Predictive maintenance

Predictive maintenance is een veelbelovende

onderhoudsstrategie voor uw assets. Voerde u onderhoud
tot nu toe vooral correctief of preventief uit? In de
toekomst bieden nieuwe technieken u de mogelijkheid dit
op basis van de daadwerkelijke conditie te doen.
Dit zogeheten predictive maintenance heeft veel voordelen. Aan de
ene kant grotere betrouwbaarheid van uw assets door vroegtijdig
storingen te zien aankomen. Aan de andere kant besparingen door
minder correctief of onnodig preventief onderhoud.
Bij het implementeren van predictive maintenance zijn de volgende
drie aspecten van belang:

 Identificeren van kansrijke pilots en het bouwen van

businesscases.
 Sensorkeuze, algoritmiek en technologie.
 Projectmanagement.

Identificeren van kansrijke pilots en het bouwen van

businesscases
Voor een succesvolle implementatie van predictive maintenance is het
belangrijk dat u focust op de productiemiddelen en storingen waar de
meeste winst is te halen. Lang niet alle storingen zijn voorspelbaar en
het voorkomen van storingen levert lang niet overal evenveel op.
Het opstellen van businesscases voor verschillende assets stelt u in
staat de juiste keuzes te maken. Op basis van uw en onze ervaring is
de initiële businesscase goed te maken. We benutten daarvoor
standaard templates zodat u snel aan de slag kunt. Gedurende het
traject werken we de businesscase dan verder uit.
Sensorkeuze, algoritmiek en technologie
De sensorkeuze is essentieel bij predictive maintenance. Vaak ligt die
al vast, bijvoorbeeld omdat u reeds sensoren heeft geïnstalleerd of
omdat uw informatiesysteem op bepaalde sensoren is aangepast. Zo
niet, dan adviseren we u om voor dit keuzeproces echt tijd uit te
trekken.
Berenschot onderscheidt drie typen sensoren: voor het meten van
gebruik, belasting of de daadwerkelijke conditie. De figuur toont de
onderlinge verbanden tussen deze drie typen sensoren en de data die
zij opleveren. Sensoren die gebruik meten zijn vaak goedkoop en
makkelijk te installeren, maar de voorspellende waarde ten aanzien
van de daadwerkelijke conditie is vaak niet zo groot. Sensoren die
daadwerkelijk de conditie meten, zijn lastig te vinden; dit vereist veel
kennis van de onderliggende faalmechanismes. Sensoren die
belasting meten, zitten er tussenin. Voor predictive maintenance is het
dus zaak de optimale balans te vinden tussen genoemde typen
sensoren.
Drie typen sensoren, hun data en onderlinge relaties
Verder dient u ook algoritmiek en technologie te kiezen. Berenschot
adviseert u hieromtrent op basis van onze ervaring met verschillende
modellen en analysetechnieken. Bij predictive maintenance wordt een
zeer grote hoeveelheid data verzameld. Het verwerken van deze big
data en het selecteren van de juiste technologie hiervoor is een vak
apart.

Projectmanagement
De resultaten van een predictive maintenance project zijn vooraf vaak
moeilijk in te schatten. Bij de ene machine is een storing heel goed te
voorspellen, bij de andere lijkt er geen verband te bestaan tussen
storingen en gebruiksgegevens. Daarom is het belangrijk om vooraf
niet alles in beton te gieten, maar agile te werken: leren door te doen,
voortgaan op basis van ervaringen.
Berenschot gebruikt vaak de Lean Startup cyclus: build, measure,
learn. U bouwt een oplossing (build), u meet en kijkt of het werkt
(measure), u leert van de resultaten (learn) en u bouwt op basis
daarvan een nieuwe oplossing. Als u deze cyclus in korte tijd
meermaals doorloopt, kunt u snel resultaten boeken.

De Lean Startup cyclus

Conclusie
Ook in uw bedrijfsvoering geldt: voorkomen is beter (én goedkoper)
dan genezen. Predictive maintenance maakt uw processen efficiënter,
uw machinepark staat minder stil en uw leverbetrouwbaarheid gaat
omhoog.
Voor een succesvolle implementatie is het noodzakelijk dat de kennis
van alle afdelingen binnen uw bedrijf wordt samengebracht.
Berenschot heeft de kennis en ervaring om u met deze vorm van
digitalisering actief te ondersteunen en snel tot resultaten te komen.
Zo zet predictive maintenance uw organisatie op voorsprong.