Voorkomen is beter dan genezen, dat vond ook de wereldmarktleider op het gebied van Actieve Farmaceutische Ingrediënten (API’s). Om storingen en correctief onderhoud te reduceren, voeren zij preventief onderhoud uit op alle kritische installaties. Tegelijkertijd verzamelen zij procesdata om daarmee het productieproces nog efficiënter in te kunnen richten. De producent van API’s had alleen nog niet inzichtelijk of de preventieve maatregelen bijdragen aan een optimaal onderhoudsconcept voor de kritische assets.
Hoe kunnen we ongeplande stilstand nog beter voor zijn? Draagt het huidige onderhoud ook daadwerkelijk bij aan storingsreductie? Kunnen we met minder onderhoud de installaties nog steeds optimaal laten draaien? Het Maintenance Solutions team van SPIE ging met deze vragen aan de slag.
Data en expertise cruciaal voor
conditiegestuurd onderhoud
De keerzijde van preventief onderhoud is dat onderdelen vaak al vervangen worden terwijl ze nog niet kapot zijn. Dit brengt onnodige kosten met zich mee. Door effectief te meten, data te verzamelen en te analyseren, is conditiegestuurd onderhoud mogelijk. Onderhoud wordt dan niet gepland op basis van tijd, maar op basis van de staat van de asset met behulp van accurate data. Om het juiste onderhoudsconcept te bepalen moeten er verbanden gelegd worden tussen de reeds verzamelde data en de prestaties. Daarvoor werd een beroep gedaan op de ervaring en expertise van SPIE. SPIE heeft in samenwerking met de klant bekeken welke data noodzakelijk is om de oorzaak van storingen of systeem falen te achterhalen, om zo de P-F-curve van installaties inzichtelijk te maken.
De faalvorm van kritische componenten van een installatie kennen vaak een faalcurve met een p-f interval. Vanaf het punt P (potential failure) op de curve is onderhoud gewenst en op punt F (van failure) komt het onderhoud net te laat. Deze faalcurven komen tot stand door data inwinning. SPIE voegt aan deze ruwe data intelligentie toe, die gebaseerd zijn op onze vakkennis en data-analyse.
SPIE verzorgde de projectbegeleiding en bracht een specialist in op het gebied van dataverwerking. Om een dergelijk onderzoek te doen, is één kritisch component onder handen genomen dat in meerdere installaties terug te vinden is, namelijk het stikstof seal van een centrifugaalpomp. Een quick win want hiervan was door de jaren heen al heel veel data verzameld. Door deze data te analyseren, kwam SPIE tot de ontdekking dat het huidige onderhoudsconcept niet aansloot bij de functionaliteit en het faalgedrag van het stikstof seal. Het seal, dat gemaakt is om stikstof te lekken ten behoeve van een afdichting, werd te snel als lek beschouwd en kon nog veel meer draaiuren maken alvorens functioneel te falen. Opvallend, want het seal was wel een beruchte component voor stilstandstijden en daarmee ongewenste reparaties. Onterecht bleek dus.
Na verder onderzoek bleek dat de slijtage van het stikstof seal in de operatie een bijzonder effect had. Dit effect was terug te zien in de beschikbare databronnen rond deze pomp en stikstof seal. Door dat bijzondere effect bracht SPIE de P-F curve in kaart en konden er gerichte verbetervoorstellen gedaan worden ten aanzien van conditie gebaseerd onderhoud. Door dichter op het functioneel falen te acteren, is er meer uptime en zijn er minder reparatiekosten. Toegevoegde waarde dus.
Het verschil maken met specialistische kennis
Het team van Maintenance Solutions beschikt over allerlei tools om ruwe databronnen, zoals sensordata van machines, om te zetten in bruikbare informatie voor procesvoering en onderhoud. Dit in combinatie met onze ervaring en expertise zorgt ervoor dat wij slimme en op maat gemaakte onderhoudsplannen kunnen creëren en implementeren die maximaal toegevoegde waarde leveren. Wij geloven dat big data ons veel kan vertellen over de gebeurtenissen binnen een machine. We zien het als het geheugen van de installatie die in alle objectiviteit vertelt wat er is gebeurd of wellicht gaat gebeuren. Hoe mooi is het dan ook om beschikbare procesdata te gebruiken als middel om ongeplande stilstand te voorkomen en naar just in time onderhoud te bewegen!
Snellere adoptie van Smart Maintenance Enabled Business
Doelstelling fieldlab SAMEN
De doelstelling van fieldlab SAMEN is om de adoptie van Smart Maintenance Enabled Business te versnellen en te vergroten door gezamenlijk oplossingen, in de vorm van kennisproducten, te ontwikkelen, te valideren en beschikbaar te stellen aan de markt. Feitelijk proberen we gezamenlijk de drempels te slechten die organisaties ervaren bij het effectiever en sneller adopteren van de mogelijkheden van smart maintenance en de daaraan gekoppelde kansen voor nieuwe businessmodellen.
Aanpak
In de eerste fase worden de ervaren drempels geïdentificeerd en worden gezamenlijke hulpmiddelen en oplossingen ontwikkeld in verschillende communities of practice gericht op deelthema’s. De kennisproducten die daarmee ontwikkeld worden, worden vervolgens in de praktijk getoetst, gebruikt en gevalideerd binnen Living Labs (pilotomgevingen binnen de industrie). Dit met hulp en onder toeziend oog van een aantal ‘wetenschappelijke gewetens’. Tot slot worden de gevalideerde (en mogelijk verbeterde versie van de) kennisproducten gedeeld met de industrie door het inrichten van een WCM-loket.
