wiki/Predictive_maintenance.

Wright, Jeremy. "Hoe meerdere voorspellende onderhoudstechnologieën te benutten." Smering van machines. Geraadpleegd op 1 november 2018. https://www.machinerylubrication.com/Read/29819/predictive-maintenance-technologies