Gegevensanalyse moet leiden tot voorspelbaar onderhoud

Bedrijven werken steeds vaker samen aan het ontwikkelen van smart industry oplossingen voor onderhoud. In zogenaamde fieldlabs digitaliseren ze processen en genereren ze data om slimmer onderhoud mogelijk te maken.

Dat is nodig, want onderhoud gebeurt vaak nog niet erg slim, zo klonk het tijdens een bijeenkomst van Profion Maintenance Linqs in Tilburg. Deelnemers werden meegenomen op een tour d’horizon van Nederlandse fieldlabs en hoorden het verhaal achter Campione, Smash en Camino. ‘Vaak gaat het om oplossingen die allang mogelijk zijn, maar we doen het niet.’ 

De opkomst van fieldlabs is geen overbodige luxe, stelt Henk Akkermans, directeur van World Class Maintenance. ‘Slechts vijf à tien procent van het onderhoud dat in de industrie wordt uitgevoerd, gebeurt op basis van data, terwijl veel gegevens gewoon beschikbaar zijn, bijvoorbeeld over temperatuur en energieverbruik. In de meeste gevallen wordt onderhoud te vroeg gepleegd of te laat. Dat is vreemd voor een sector waarin jaarlijks tussen de twintig en dertig miljard euro wordt omgezet. Fieldlabs, centra voor open innovatie waarin tussen de 25 en 40 partijen samenwerken, zoeken naar manieren om dat slimmer te doen en een duur en ingewikkeld project haalbaar te maken voor meerdere partijen.’

Kort door de bocht komt het steeds vooral neer op het genereren van een grote hoeveelheid data, die vervolgens door experts wordt geïnterpreteerd. Zij zoeken correlaties die uiteindelijk honderd procent voorspelbaar condition-based onderhoud mogelijk moeten maken.

Laag risico

Van de fieldlabs die aan de orde komen, staat Campione het verst in zijn ontwikkeling. Het project, dat werd gestart in het najaar van 2015 met de oprichting van een eerste living lab – een locatie waar een bepaalde techniek die in een labomgeving getest is, in een reële situatie wordt getest – richt zich op innovatie in de procesindustrie. Onlangs werd op de Chemelot site in Geleen een nieuw living lab geopend: het Sitech Asset Health Center (SAHC), waar 38 mensen werken aan de monitoring van de fabrieksinstallaties van 23 plants en plantdelen op de site. Het centrum kan in totaal tweehonderdduizend assets monitoren. Het project heeft een looptijd van vijf jaar en draait op een investering van 2,5 miljoen euro, waarvan 0,9 miljoen subsidiegeld. Doordat er achttien partners aan het project zijn verbonden en de pilot klein wordt gehouden, is het investeringsrisico vrij laag. Tegelijkertijd kan de techniek gemakkelijk worden opgeschaald doordat er veel soortgelijke apparatuur wordt gebruikt.

Connecting the dots

Het grote doel van het SAHC is voorspelbaar onderhoud met ‘zero surprises’. Dat gebeurt door assets constant te monitoren. Op basis van de data proberen experts vervolgens een verband te leggen tussen bepaalde datawaardes en faalgedrag. Om de data binnen te halen, wordt er vooral gebruik gemaakt van sensoren. Maurice Jilderda, projectleider Predictive Analytics, noemt het voorbeeld van een fabriek waar 330 sensoren zijn geplaatst op allerlei assets. ‘Die sensoren geven een alarm bij afwijkende waarden. Op een gegeven moment was er sprake van afwijkende waarden bij de ventilatoren. De afdeling engineering kreeg de melding binnen, zag dat het om fouling ging, schakelde de controlekamer in en de ventilatoren werden direct schoongemaakt. Zo kun je adequaat handelen.’ Jilderda denkt overigens niet dat het echt innovatief is wat er in zijn centrum gebeurt. ‘Er is eerder sprake van ‘connecting the dots’. In feite doen we niets anders dan monitoren. Veel technieken waren al mogelijk, maar wij combineren alles op één plek.’

Baggerschip

Ook de maritieme industrie investeert in smart maintenance. Zo meten verschillende bedrijven binnen fieldlab Smash (Smart Maintenance of Ships pilot project) de conditie van schepen met behulp van sensoriek en gegevensanalyse. Sander Steenbrink is als general manager Corporate Research and Development bij Boskalis, één van de initiatiefnemers, betrokken bij het project. ‘Schepen zijn in feite drijvende fabrieken, die gevoelig zijn voor onderhoud. Bij Boskalis begonnen we ongeveer een jaar geleden na te denken over hoe we slimmer onderhoud aan onze schepen zouden kunnen doen. We verzamelen binnen Smash nu vooral heel veel data. De vraag is wat je daar vervolgens mee kunt. Kun je die data bijvoorbeeld zonder veel kennis van zaken in een grote bak stoppen, waarna een logaritme je iets vertelt over de toestand van het schip?’

Ze begonnen klein, met het monitoren van één onderdeel. Er werden procesgegevens van de baggerpomp van een baggerschip verzameld, waarna werd geanalyseerd hoe de data voor en na onderhoud van elkaar verschilden. Die gegevens moesten vervolgens in kaart worden gebracht. Steenbrink: ‘In feite zit je op dat moment met een classificatieprobleem. Je moet dan met zoekmachineachtige logaritmes door al die data heen om er lijn in aan te brengen. We hebben tachtig procent van de data gebruikt om een voorspellend model te trainen, waarbij we keken naar hoe vaak het model de situatie juist inschatte en hoe vaak onjuist. De overige twintig procent van de data gebruikten we voor evaluatie.’

Duiden

Steenbrink denkt dat het nog wel even  uurt voor de techniek zover is ontwikkeld dat men precies kan voorspellen wanneer onderhoud nodig is. De zoektocht is ook nog maar net begonnen. ‘Nu is er alleen gefocust op de waterpompen, maar dat is slechts een fractie van wat er kan worden gemeten. In ieder geval is dit een goede ontwikkeling, want tot nu toe moesten we ook correctief onderhoud plegen, wat soms heel ongelegen komt. Het is goed dat in het fieldlab verschillende partijen kunnen werken aan verbetering. Dat is ook nodig, want als scheepseigenaar kun je dit niet alleen. Voor het duiden van de meetgegevens moeten we samenwerken.’

Weg

Het derde en laatste fieldlab dat de revue passeert, is Camino, ‘weg’ in het Spaans. Het project werd eind 2015 afgetrapt met meer dan vijftig deelnemers uit de infrasector. Het lab richt zich op voorspelbaar onderhoud voor infrastructurele werken, waarbij net als bij de andere fieldlabs gebruik wordt gemaakt van sensoren, data-voorspellingsmodellen, big data en internet of things. In het werkveld valt nog een boel te winnen. Akkermans: ‘In de infrastructuur wordt niet veel gemeten, uitzonderingen daargelaten. We zouden veel meer informatie kunnen verzamelen over wegen, spoorwegen, telecom- en elektriciteitsinfrastructuur en riolering’. Tot nog toe richtte het fieldlab zich in haar samenwerking op de vierhonderd kilometer aan persleidingen van Waterschap Vechtstromen, de 875 kilometer riolering van de gemeente Enschede, het asfalt van de zes landingsbanen en 131 vliegtuigopstelplaatsen van Schiphol, de 140.000 kilometer aan laagspanning elektriciteitskabels van Enexis en Liander en de 2.800 kilometer spoor die Strukton Rail in Nederland onderhoudt.

Pigging

Vaak is een slimme oplossing dichtbij. Akkermans noemt als voorbeeld het potentieel bij de waterschappen. Gemiddeld hebben deze bedrijven voor zo’n half miljard aan infrastructuur onder en boven de grond liggen. Vaak is het materiaal, dat meestal stamt uit de jaren zeventig, verouderd. Akkermans: ‘Een gemiddeld waterschap heeft vierhonderd kilometer aan drukleidingen. Per jaar gaan er een à twee kapot, maar vaak is onduidelijk waar ze precies liggen. En de grap is: de waterschappen hebben alles in huis om daar op een simpele manier achter te komen, maar ze doen er niets mee. Ze hebben een pigging-installatie waarmee een bal door de leidingen kan worden gestuurd, maar er nog niet over gedacht om daar een sensor op te bevestigen zodat de locatie van de leiding in kaart kan worden gebracht en de wanddikte kan worden gemeten. Er liggen heel veel kansen, soms veel dichterbij dan je denkt.’

Dit verslag van de PML (Profion Maintenance Linqs) van 7 juni 2016 over de stand van zaken in WCM Fieldlabs is eerder verschenen in iMaintain juni 2016. De volgende PML staat gepland op 17 november.