Maximaliseer de betrouwbaarheid van apparatuur:deskundige gids voor hulpmiddelen voor voorspellend onderhoud

Voorspellend onderhoud versus preventief onderhoud

Preventief onderhoud en PdM-onderhoud zijn beide effectieve onderhoudsstrategieën, maar er zijn belangrijke verschillen tussen beide. Als u de verschillen tussen preventief en voorspellend onderhoud begrijpt, kan uw team het meest geschikte type onderhoud voor uw organisatie selecteren. Op dezelfde manier kan het begrijpen van de voordelen van voorspellend onderhoud en preventief onderhoud u helpen bij het kiezen van de juiste strategie. Veel succesvolle onderhoudsprogramma's gebruiken een combinatie van beide strategieën.

Preventief onderhoud  gebruikt de verwachte levenscyclus van een asset om te bepalen wanneer onderhoudstaken moeten worden uitgevoerd. Een veelvoorkomend voorbeeld van preventief onderhoud is het verversen van de olie van een auto om de drie maanden of elke 5.000 km.

Een preventief onderhoudsschema is eenvoudig en voor sommige assets voldoende. Preventief onderhoud aan activa kan worden uitgevoerd op basis van de kalender, een bepaald aantal gebruiksuren of een andere op gebruik gebaseerde maatstaf. Het kan hierbij gaan om taken als het vervangen van filters, het smeren of het vervangen van versleten onderdelen.

Natuurlijk brengt preventief onderhoud enkele uitdagingen met zich mee. Wanneer de kalender onderhoudsacties voorschrijft, worden sommige componenten vervangen voordat ze nodig zijn. Elke keer dat er aan een machine wordt gewerkt, bestaat er ook een risico. Preventief onderhoud kan eenvoudiger te plannen zijn, maar kost meer tijd, geld en onderdelen.

Voorspellend onderhoud  gebruikt de werkelijke bedrijfstoestand van een asset om te bepalen welke stappen moeten worden genomen en wanneer deze moeten worden genomen. In plaats van het onderhoud op een schema te baseren, vindt onderhoud plaats wanneer voorspellende onderhoudsanalyses een onregelmatigheid in de prestaties van het asset identificeren. Hoewel vergelijkbare stappen, zoals smering of vervanging van onderdelen, kunnen worden genomen, is het verschil dat voorspellende onderhoudsacties precies plaatsvinden op het moment dat ze nodig zijn.

Een voorspellende onderhoudsstrategie kan zowel tijd als geld besparen, maar brengt ook uitdagingen met zich mee:vooral de complexiteit van de implementatie van PdM-onderhoud. Gelukkig kun je dit met de juiste hulpmiddelen overwinnen. Terwijl apparatuur normaal functioneert, kan deze worden gemonitord door voorspellende onderhoudstechnologieën en apparaten voor conditiebewaking, zoals externe sensoren. Ze kunnen met regelmatige tussenpozen of continu metingen uitvoeren.

In combinatie met software voor voorspellend onderhoud kunnen deze sensoren onderhoudsteams waarschuwen wanneer de toestand van een asset verandert. Automatisch gegenereerde werkorders via een CMMS zorgen ervoor dat teams snel kunnen handelen, waardoor uitval van apparatuur wordt voorkomen.

Onderhoudsteams kunnen gegevens over de staat van assets volgen en analyseren om patronen te ontdekken en weloverwogen beslissingen te nemen voor toekomstig onderhoud. Uiteindelijk is het doel van PdM-onderhoud het maximaliseren van de beschikbaarheid van assets en het minimaliseren van de tijd en kosten die worden besteed aan het repareren van elk asset.

Uitdagingen op het gebied van voorspellend onderhoud

Het implementeren van een nieuwe onderhoudsstrategie brengt altijd uitdagingen met zich mee, en voorspellend onderhoud vormt hierop geen uitzondering. PdM-onderhoud brengt hoge aanloopkosten en nieuwe technieken met zich mee. Als u gewend bent aan een reactieve onderhoudsaanpak, zal de overstap naar voorspellend onderhoud ook een fundamentele verandering in uw hele methodologie vereisen.

De voordelen van voorspellend onderhoud wegen ongetwijfeld zwaarder dan de uitdagingen. Maar het is belangrijk om je bewust te zijn van deze uitdagingen voordat je aan de slag gaat, zodat je je kunt voorbereiden om ze het hoofd te bieden.

Kosten

Voorspellend onderhoud is afhankelijk van sensoren, analytische software en IIoT-technologie, die allemaal relatief hoge initiële kosten met zich meebrengen. Het integreren van nieuwe technologie kan ook een uitdaging zijn, en het kan moeilijk zijn om draagvlak te krijgen voor investeringen in dure oplossingen voor voorspellend onderhoud.

Training

Uw medewerkers hebben een uitgebreide training nodig over hoe ze voorspellend onderhoud kunnen implementeren en hoe ze de nieuwe technologie voor voorspellend onderhoud correct kunnen gebruiken. Het kan ook zijn dat ze tijd nodig hebben om zich aan te passen aan de nieuwe onderhoudsaanpak. Werknemers verzetten zich soms tegen de nieuwe strategie voor voorspellend onderhoud, vooral als ze gewend zijn aan een meer reactieve aanpak, maar het juiste trainingsprogramma kan elke weerstand tegen PdM-adoptie helpen overwinnen.

Gebrek aan gegevens van hoge kwaliteit

Software voor voorspellend onderhoud is afhankelijk van enorme datasets. Analytische modellen hebben historische gegevens over de prestaties van uw assets nodig om een ​​basislijn te creëren en afwijkingen van de norm te volgen. Als uw organisatie geen itemgegevens verzamelt, kan dit enkele problemen opleveren.

Hoe u uitdagingen op het gebied van voorspellend onderhoud kunt overwinnen

Voorspellend onderhoud brengt een aantal ingebouwde uitdagingen met zich mee. Het programma heeft relatief hoge initiële kosten, vereist dat managers toezicht houden op complexe operaties en vereist doorgaans training van onderhoudsteams in het gebruik van nieuwe technologie. U kunt deze barrières overwinnen als u uw PdM-onderhoudsprogramma zorgvuldig implementeert.

Het overwinnen van kosten- en implementatie-uitdagingen

Het is een goed idee om te beginnen met een pilotprogramma, in plaats van te proberen uw hele organisatie om te zetten in een aanpak voor voorspellend onderhoud. Door het systeem te besturen kunt u de kosten laag houden, de training minimaliseren en de administratieve vereisten van de operatie beperken. Het is bijvoorbeeld veel betaalbaarder om voorspellende onderhoudstechnologieën in kleine hoeveelheden te kopen, en je zult merken dat ze zichzelf snel terugbetalen.

Een succesvol pilotprogramma levert een aanzienlijk rendement op de investering (ROI) op, dat vervolgens kan worden geïnvesteerd in een groter PdM-programma. De pilot zal ook helpen het inzicht in voorspellend onderhoud te vergroten; onderhoudsploegen zullen waarschijnlijk aan boord gaan van de nieuwe aanpak als ze resultaten zien.

Trainingsuitdagingen overwinnen

Het is van cruciaal belang om ervoor te zorgen dat uw medewerkers volledig zijn opgeleid in de nieuwe toepassingen voor voorspellend onderhoud. Afhankelijk van uw organisatie kan dit lastig zijn:in een grote organisatie met personeel op afstand is het bijvoorbeeld een uitdaging om teamtrainingen te organiseren. Daarom is het een goed idee om asynchrone en on-demand trainingsprogramma’s aan te bieden, zoals eMaint University, waarmee gebruikers lessen in hun unieke schema’s kunnen inpassen. eMaint helpt ook bij het volgen van de opleiding en certificering van medewerkers.

Data-uitdagingen overwinnen

Als u nog geen conditiemonitoringgegevens verzamelt, is het tijd om te beginnen. Installeer IIoT-sensoren op uw kritieke assets om trillingen, temperatuur en andere belangrijke prestatiegegevens te verzamelen.

Sensoren streamen de gegevens naar uw CMMS/EAM, zodat u zich geen zorgen hoeft te maken over fouten bij het invoeren van gegevens of onvolledige datasets. Terwijl u gegevens over conditiemonitoring verzamelt, bouwt uw software voor voorspellend onderhoud een 'normaal' basisniveau op, aangepast voor elk bedrijfsmiddel, en levert het voldoende gegevens op om een effectief programma voor voorspellend onderhoud te creëren.

Wat zijn de drie soorten voorspellend onderhoud?

Er zijn verschillende soorten voorspellend onderhoud. De meest gebruikte vormen van voorspellend onderhoud zijn onder meer trillingsanalyse, infraroodthermografie en akoestische monitoring.

Trillingsanalyse

Elk roterend asset trilt tijdens gebruik. Wijzigingen in het basistrillingspatroon van een asset duiden echter meestal op een nieuwe fout. Trillingsanalyse bewaakt de trillingsniveaus van een asset in realtime, op zoek naar afwijkingen.

Veranderingen in het trillingsniveau kunnen wijzen op voortijdige slijtage en corrosie; ze kunnen ook wijzen op losheid, verkeerde uitlijning en lagerfouten.

Tegenwoordig is trillingsanalyse zeer geavanceerd. Als je het goed doet, kun je met deze techniek machinefouten opmerken, maanden voordat ze ernstig genoeg worden om een storing te veroorzaken.

Akoestische monitoring

Met akoestische monitoring kunt u – of beter gezegd, uw tools voor conditiebewaking – de eerste tekenen van wrijving of slijtage ‘horen’. Roterende apparatuur stoot karakteristieke geluiden uit als deze verslechtert. Soms zijn die geluiden luid genoeg om met het blote oor te horen, maar akoestische monitoring vangt veel zwakkere geluiden op die je niet kunt oppikken, waardoor het een uitstekend voorspellend hulpmiddel is.

Akoestische monitoring wordt veel gebruikt als hulpmiddel voor lekpreventie, vooral in systemen met uitgebreide pijpleidingen voor gas, olie of vloeistoffen.

Infraroodcamera's

Infraroodcamera's kunnen subtiele temperatuurveranderingen detecteren die kunnen wijzen op nieuwe machinestoringen.

Temperatuurstijgingen zijn vaak het gevolg van hoge wrijvingsniveaus, voortijdige slijtage of verslechtering. Defecte bedrading of andere elektrische problemen zijn een andere mogelijke oorzaak. Infraroodthermografie kan ook helpen bij het opsporen van gas- of vloeistoflekken; het kan temperatuurveranderingen detecteren die worden veroorzaakt door vocht of gas.

Natuurlijk zijn er veel andere benaderingen van voorspellend onderhoud. Als u een CMMS gebruikt om uw voorspellende onderhoudsprogramma te verankeren, kunt u al deze verschillende soorten inzichten integreren in één zeer effectief PdM-model. 

Voorspellende onderhoudstechnieken

Er zijn veel manieren om een strategie voor voorspellend onderhoud te implementeren, en er zijn veel technologieën voor voorspellend onderhoud beschikbaar. De volgende tools en technieken voor voorspellend onderhoud geven elke organisatie de mogelijkheid om zo veel of zo weinig informatie te verzamelen als nodig is om hun programma voor voorspellend onderhoud te implementeren en te onderhouden.

• Trillingsmonitoring:  Sensoren die op apparatuur zijn geïnstalleerd, kunnen diepgaande trillingsmetingen monitoren. Zodra de basislijn voor het asset is vastgesteld, kunnen deze sensoren continu worden gemonitord om afwijkingen te detecteren die kunnen duiden op fouten zoals onevenwichtigheden, verkeerde uitlijningen of lagerfouten.
• Temperatuurbewaking:  Net als bij trillingsmonitoring kunnen sensoren detecteren wanneer de temperatuur boven de normale temperaturen van het asset stijgt. Wanneer een temperatuurstijging wordt gedetecteerd, kunnen technici de hoofdoorzaak opsporen en aanpakken voordat er een storing optreedt.
• Conditiemonitoring:  Met behulp van een cloudgebaseerd CMMS worden sensorgegevens opgeslagen in de cloud, waar deze vanaf elke locatie kunnen worden gemonitord en geanalyseerd. Zelfs als de apparatuur zich op een afgelegen locatie bevindt of de monitoring extern moet plaatsvinden, hebben gebruikers toegang tot actuele of historische gegevens en kunnen deze gebruiken om beslissingen te nemen over onderhoud en vervanging.
• Analyse en aanbevelingen van kunstmatige intelligentie (AI):  Het leren lezen van de handtekeningen van trillingssensoren vergt jaren van opleiding en ervaring. Zelfs als uw organisatie geen expert ter plaatse heeft, kunnen geavanceerde, op AI gebaseerde analyses de trillingspatronen van machines beoordelen en veranderingen identificeren. Het kan zelfs verschillende patronen van veelvoorkomende problemen herkennen, waardoor uw team het inzicht krijgt om het probleem nog sneller te vinden en op te lossen.
• Alarmen:  Wanneer trillingsniveaus fouten aangeven, kan voorspellende onderhoudssoftware waarschuwingen naar het juiste personeel sturen, zodat zij onmiddellijk actie kunnen ondernemen.
• Geautomatiseerde werkorders:  Als de trillingsbewakingssoftware is geïntegreerd met een geautomatiseerd onderhoudsbeheersysteem, kan het CMMS automatisch een werkorder activeren wanneer er een fout wordt gedetecteerd, waardoor tijd wordt bespaard en de hoeveelheid menselijke tussenkomst die nodig is om het probleem op te lossen, wordt verminderd.

Voorbeelden van voorspellend onderhoud

In vrijwel elke branche zijn er belangrijke toepassingen voor voorspellend onderhoud. Hier zijn slechts enkele typische voorbeelden van voorspellend onderhoud.

Voorbeelden van voorspellend onderhoud in de automobielsector

Tools voor voorspellend onderhoud kunnen dreigende storingen identificeren, zoals een vertragende transportband of afwijkingen in trillingen van stempel- of persmachines. Het kan ook worden gebruikt voor andere middelen, zoals vorkheftrucks en schilderapparatuur.

Voorbeelden van voorspellend onderhoud in voedingsmiddelen en dranken

In de voedingsmiddelen- en drankenindustrie kunnen voorspellende onderhoudstechnologieën niet alleen een rol spelen bij het garanderen van maximale uptime, maar ook bij het garanderen dat alle producten worden gemaakt in overeenstemming met strikte voedselregelgeving. Voorspellend onderhoud kan worden gebruikt voor apparatuur zoals mixers en blenders, stofopvangsystemen, extrusieapparatuur, pompen en transportbanden.

Voorbeelden van voorspellend onderhoud in de productie

Alle soorten fabrikanten kunnen voorspellende onderhoudstechnologie gebruiken om de consistentie en kwaliteit van hun productoutput te verbeteren, de arbeidskosten te verlagen en de levensduur van activa te verlengen. Voorspellend onderhoud in de productie kan helpen bij het voorspellen en verminderen van storingen bij activa zoals ventilatoren, pompen en motoren.

Voorbeelden van voorspellend onderhoud in de levenswetenschappen

Veel fabrikanten in de life sciences-industrie zijn onderworpen aan audits van lokale, provinciale en federale autoriteiten. Technologie voor voorspellend onderhoud kan ervoor zorgen dat apparatuur binnen de vereiste parameters blijft werken en organisaties voorzien van auditbestendige gegevens over de geschiedenis van bedrijfsmiddelen. En in gevallen waarin producten moeten worden gekoeld of ingevroren, helpen sensoren ervoor te zorgen dat de apparatuur die wordt gebruikt om ze op de juiste temperatuur te houden, altijd werkt zoals bedoeld.

Voorbeelden van voorspellend onderhoud in olie en gas

Betrouwbaarheid is ongelooflijk belangrijk in de olie- en gasindustrie, waar defecten aan apparatuur gevolgen voor het milieu kunnen hebben en een veiligheidsrisico voor werknemers kunnen vormen. Voorspellend onderhoud aan activa zoals pompen, ketels en compressoren kan de risico's van ongeplande storingen en de gevolgen daarvan helpen verminderen.

Een PdM-onderhoudsprogramma maken

De overstap van reactief naar voorspellend onderhoud gebeurt niet van de ene op de andere dag. Maar de vooruitgang op het gebied van voorspellende onderhoudstechnologieën, zoals CMMS-software en draadloze trillingssensoren, heeft ervoor gezorgd dat voorspellend onderhoud een beter haalbare strategie is dan ooit tevoren. Er zijn een paar vragen waarmee u voor elk asset rekening moet houden als u overweegt een voorspellend onderhoudsplan op te stellen:

• Als dit item faalt, wat voor invloed heeft dit dan op de productie?
• Hoeveel kost het om dit item te repareren?
• Hoeveel kost het om dit item te vervangen?

Door deze vragen voor elk apparaat te beantwoorden, kunnen teams op voorspellende basis bepalen welke assets ze moeten onderhouden.

Voorspellend onderhoud is niet noodzakelijkerwijs de meest effectieve strategie voor elk asset. Sommige activa kunnen defect raken zonder dat dit een impact heeft op de productie of het bedrijfsresultaat. Anderen profiteren van eenvoudig en ongecompliceerd preventief onderhoud. Maar voor sommige assets is voorspellend onderhoud de beste strategie.

Zelfs als u van plan bent voorspellende onderhoudstools te gebruiken voor slechts een handvol bedrijfsmiddelen, helpt het om vooruit te plannen en een programma op te stellen waar uw onderhoudsteam zich aan kan houden. Hier zijn zes belangrijke stappen voor het opzetten van uw voorspellende onderhoudsprogramma:

1. Identificeer welke activa moeten worden getarget op oplossingen voor voorspellend onderhoud
2. Kies de tools en methoden voor voorspellend onderhoud die u gaat gebruiken om de staat van assets te monitoren (zoals sensoren en een CMMS)
3. Selecteer en train een implementatieteam om voorspellende onderhoudstechnologieën te leren en uit te voeren
4. Voer systeemintegraties uit om een compleet beeld te krijgen van de status van assets
5. Coördineer uw algehele onderhoudsstrategie, waarbij u bepaalt welke aanpak waar zal worden gebruikt
6. Bepaal hoe gegevens over de status van assets worden gedeeld tussen teamleden, belanghebbenden en auditors

Uiteindelijk vereist de implementatie van een succesvol voorspellend onderhoudsprogramma een langetermijnvisie op de doelstellingen en behoeften van uw organisatie. Geen twee voorspellende onderhoudsplannen zullen er hetzelfde uitzien.

Hoe kunt u voorspellend onderhoud beheersen?

Voorspellende onderhoudsoplossingen omvatten per definitie het verzamelen en analyseren van veel gegevens. De beste manier om voorspellend onderhoud te controleren is door gebruik te maken van een geautomatiseerd onderhoudsbeheersysteem (CMMS) om gegevens die binnenkomen uit werkorders, realtime voorspellende onderhoudsanalyses en onderhoudsgeschiedenis te verbinden en te beheren, waardoor deze toegankelijk worden voor het juiste personeel, waar of wanneer ze ook werken.

Zonder een CMMS blijven onderhoudsteams vaak gissen over het historische onderhoud van een asset. Werkorders staan ​​vaak op papier, en het kost tijd om papieren werkorders te vinden, in te vullen en op te bergen. Papieren werkorders maken het ook moeilijk om bij te houden wat er is voltooid of nog moet worden uitbetaald. Het is bijna onmogelijk om het volledige scala aan verzoeken, lopende taken en prioriteitstaken met elkaar te vergelijken als ze allemaal op afzonderlijke vellen papier staan.

Een CMMS maakt het veel gemakkelijker om werkorders te plannen, toe te wijzen en te voltooien. Werkorders kunnen ook worden geprioriteerd op basis van de kriticiteit van bedrijfsmiddelen, zodat de belangrijkste taken aan de juiste technici worden toegewezen. Managers kunnen zien welke taken nog openstaan en kunnen taken toewijzen aan personeel dat al aan een specifiek asset werkt of aan medewerkers met de expertise die nodig is voor de taak.

Technici en besluitvormers hebben ook toegang tot historische onderhoudsgegevens. Wanneer een asset een geschiedenis van meerdere storingen in een kort tijdsbestek heeft, kunnen experts de gegevens en voorspellende onderhoudsanalyses gebruiken om de hoofdoorzaak van het probleem te achterhalen of te beslissen of het tijd is om het asset te vervangen.

Belangrijkste functies in eMaint software voor voorspellend onderhoud

eMaint CMMS biedt organisaties een volledig pakket aan tools voor voorspellend onderhoud. Hiermee kunnen organisaties:

• Definieer monitoringklassen voor elk item
• Monitor geluid, trillingen, temperatuur, smeermiddelen, slijtage, corrosie, druk en stroming onafhankelijk van elkaar
• Handmatig invoeren of meterstanden importeren
• Definieer de boven- en ondergrenzen van de acceptabele werking voor elk item
• Geef meetwaarden weer als een rapport met kleurgecodeerde uitzonderingen
• E-mails worden automatisch geactiveerd wanneer een grens wordt overschreden
• Genereer automatisch werkorders wanneer een meting buiten de vooraf gedefinieerde grenzen valt
• Voer gegevensanalyses uit om storingen vroegtijdig te identificeren, storingen te voorkomen en de onderhoudsbronnen te optimaliseren
• Bekijk het conditiebewakingsdiagram

Casestudy:eMaint CMMS-conditiebewaking gebruiken voor voorspellend onderhoud

Cleveland Tubing, Inc. is een fabrikant van flexibele, opvouwbare slangproducten, waaronder FLEX-Drain en PumpFlex. Het bedrijf heeft eMaint opgezet, zodat meterstanden op belangrijke indicatoren (temperatuur, druk, vloeistofniveaus, zuigkracht) worden geïmporteerd en gebruikt om prioritaire werkorders te activeren wanneer werk of inspectie nodig is op basis van vooraf gedefinieerde bereiken.
Gary Payne, onderhoudsmanager bij Cleveland Tubing, merkte op dat eMaint hun ondersteuningssysteem voor onderhoudsbeslissingen is geworden, dat hen informeert over de taken die elke dag moeten worden uitgevoerd, op basis van de verstreken tijd, het gebruik van apparatuur en op toestand gebaseerde indicatoren. Zij ervoeren ook:

• Geautomatiseerde rapporten voor het aanvullen van de voorraad op voorraad en niet-op voorraad
• Gestroomlijnde urenregistratie van arbeid voor een afdeling van vijf onderhoudsmedewerkers
• Verbeterde ROI-berekeningen met betere toewijzing van arbeids- en materiaalkosten aan activa
• De mogelijkheid om te evolueren van reactief onderhoud naar gepland onderhoud naar voorspellend onderhoud via conditiemonitoring en geautomatiseerde waarschuwingen over potentiële problemen op kritieke apparatuur
• Meet en volg KPI's eenvoudig op basis van normen van wereldklasse (90% gepland onderhoud)

Wat is de toekomst van voorspellend onderhoud?

De toekomst van voorspellend onderhoud is gebaseerd op hulpmiddelen voor kunstmatige intelligentie om inzichten op grotere schaal dan ooit tevoren te leveren. AI-tools scannen enorme datasets met hoge snelheid, wat van onschatbare waarde is voor grote organisaties met een vloot van kritieke assets. De beste AI-tools kunnen machinefouten diagnosticeren en de ernst van fouten bepalen, waardoor duidelijke onderhoudsprioriteiten kunnen worden gesteld.

Dat betekent echter niet dat het onderhoud geautomatiseerd zal zijn. Menselijke technici en operators moeten toezicht houden op de AI-output en voortbouwen op de inzichten ervan. AI is eerder een nuttig hulpmiddel dan een complete oplossing. Het werkt het beste als het workflows deelt met menselijke medewerkers.