In de afgelopen jaren is de toepassing van conditiebewaking en voorspellend onderhoud aanzienlijk toegenomen door de toenemende vraag naar machinebeschikbaarheid en algehele efficiëntie. Technologische ontwikkelingen zoals big data, slimme algoritmen, cloud en draadloos vinden hun weg naar de markt, stimuleren de mogelijkheden voor geautomatiseerde analyse en creëren kansen om het proces van monitoren en analyseren opnieuw vorm te geven.
De industriële cloud
Toestandsafhankelijk onderhoud (CBM), of predictief onderhoud, staat centraal in cloud-gebaseerde systemen. Deze systemen bieden gegevensanalyse en -interpretatie op basis van modellen/algoritmen die zijn gedefinieerd voor specifieke machines en processen. Afwijkingen die door het systeem worden gedetecteerd, leiden tot aanbevelingen voor onderhoud. Met dergelijke systemen kunnen bedrijven overstappen van reactief onderhoud naar proactief onderhoud. Onderhoud kan worden uitgevoerd voordat er daadwerkelijk storingen optreden.
Voorspellend onderhoud
Het is belangrijk om te begrijpen dat voorspellend onderhoud of CBM niet afhankelijk zijn van cloudgebaseerde systemen. Veel bedrijven die deze oplossingen aanbieden, verkopen predictief onderhoud als een nieuw concept. Dit is niet het geval; bestaande conditie (vibratie)monitoringsystemen zijn al tientallen jaren op de industriële markt. Voorspellende onderhoudsstrategieën zijn al toepasbaar sinds het gebruik van (online) conditiebewakingssystemen. De gegevens die deze systemen leveren zijn beschikbaar voor het monitoren van vibratiegedrag, het opbouwen van vibratieontwikkelingen en kunnen worden gebruikt voor voorspellend onderhoud. Bovendien zijn systemen die geautomatiseerde analyse ondersteunen niet noodzakelijkerwijs cloud-gebaseerd.
Waarom geautomatiseerde analyse gebruiken?
Bedrijven worstelen met een sterk afnemende mate van expertise. Dit is grotendeels het gevolg van vertrekkende experts en de schaarste aan jonge experts of mensen met een relevante opleiding. Dit gebrek aan expertise kan worden opgelost door een systeem te implementeren dat geautomatiseerde analyse mogelijk maakt, waarbij expertise in principe wordt overgebracht in een systeem. Dit systeem gebruikt modellen/algoritmen om vibratiegegevens te analyseren en te interpreteren, wat resulteert in bepaalde onderhoudsaanbevelingen.
Door vibratieanalyse en interpretaties op roterende machines te automatiseren, zijn er minder lokale engineers nodig om dit werk uit te voeren. Voor bedrijven die kampen met een afnemend aantal competente vibratie-experts, kan de overstap naar een geautomatiseerd systeem onvermijdelijk zijn.
Expertise op aanvraag
Naar onze mening is de belangrijkste kans van deze ontwikkelingen het verbeteren van de efficiëntie en effectiviteit van conditiebewaking. Het gebruik van geautomatiseerde gegevensverwerking voor een eerstelijns analyse, zonder de noodzaak van lokale expertise, kan een game changer zijn. Draadloze sensoren en gekoppelde monitoringsystemen kunnen de impact op de infrastructuur en de initiële investeringen voor monitoringsystemen verminderen. Gedeelde gegevens kunnen de algoritmen voor geautomatiseerde analyse verbeteren en bieden mogelijkheden voor ondersteuning op afstand. Deze technologieën verhogen de algehele effectiviteit en waarde van conditiebewakingssystemen en -structuren en veranderen servicemodellen naar expertise op aanvraag.
Overwegingen
Ondanks de kansen die deze nieuwe technologieën bieden, moeten de juiste afwegingen worden gemaakt.
"Naarmate analyse en besluitvorming worden overgeheveld naar geautomatiseerde systemen en experts op afstand, zullen lokale engineers minder betrokken raken bij de machines."
1. Validatie van gegevens
De invoer is de sleutel voor elke geautomatiseerde analyse of analyse op afstand, omdat deze uitsluitend afhankelijk is van de informatie die door deze invoer wordt geleverd. Daarom moet de gegevensinvoer worden gevalideerd, inclusief:
- De juiste sensor voor de toepassing selecteren
- Sensorkalibratie
- Signaal/ruisverhouding
Daarnaast moet de nauwkeurigheid van de gegevens worden geverifieerd. De gepresenteerde gegevens moeten relevant en nauwkeurig zijn om tot een werkende structuur voor voorspellend onderhoud te komen. Gegevens met een lage nauwkeurigheid kunnen niet worden gebruikt voor monitoring. In het licht van de nauwkeurigheid van de gegevens is het erg moeilijk om om te gaan met (uitzonderlijke) omgevingsinvloeden, zoals veranderingen in de omgeving, uitzonderlijke procesomstandigheden of menselijke fouten. Vibratie veroorzaakt door een andere machine (kruisvibratie) kunnen het geautomatiseerde systeem bijvoorbeeld een vals alarm laten genereren.
2. Logistiek en onderhoud
Om relevante gegevens te verzamelen, moeten de meet- en gegevensstroom gegarandeerd zijn. Goed onderhoud en logistiek moeten aanwezig zijn:
- Kruisbesmetting van sensoren voorkomen
- Foutieve plaatsing/locatie van sensoren voorkomen
- Relevant interval voor gegevensverzameling
- Beschikbaarheid van reservesensoren
- Beheer en vervangingsstrategie van sensorbatterijen
- Stabiele, veilige en betrouwbare netwerkverbindingen
3. Lokale expertise
Naarmate analyse en besluitvorming worden overgeheveld naar geautomatiseerde systemen en experts op afstand, zullen lokale engineers minder betrokken raken bij de machines. Hierdoor ontstaat een groeiende afhankelijkheid van externe experts voor analyse en ondersteuning.
4. Veiligheid en privacy
Door sensoren en bewakingshardware op het internet aan te sluiten, wordt cyberveiligheid een risico en worden nieuwe richtlijnen voor de opslag en verwerking van gegevens, zoals ISO 27001, van toepassing. De kwetsbaarheden en regelgeving vergroten de complexiteit van de implementatie van een aangesloten systeem.
