Voorspellend onderhoud kan kosten en schades voorkomen, maar toch dringt de methodiek maar moeizaam door in het Nederlandse bedrijfsleven. Technisch dienstverlener SPIE probeert met een serie pilotprojecten het vertrouwen in deze innovatie te vergroten.
De constante stroom van data die dagelijks binnenkomt vanuit een Nederlands sluizencomplex vertoonde onlangs forse schommelingen. Uit analyse bleek dat de afwijkende waarden afkomstig waren van de pompen. Een monteur van SPIE die in de buurt was nam een kijkje en kwam tot de ontdekking dat de kolos vrijwel zonder olie draaide. “Het is maar een eenvoudig probleem, maar wel eentje die forse schade kan veroorzaken”, vertelt innovatieconsultant Marijn Bults van Spie. “Dankzij tijdig ingrijpen functioneert de pomp nu weer optimaal.”
Het is een goed voorbeeld van wat voorspellend onderhoud (in turbotaal: ‘predictive maintenance’) kan betekenen. Toch houden bedrijven zich er nog onvoldoende mee bezig, constateert SPIE. Daarom besloot de technisch dienstverlener zijn klanten er actief mee op te zoeken door pilots op te tuigen in elk van zijn vier divisies (energie, industrie, smart city, efficient buildings). “Predictive maintenance is net als artificial intelligence een beetje een buzzword”, zegt Bults. “Wij proberen voorbij de hype te gaan.”
Patronen ontdekken
Heel concreet gaat het om het ontdekken van patronen in stromen data die worden verzameld in installaties. Vaak is er niet eens een fysieke ingreep nodig, omdat veel moderne besturingssystemen allang gegevens verzamelen. Een van de pilotprojecten is bijvoorbeeld gericht op de werking van luchtbehandelingskasten bij een grote klant. Wanneer zijn de filters aan vervanging toe? Meestal gebeurt het periodiek. Dat betekent dat het misschien te vroeg of juist veel te laat gebeurt. Terwijl het helemaal niet ingewikkeld is om precies te bepalen wanneer het tijd is.
Zowel voor als achter het filter zit namelijk een druksensor, die data doorgeeft. Als het verschil in druk tussen de twee te hoog wordt, zit waarschijnlijk het filter vol. Het is ook mogelijk dat een luchtbehandelingskast al eerder minder efficiënt gaat werken en meer stroom verbruikt. Analyse van de stroomdata kan het duidelijk maken. “Het gebouwbeheerssysteem leest vaak de luchtbehandelingskasten uit, ook de druksensoren”, vertelt Bults. “Die data worden dus uitgelezen zonder dat er systematisch iets mee gebeurt om patronen te vinden. Zonde natuurlijk.”
Zeker in coronatijd is het prettig om aan de hand van binnenkomende data de werking van een kast te analyseren, want dat kan eenvoudig op kantoor. Er hoeft geen monteur voor op pad. Mechanische onderdelen, zoals pompen en ventilators, laten zich ook eenvoudig vanaf afstand volgen. Hier helpen meestal vibratiesensoren een handje. Gaan ze meer trillen, dan is dat meestal een teken van slijtage.
Als het allemaal zo simpel is, waarom doet dat niet iedereen het? Omdat data uitlezen én analyseren niet eenvoudig een kwestie is van een druk op de knop. Bults: “Als je het verkeerd doet, kun je ook een verband vinden tussen de conditie van het luchtbehandelingsfilter en het aantal softijsjes dat je eet. Je moet met mensen die verstand hebben van de techniek én van de locatie gezamenlijk de data bekijken, anders wordt het niks.” Het gaat niet alleen om meetgegevens, maar ook om koppeling met de gegevens die monteurs invoeren na een reparatie.
Kosten spreiden
Voorspellend onderhoud kost natuurlijk ook geld. Daarom wil SPIE zoveel mogelijk bedrijven mobiliseren om mee te doen, want dan kun je de kosten spreiden. De algoritmes doen hun werk toch wel, hoe meer data er binnenkomen des te nauwkeuriger is de voorspelling. Spie probeert ook samenwerkingen op poten te zetten met andere bedrijven die zich bezighouden met slimme analyse en artificial intelligence. Vooral in de infrastructuur kunnen de besparingen door voorspellend onderhoud flink aantikken. Als bij het ontwerp en de bouw van een brug al duidelijk is waar bemetering nodig is, is het gemakkelijker om het noodzakelijke onderhoud te voorspellen gedurende de hele levensduur.
In gebouwen waarin koeling en elektriciteit cruciaal zijn, zoals datacentra, laat de degradatie van back-up batterijen zich bijvoorbeeld prima online analyseren. Ook hier kunnen schades enorm zijn als er onverwacht een storing optreedt. Spie heeft daarom ook in een datacentrum een pilotproject opgetuigd. De data die eruit komen worden vertaald in grafiekjes die patronen – en afwijkingen daarin – helder weergeven op een computerscherm.
Worden monteurs minder belangrijk als de computer noodzakelijk onderhoud voorspelt? “Nee, de monteurs blijven de echte experts”, zegt Bults. “Als een algoritme een verband ziet tussen softijsjes en de conditie van een filter, hebben we hun gelukkig nog om te vertellen wat wél de oorzaak en het gevolg waren. Het blijft een aanvulling.”
SPIE is sinds een aantal jaar bezig met slimmer onderhoud. Omdat de technieken steeds toegankelijker worden, start het bedrijf in samenwerking met klanten steeds meer pilots met voorspellend onderhoud. De technisch dienstverlener wil conventionele onderhoudsmethodieken op die manier in stapjes verrijken met slimmere onderhoudsmethoden, als aanvulling op bewezen onderhoudsmethoden.
Volgens het bedrijf zorgen conventionele technieken voor meer downtime van machines en een hoger CO2-verbruik dan in de ideale situatie mogelijk is. Dat verzwakt de concurrentiepositie van het Nederlandse bedrijfsleven. Integratie van ‘Industrie 4.0’ methoden moet het ook makkelijker maken om de doelstellingen van het Klimaatakkoord te halen.
