April 8, 2019 | Blog

Engineer and sensor: an unbeatable duo!

Maintenance personnel

Full availability and reliability of machines is crucial for many companies. Malfunctions due to a broken electric motor are not common, but the failure of a compressor or pump can have significant financial consequences. A lot of time and money is being spent on preventive maintenance. However, the necessary technical experts are becoming scarce and expensive. By supporting the professionals with sensors linked to artificial intelligence, mechanics can be deployed much more efficiently and in a more targeted manner.

The sensor can take over the mechanic’s many regular jobs. Sensors make it possible to measure and monitor 24/7 the condition of electric motors in pumps, compressors, and conveyors. This is impossible for a maintenance technician to do. By having the sensor give the first signal when an asset breaks down, the mechanic can outsource a lot of control activities and unnecessary work and concentrate on the motors he knows there is something is wrong with.

Condition-based maintenance

In the absence of information on the current condition of assets, periodic maintenance is the most commonly used maintenance strategy. Time-based maintenance is aimed at carrying out work well before it is necessary to rule out possible engine failures. Using this method most of the maintenance is carried out much earlier and more often.

In many industries, the shortage of technicians is increasing: within five years, between 20% and 40% of technicians will retire. This makes a time-based maintenance strategy no longer feasible. Condition monitoring as the basis for condition-based maintenance enables companies to prevent unplanned downtime by detecting damage in good time and performing maintenance work efficiently: intervene before the machines fail or when their performance declines, but not before.

More challenging work

For the maintenance technician, working with sensors does not lead to less, but more challenging work. There are approximately 5 million industrial electric motors in the Netherlands. Large industrial companies sometimes have as many as 10,000 motors, pumps, and conveyor belts on their premises. In practice, the most critically situated motors are periodically inspected. Not because they often fail, but because the costs of an incident are very high. The mechanic often inspects the machine while nothing is wrong. Sensors can take over the first inspection.

In this way, sensors support the craftsman by indicating which machines to look at. The skilled craftsman eye can detect much more than a sensor can. More importantly, the mechanic can identify the cause and suggest structural improvements. Solving the damage is great, but preventing it is even better. This is difficult when you have to check 20 to 30 machines per day, but it works with 3 or 4 machines that you inspect in a targeted way.

Monitored Assets per Professional

As industries grow and scale up their processes, the maintenance engineer is not scalable. There is already a shortage of skilled workers, and this problem will grow with an aging population. It is therefore essential to increase the productivity of the professional, expressed in the monitored assets per professional.

A specialist who has to do 30 engines a day and goes to a machine once a month or quarter, can take care of about 1300 to 1500 engines. He spends about 12 minutes per engine, taking into account travel time, lunchtime and other things. Due to time pressure, it is difficult for the mechanic to deliver high-quality work.

When you support him with technology, and he doesn't routinely run 30 engines, the same mechanic can take care of 6000 to 8000 assets. This leads towards spending less time on engines which have no faults and more on individual assets thus enabling him more time to better determine the cause of the failure. As a result, he can deliver better quality work per asset.

People who maintain and repair machines will always be needed.  A lot is expected from robotization, but the replacement and maintenance of an electric motor will not be done by robots in the coming years.  However, technology can ensure that professionals work more efficiently and smarter. The mechanic and the sensor form an unbeatable duo!

Do you want to know more about the difference between vibration and current sensors? Take a look at our solution, follow us on LinkedIn or schedule a call

April 8, 2019 | Blog

The hidden costs of unplanned downtime

Costs

Unplanned downtime is the nightmare of every production manager. At a standstill, the expected amount of production is not achieved. Production planning is changed to limit the damage as much as possible. Engineers must abruptly drop everything in order to restart production as quickly as possible. Parts are ordered and replaced while customers are informed that they have to wait longer for their product. After a downtime, losses are calculated based on production, downtime and labour costs, the cost of new parts and any additional costs incurred due to non-compliance of customer agreements. Despite careful calculation, many companies underestimate the indirect costs of downtime. This article challenges you to look beyond the visible costs.

Chain reaction

A malfunction is annoying for production, but it often does not stop there. A standstill can affect the customer and his customer. For example, when a wholesaler places an order, and the order cannot be delivered on time, the wholesaler, in turn, will have to disappoint his customers - retailers. The retailer may end up with empty shelves in his shop and must, in turn, disappoint his customers. Downtime therefore often triggers a chain reaction that the production and maintenance department is not always aware of.

Unnecessary capacity

Many companies accept and calculate that part of the unplanned downtime is unavoidable. To still achieve the required production, they use more assets than necessary. If downtime can (partially) be eliminated, the plant could achieve the same production with fewer assets. The costs of unnecessary assets are also indirect costs of unplanned downtime.

Emotion

Also, downtime creates a lot of emotion in the factory. When everything works, everyone is satisfied. If breakdowns or unplanned downtime occur, the production department is on the back foot. The maintenance department must abruptly drop regular activities, solve problems as quickly as possible and find the cause. The bigger or more complex the problem, the more stress it creates, which can lead to a negative working atmosphere. When unplanned breakdowns occur continuously, this can lead to less motivation among employees and, in the worst cases, employees leaving. This leads to a loss of knowledge and experience in a sector where knowledge retention is becoming increasingly important.

Preventing unplanned downtime

Unplanned downtime, therefore, costs more than just production loss. It is important to quantify the hidden costs and include them in the calculation of the costs of unplanned downtime. In this way, it becomes clear that the costs of unplanned downtime are even higher than originally thought and the importance of preventing unplanned downtime can be further underlined within the company.

Do you want to know more about the true cost of unplanned downtime? Take a look at our solution, follow us on LinkedIn or schedule a call

April 8, 2019 | Blog

What is the ideal type of ‘smart sensor’ for your assets?

Condition-based maintenance, Sensor

Sensors are an important tool to monitor the condition of electrical and rotating machines. They are available in different types and sizes. ‘Which sensor is ultimately the most suitable depends on the critical properties within the production unit and the failure modes of the machine,' says dr. Bram Corne, founder of Orbits. He supports companies and gives advice on signal and data processing of electrical or mechanical systems and processes with a general focus on condition monitoring of electrical machines. Corne did extensive doctoral research at Ghent University on condition monitoring of electrical rotating machines based on electrical current measurements.

“Electric machines use about 65 to 70 percent of the electricity generated worldwide. Industry uses the majority of these machines. They, therefore, play a crucial role in the production process of many companies. In recent years, much research has been carried out into monitoring such as monitoring the condition of these critical assets. Because in the event of unexpected failures, the costs can quickly increase considerably.”

Several techniques have been investigated, such as measuring temperature using temperature sensors. “If a part in a machine does not function as it should, this often leads to overheating. This is not always accurate at the component level, but can sometimes be sufficient to schedule a maintenance intervention.”

Another, more advanced technique is measuring vibrations. “If the measured vibration patterns of a machine deviate from the zero measurement (which is considered normal, ed.), this can indicate, for example, a bearing problem, an imbalance or misalignment.” Another method used is current analysis. “Based on measured current, both potential mechanical and electrical problems are revealed.”

Detecting both mechanical and electrical problems

Corne focuses on the differences between monitoring the condition based on vibration and current sensors. “In current analysis, the electrical machine is used as a sensor. It is possible to determine the nature of the problem when anomalies are detected because many causes of failure leave a specific fingerprint of failure in the current spectrum.”

Current measurement can determine both mechanical and electrical problems. “This is the big difference with vibration sensors. In vibration analysis it is often impossible to detect electrical problems or the problem is detected at too late a stage,” says Corne. “Whenever a motor experiences the start of an electrical failure, the deviation should result in such a strong force to actually induce mechanical movement of the machine. Only when the failure causes significant movement of the stator housing can the problem be detected vibration analysis. When monitoring the current, this problem can quickly be spotted before collateral damage is developed”. Current measurement can therefore often fail at an earlier stage.

Detecting electrical problems using current sensors have been going on for quite some time. In recent years, the detection of mechanical problems using these sensors has grown considerably. “In the past, it was very challenging to accurately determine the severity of mechanical problems. Mechanical problems are spotted in the current due to unique variations in the air gap between the rotor and stator (e.g., due to a bearing failure). This change can be detected in the current, but the electrical phenomenon must be linked to the severity of the mechanical problem. A company that installs a condition monitoring system wants to know exactly where it stands at a particular moment in time. (can’t end the sentence with when, missing text?)

Suppose that the detection system detects a bearing problem in the electric motor. The first question a company asks itself is: How much time do I have before a fault occurs? A year or a few days? If he knows the answer to this question, he can plan the maintenance, strategically. It is therefore very important to link the severity of the mechanical damage with the severity is reflected in the stator current. In recent years, an increase in modelling power and accumulated knowledge have made much better connections and estimates. Current sensors are consequently suitable for detecting both mechanical and electrical faults at an early stage.”

Installation of sensors

Another big difference between vibration and current sensors is the location of the sensors. “An advantage of current over a vibration analysis is that it is not necessary to carry out the measurement on site at the motor. Current measurement is possible from inside the motor control cabinet or at a central location. This makes installation easier, the environment is safe, clean and accessible, and it is easy to install. This enables this technique to have an advantage on motors installed in harsh environments (blast furnaces, cryogenic applications, submersible pumps, wind turbines, etc.)”. Laying an internet cable or amplifying a Wi-Fi signal is also relatively easy to conduct in a central location.

The flexibility of vibration sensors

On the other hand, vibration sensors are flexible. Corne: “It is possible to place a vibration sensor on almost every component to measure their condition, no matter how close or far away this component is from the engine.

When measuring with current sensors, the focus is only on the motor. It is only possible to identify the electrical and mechanical problems of the motor and the systems directly connected to the motor. Components that are very far away from the motor are more difficult to monitor with current sensors.”

Current sensors combined with machine learning models provide the solution here. Through employing machine learning, anomalies or irregularities that would not be visible to a trained analyst can be detected. It shows when a pattern deviates from what it usually is, no matter how small the effect. “Thanks to the built up historical database of a machine, we can use a kind of fingerprint of the machine as a frame for reference. For example, as soon as the machine consumes a little more than before in the same load condition, the monitoring system generates an alarm. This small change in engine operation can, therefore, indicate a mechanical problem that occurs far inside the drivetrain. Through additional tests or inspections, you can then very specifically locate the causal error. The more knowledge you build up in this way, the more input there is to make the next current measurements more accurate. In this way, the system becomes smarter and smarter”.

Choice depending on asset and failure mechanisms

Both vibration and current sensors have advantages and disadvantages. The most suitable choice depends on the situation in which the drive is located. “Companies often have sufficient knowledge about the history of the most critical machines. They know from the past where and how the failure mechanisms occur that have a negative influence on the activity. If a component that often fails is far away from the engine, then perhaps a vibration sensor on the component is the best option. If a failure mechanism is often in or around the motor itself, or if the electrical components play a critical role, current sensors are the best option for condition monitoring.”

Do you want to know more about the difference between vibration and current sensors? Take a look at our solution, follow us on LinkedIn or schedule a call

April 2, 2019 | Blog

Ontdek de ideale ‘slimme sensor’ voor uw assets

Sensor

Sensoren zijn een belangrijk hulpmiddel om de conditie van elektrische en roterende machines te monitoren. Ze zijn er in verschillende soorten, maten en types. ‘Welke sensor uiteindelijk het meest geschikt is, hangt af van de kritische eigenschappen binnen de productie-eenheid en de faalmodi van de machine’, stelt dr. Bram Corne, oprichter van Orbits. Hij ondersteunt bedrijven en geeft advies over signaal- en gegevensverwerking van elektrische of mechanische systemen en processen met een algemene focus op conditiebewaking van elektrische machine. Corne deed aan Universiteit Gent uitgebreid doctoraatsonderzoek naar de conditiebewaking van elektrische roterende machines op basis van elektrische stroommetingen.

‘Elektrische machines benutten ongeveer 65 tot 70 procent van de elektriciteit die wereldwijd wordt opgewekt. De industrie gebruikt het merendeel van deze machines. Ze spelen dus een cruciale rol in het productieproces van veel bedrijven. De laatste jaren is veel onderzoek verricht naar het monitoren en bewaken van de conditie van deze kritische assets. Want bij onverwachte uitval kunnen de kosten al snel flink oplopen.’

Meerdere technieken zijn onderzocht, zoals bijvoorbeeld het meten van temperatuur aan de hand van temperatuursensoren. ‘Functioneert een onderdeel in een machine niet zoals het hoort, dan zorgt dit vaak voor opwarming. Dit is niet altijd even accuraat op componentniveau, maar kan soms voldoende zijn om een onderhoudsinterventie in te plannen.’

Een andere, meer geavanceerde, techniek is het meten van trillingen. Wijken gemeten trillingspatronen van een machine af van de nulmeting (wat als normaal wordt beschouwd, red.), dan kan dit duiden op bijvoorbeeld een lagerprobleem, een onbalans of uitlijnfout.’ Weer een andere methode is stroomanalyse. ‘Op basis van gemeten stroom komen zowel potentiële mechanische als elektrische problemen aan het licht.’

Zowel mechanische als elektrische problemen opsporen

Corne zoomt in op de verschillen tussen het monitoren van de conditie op basis van trillings- en stroomsensoren. ‘Bij stroomanalyse wordt de elektrische machine gebruikt als een sensor. Aangezien heel wat faaloorzaken in het stroomspectrum een specifieke vingerafdruk van falen achterlaten, is het mogelijk de aard van het probleem bij vastgestelde afwijkingen te achterhalen.’

Zowel mechanische als elektrische problemen zijn via de stroommeting vast te stellen. ‘Dit is een groot verschil met trillingssensoren. Bij trillingsanalyse is het opmerken van elektrische problemen vaak onmogelijk óf wordt het probleem in een te laat stadium opgemerkt’, stelt Corne. ‘Indien een motor een begin van elektrisch falen ondergaat, dan moet deze afwijking een dermate krachtontwikkeling opleveren om te resulteren in een mechanische beweging van de machine. Pas als het falen een noemenswaardige beweging van de statorbehuizing veroorzaakt, kan het probleem aan de hand van trillingsanalyse opgespoord worden. Bij het monitoren van de stroom kan dit probleem snel gespot worden voordat er collaterale schade ontwikkeld wordt.’ Stroommeting kan falen dus vaak in een eerder stadium opsporen.

Het opsporen van elektrische problemen aan de hand van stroomsensoren gebeurt al vrij lang. De laatste jaren is het opsporen van mechanische problemen aan de hand van deze sensoren sterk gegroeid. ‘In het verleden was het zeer moeilijk om de ernst van mechanische problemen nauwkeurig te bepalen. Mechanische problemen worden namelijk in de stroom gespot door unieke variaties in de luchtspleet tussen de rotor en de stator (bijvoorbeeld door een lagerfalen). Die verandering is detecteerbaar in de stroom, maar het elektrische fenomeen moet in grootte gekoppeld worden aan de ernst van het mechanisch probleem. Een bedrijf dat een conditiebewakingssysteem installeert, wil namelijk precies weten waar het wanneer aan toe is.

Stel dat het detectiesysteem een lagerprobleem in de elektromotor vaststelt. De eerste vraag die een bedrijf zich stelt is: Hoeveel tijd heb ik nog vóór een storing zal optreden? Is dit een jaar of een aantal dagen? Weet hij het antwoord op deze vraag, dan kan hij het onderhoud strategisch inplannen. Een verband tussen de ernst van de mechanische schade en hoe die ernst zich reflecteert in de statorstroom is dus erg belangrijk. De laatste jaren worden door een toenemende modeleerkracht en meer opgebouwde kennis veel beter verbanden gelegd en inschattingen gemaakt. Stroomsensoren zijn daardoor geschikt om zowel mechanische als elektrische storingen in een vroegtijdig stadium op te sporen.’

Plaatsing van sensoren

Nog een groot verschil tussen trillings- en stroomsensoren is de plek waar de sensoren zich bevinden. ‘Een voordeel van een stroom- ten opzichte van een trillingsanalyse is dat het niet nodig is de meting ter plekke bij de motor uit te voeren. Stroom meten is mogelijk in een controlekamer of op een centrale plek. De installatie is hierdoor eenvoudiger, de omgeving is veilig, schoon en toegankelijk en het meetsysteem kan gemakkelijk van energie worden voorzien door middel van netstroom. Dit maakt dat deze techniek een streepje voor heeft bij aandrijvingen opgesteld in ruige omgevingen (hoogovens, cryogene toepassingen, onderwaterpompen, windmolens…).’ Een internetkabel aanleggen of een wifi-signaal versterken is op een centrale plek eveneens vrij eenvoudig te realiseren.

Flexibiliteit trillingssensoren

Daartegenover staat de flexibiliteit van trillingssensoren. Corne: ‘Het is mogelijk om op vrijwel iedere component waarvan men de conditie wil meten, een trillingssensor te plaatsen. Hoe dicht of ver deze component ook is verwijderd van de motor.

Bij het meten met stroomsensoren, ligt de focus enkel en alleen op de motor. Het is alleen mogelijk om de elektrische en mechanische problemen te achterhalen van de motor en de systemen die direct aan de motor zijn gekoppeld. Componenten die erg ver zijn verwijderd van de motor zijn moeilijker te monitoren met stroomsensoren.’

Stroomsensoren, gecombineerd met machine learning- modellen zorgen hier voor de oplossing. Door middel van machine learning kunnen anomalieën of onregelmatigheden worden gedetecteerd die niet altijd zichtbaar zijn voor een getrainde analist. Er wordt weergegeven wanneer een patroon afwijkt van wat normaal is, hoe klein het effect ook is. ‘Dankzij een opgebouwde historische database van een machine, kunnen we een soort vingerafdruk van de machine als referentiekader gebruiken. Zodra de machine bijvoorbeeld ietwat meer verbruikt dan voorheen in dezelfde belastingstoestand, genereert het monitoringssysteem een alarm. Die kleine wijziging in de motorwerking kan bijgevolg wijzen op een mechanisch probleem dat zich ver in de aandrijftrein voordoet. Door bijkomende testen of inspecties, kun je vervolgens heel specifiek de oorzakelijke fout gaan lokaliseren. Hoe meer kennis je op die manier opbouwt, hoe meer input er is om de volgende stroommetingen nauwkeuriger te maken. Het systeem wordt op die manier dan ook steeds slimmer.’

Keuze afhankelijk van asset en faalmechanismen

Zowel trillings- als stroomsensoren hebben voor- en nadelen. De keuze wat het meest geschikt is, hangt af van de situatie waar de aandrijving zich in bevindt. ‘Bedrijven hebben vaak voldoende kennis over de historie van de meest kritische machines. Ze weten uit het verleden waar en hoe de faalmechanismen optreden die een negatieve invloed hebben op de bedrijvigheid. Is een component dat vaak faalt ver verwijderd van de motor, dan is wellicht een trillingssensor op het component de beste optie. Zit een faalmechanisme vaak in of rond de motor zelf, of spelen de elektrische componenten een kritische rol, dan zijn stroomsensoren de beste optie om conditiebewaking uit te voeren.’

Wilt u weten of stroom- en spanningssensoren ook voor u de juiste keuze zijn? Bekijk onze oplossing, volg ons op LinkedIn of plan een belafspraak.

March 28, 2019 | Blog

Snelle winst op duurzaamheid: Monitor je inefficiënte motoren

Sustainability

De druk op de industrie om duurzaam te produceren wordt opgevoerd. In het Klimaatakkoord van Parijs is bepaald dat wereldwijd de uitstoot van CO2 in 2050 met 80 tot 95% moet zijn verminderd ten opzichte van 1990. Grote industriële ondernemingen trekken alles uit de kast om hun CO2 footprint te verkleinen.

Voor Nederlandse bedrijven ligt de lat op korte termijn nog een stukje hoger. Terwijl in Europees verband is afgesproken te streven naar een CO2-reductie van 40% in 2030, zet het Nederlandse Klimaatakkoord in op een 49% lagere uitstoot. Een belangrijk deel van deze gewenste afname komt op het bord van de industrie terecht.

Innovatieve technologieën

Energie-intensieve industrieën zoals de chemie- en staalindustrie zijn op alle vlakken bezig met onderzoeken en pilots om de CO2-uitstoot terug te dringen. Er wordt gezocht naar nieuwe innovatieve technologieën om het verbruik van energie en grondstoffen te verminderen. Met deze projecten zijn, naast tijd, miljoenen en soms miljardeninvesteringen gemoeid.

Zo heeft Tata Steel in IJmuiden een pilot fabriek. Hier wordt door het gebruik van een nieuw innovatief productieproces het energiegebruik stevig gereduceerd. Daarnaast wordt een verminderde CO2-uitstoot van 50% gerealiseerd bij de productie van staal.   

De chemie is druk bezig met pilots op het gebied van CO2-opvang of CO2 als grondstof. Ook wordt gekeken naar groene waterstof en biobrandstoffen. Deze projecten staan grotendeels nog in de kinderschoenen. Het zal voor veel van deze projecten nog jaren duren voordat ze worden toegepast in de praktijk. Resultaat blijft daarom nog even uit. De branchevereniging van de chemische industrie, de VNCI, stelt dat het mogelijk is de chemie in 2050 energieneutraal te laten opereren, maar tekent hierbij aan dat hier grote investeringen mee gemoeid zijn.  

Besparingspotentieel

Verduurzaming hoeft echter niet altijd zeer complex en duur te zijn. Investeren in het besparen van energie leidt meestal direct tot lagere kosten. Binnen de industrie is er nog een groot besparingspotentieel waar vaak aan voorbij wordt gegaan. Elektromotoren, en de systemen die hierdoor worden aangedreven, zijn goed voor circa 70% van het totale industriële elektriciteitsgebruik.

Bij grote industriële ondernemingen staan vaak honderden tot soms wel duizenden elektromotoren opgesteld. Veel bedrijven weten niet hoe efficiënt of inefficiënt die motoren draaien. Hier valt nog veel energie te besparen door het toepassen van slimme sensoren op bestaande installaties en machines. Hiermee kan verspilling van energie voorkomen en niet optimaal functionerende apparatuur worden opgespoord.

Laaghangend fruit

Het Energieonderzoek Centrum Nederland (ECN) heeft onderzoek gedaan naar de energie-efficiëntie van elektromotoren en de systemen die hierdoor worden aangedreven. Volgens het onderzoekscentrum kan 20 tot 30% van de elektriciteit bespaard worden door optimalisering van elektromotoren.

Dat zijn cijfers om even bij stil te staan. Er worden miljardeninvesteringen gedaan om in de toekomst klimaatneutraal te kunnen produceren. Dat laat onverlet dat we ook moeten kijken hoe we het huidige energiegebruik nog verder kunnen optimaliseren. Slechts weinig bedrijven ondernemen actie om het elektriciteitsverbruik van elektromotoren terug te dringen. Dat is jammer want hier valt op korte termijn nog veel te winnen.

Monitoring

Alles begint met inzicht. Grote bedrijven weten vaak niet hoe efficiënt hun elektromotoren zijn. Het is met behulp van slimme sensoren, gekoppeld aan kunstmatige intelligentie, relatief eenvoudig in kaart te brengen welke systemen onnodig veel elektriciteit gebruiken. Met gericht onderhoud en het gebruik van energie-efficiënte onderdelen, is de eerste stap gezet om onnodig energieverbruik terug te dringen.  

Wilt u meer weten over de energiebesparing die goede monitoring u kan opleveren? Bekijk onze oplossing, volg ons op LinkedIn of plan een belafspraak.

March 19, 2019 | Blog

Vecht de onderhoudsmonteur straks met nieuwe technologieën om zijn baan?

Maintenance personnel

De vrees dat nieuwe technologieën de onderhoudsvakman overbodig maakt is ongegrond. In de toekomst zullen taken van de onderhoudsmonteur worden geautomatiseerd. Er zal tegelijkertijd een groter beroep worden gedaan op het vakmanschap en probleemoplossend vermogen van de monteur. Technologie zal de monteur niet vervangen maar ondersteunen.

McKinsey deed in 2017 een groot wereldwijd onderzoek naar het effect van technologie op de arbeidsmarkt. In het rapport A future that works’, wordt geconcludeerd dat de helft van al het werk dat nu nog door mensen wordt gedaan rond 2055 door robots kan zijn overgenomen. Volgens McKinsey gaan er niet per se banen verloren. Slechts 5 % van alle banen kan volledig worden geautomatiseerd. In elke baan zullen taken verdwijnen. Tegenover de verdwijnende taken zullen echter ook nieuwe taken staan. Dit zal zorgen voor nieuwe uitdagingen.  Monteurs moeten bij blijven leren om ervoor te zorgen dat zij de nieuwe taken op zich kunnen nemen.

In de industrie biedt automatisering een oplossing voor het tekort aan vakmensen. Grote bedrijven staan voor de uitdaging om hun belangrijke assets continu te monitoren. De kans dat er iets kapot gaat is klein, maar als het gebeurt zijn de gevolgen groot. Het is niet mogelijk om dit altijd door een monteur te laten monitoren. Hier kan techniek de vakman ondersteunen: computers zijn heel goed in het 24/7 verwerken van gegevens en het ontdekken van patronen.

Nuances aanbrengen

Terwijl de computer tot op een hoog niveau de data analyseert en soms ook automatiseert, is deze niet in staat om nuances  aan te brengen. Dit is het domein van de monteur. De computer kan een bepaald risico van falen aangeven; de eerste week is het risico op falen 15% en de tweede week is dat 40% enzovoorts. Er spelen echter meer factoren mee bij de beslissing om een machine te vervangen. Het is aan de maintenance manager of de productieleider om op basis van zijn kennis en ervaring dit risico af te wegen tegen andere bedrijfsmatige factoren.  

Als er bijvoorbeeld net een grote order binnenkomt, kan besloten worden nog even door te draaien. Andersom kan ook besloten worden alvast onderhoud uit te voeren in een rustige periode waarin het risico op storingen nog laag is. Zo kan een schaatsenfabrikant er voor kiezen in de lente alvast onderhoud uit te voeren zodat hij de zomer zijn schaatsen kan maken. De schaatsen kunnen dan de komende winter in de winkel liggen. Het patroon is duidelijk: De maintenance manager moet nog steeds de keuze maken, maar kan nu een beter ingelichte keuze maken.

Ontwikkelingen kunstmatige intelligentie

Hoewel de technologische ontwikkelingen snel gaan zal het toch nog een aantal jaren duren voordat de computer zelfstandig kan beslissen over het wel of niet uitvoeren van onderhoud.

Op dit moment nemen steeds meer bedrijven de stap naar een conditiemonitoringsysteem. Deze systemen filteren alle data over de gezondheid van assets en inventariseren de risico’s waar de maintenance manager op moet letten. Een stap verder is het invoeren van decision support of asset decision systemen. Deze systemen maken bij storing van een pomp automatisch de koppeling naar het planningssysteem om orders in te zien. Op basis van rekenregels, waarbij gekeken wordt naar de risico’s, kan dan worden geadviseerd om wel of niet door te gaan met produceren. De verwachting is dat deze systemen binnen nu en vijf jaar beschikbaar zijn.

Deze decision supportsystemen zullen in de toekomst in staat zijn een compleet onderhoudsvoorstel te doen waarbij rekening wordt gehouden met planning, levertijd van componenten, beschikbaarheid van mensen en de benodigde vergunningen.  Als de maintenance manager instemt met het voorstel wordt alles in werking gezet. Als dit heel vaak goed gaat en elke keer blijkt dat het voorstel van het systeem goed is kan hij zeggen: ‘Ik hoef het niet meer voorgelegd te krijgen, het kan automatisch uitgevoerd worden’.  

Oplossingen bedenken is mensenwerk

De technologie is er klaar voor, maar het moet nog geïmplementeerd worden en het moet zich nog bewijzen. De verwachting is dat er binnen nu en tien jaar steeds meer onderhoud automatisch wordt gepland. Het werk van de onderhoudsmonteur zal veranderen, maar het onderhoud moet nog steeds worden uitgevoerd. De monteur krijgt meer tijd om analyses te maken om tot structurele verbeteringen te komen. Het bedenken van oplossingen is nog steeds mensenwerk.

Tot die conclusie kwam ook technologie-goeroe Elon Musk. Terwijl hij in 2017 nog hoog opgaf over de nieuwe productielijn voor de Tesla Model 3 die bijna volledig uit robots bestond, moest hij in 2018 erkennen dat de productievolumes niet werden gehaald omdat het systeem te ingewikkeld was. De robots werden vervangen door mensen. In een tweet gaf Musk zijn vergissing toe: ‘Yes, excessive automation at Tesla was a mistake. To be precise, my mistake. Humans are underrated’.

Meer weten over hoe monteur en sensor elkaar kunnen aanvullen om betrouwbaarheid en beschikbaarheid te verhogen? Bekijk onze oplossing, volg ons op LinkedIn of plan een belafspraak.

March 14, 2019 | Blog

Predictief onderhoud als motor voor een circulaire economie

Maintenance, Sustainability

Voorgesteld model van asset management als circulair model.

 

De circulaire economie is steeds prominenter aanwezig in de strategische ambities van de industrie. Een kleinere carbon footprint, minder afval en een laag energieverbruik zijn daarbij belangrijke doelstellingen. En de energie die een bedrijf verbruikt, wordt bij voorkeur lokaal opgewekt.

Hoe ziet een circulaire economie er precies uit?

Een mooi voorbeeld van een circulair model is de papierindustrie. Door de jaren heen is het aandeel gerecycled papier aanhoudend gegroeid als grondstof voor de productie van nieuw papier. Het aandeel oud/gerecycled papier is tegenwoordig veel groter ten opzichte van het aantal gekapte bomen als rechtstreekse grondstof voor nieuw geproduceerd papier.  Producenten zetten dus zelf in op recycling en gaan aan de slag met de gerecyclede materialen in hun eigen productieproces.

Materiaalkeuze

Onderzoek naar het hergebruik van restproducten is een belangrijk aspect van een circulaire economie. Het is eveneens van belang dat de R&D-afdeling de mogelijkheden van nieuwe materialen onderzoekt. De materiaalkeuze – van hergebruik tot nieuwe materiaalsoorten - heeft namelijk een belangrijke impact op de totale levenscyclus.

Energie

De keuze van materialen en de recyclage van afvalstoffen is één aspect om te komen tot een circulair model. Slim energiegebruik is een tweede. Een papierproducent verbetert zijn energieverbruik door middel van een warmtekrachtkoppeling (= WKK – hierbij wordt door een motor op 1 brandstof tegelijkertijd warmte en elektriciteit geproduceerd).  Ook biomassa is een energiebron die steeds meer wordt aangewend . Het wordt nog interessanter als je een naburig bedrijf kan voorzien van een grondstof wat voor jou een afvalstroom is.

In gezonde toestand laten draaien

Er zijn nog twee essentiële onderdelen van een circulaire strategie: een proactieve onderhoudsstrategie en het bestaande machinepark zo lang mogelijk in gezonde toestand laten draaien. Want wat heb je aan een energiezuinig machinepark als de levensduur van de machines veel korter is dan hun potentieel?

Productieprocessen moeten in een circulaire model zo efficiënt mogelijk worden ingericht en het onderhoud aan de machines zo strategisch mogelijk uitgevoerd. In de papierindustrie zijn bijvoorbeeld meerdere productieprocessen in een keten aan elkaar gekoppeld. Treedt een storing op in één onderdeel in het proces van pulp tot papier, dan staat de volledige productielijn stil. De kosten kunnen hierdoor snel hoog oplopen. Ieder uur stilstand zorgt voor productieverlies - wat rechtstreeks omzetverlies betekent.

Onderhoudsvrije lagers niet noodzakelijk beste optie

Betrouwbaarheid is daarom een belangrijke factor bij de keuze van machines en onderdelen. Naast betrouwbare systemen is van primair belang dat de onderdelen makkelijk kunnen worden onderhouden. Een onderhoudsvrij onderdeel is niet noodzakelijk de beste optie. Een voorbeeld:

De onderhoudsvrije lager (deze is niet nasmeerbaar) heeft net zoals elke lager, per definitie een eindige levensduur. Het niet hoeven nasmeren lijkt in eerste instantie een voordeel. Op langere termijn heeft dit voor de circulaire economie alleen maar nadelen: de levensduur is korter, er dienen meer lagers ingezet te worden en dus meer grondstoffen om die te produceren en de kosten dus navenant.De beste keuze is dus vaak een lager met de langste levensduur, ook al betekent dit dat nasmeren noodzakelijk is. Voorwaarde is dat het nasmeren op een betrouwbare en veilige manier kan gebeuren, en ook gebeurt.

Slijtagegevoelige onderdelen monitoren

Ook al kiest een bedrijf de beste langetermijnoplossing, veel roterende onderdelen blijven slijtagegevoelig. De continue verlenging van de levensduur blijft dus een uitdaging.. De oplossing hiervoor een voorspellende onderhoudsstrategie waarbij de conditie van de rotating equipment zo nauwkeurig mogelijk wordt opgevolgd. Dit is mogelijk door een accurate en betrouwbare continue datastroom. Door een automatische analyse en verwerking van deze data kunnen voorspellende onderhoudstaken worden ingericht, wat het onderhoudsproces rond maakt.

In de automatische analyse is machine learning, een vorm van artificial intelligence, nodig. Hoe beter algoritmes zijn, hoe meer de analyse is geautomatiseerd en hoe nauwkeuriger kan worden voorspeld.

Energiestromen in kaart

Energie is een in alle industrieën een belangrijke parameter – en zeker in de staalindustrie. De energiestromen in een staalfabriek zijn gigantisch. Een kleine inefficiëntie kan vaak al worden uitgedrukt in MWh- verlies. Het loont dus de moeite om inefficiënties, hoe klein ze ook zijn, de wereld uit te helpen. De meting van de energieparameters zoals bijvoorbeeld de cos phi is dus een essentieel onderdeel van conditiemonitoring.

Een duidelijk dashboard dat deze energiedata inzichtelijk maakt is een must om de bad actors in energie-efficiënte voor machines en processen op te sporen. Deze kunnen dan herontworpen worden of procesmatig bijgesteld.  Zo zorgt de machine voor een optimale productie.

Recyclebare eindproducten

De grootste uitdaging voor een circulair business model zit in de eindproducten - en het gebruik ervan.  Zo is een gekend massa eindproduct als de auto nog lang niet zo demonteerbaar en recyclebaar als in een goed circulair business model wenselijk is.

Kunstmatige intelligentie (AI) kan hier de data-infrastructuur bouwen die nodig is om een terugkeer-logistiek op te zetten. Dit kan ervoor zorgen dat je bij aankoop al weet welke retourroute ieder onderdeel straks zal afleggen: hergebruik, herfabricage of recyclage. Een circulaire economie ambieert dus een volledig recycleerbaar eindproduct met een zo lang mogelijke levensduur. Zou het niet mooi zijn als je wagen geen 200 duizend maar 1 miljoen kilometer kan afleggen voor hij naar de de-assemblagelijn moet?

Een nieuwe relatie

Tot slot houdt een circulair systeem ook, en vooral, een uitdaging in op vlak van het business model en de relaties tussen leverancier - producent en eindgebruiker. Die auto wordt in dat geval een deelauto - het bezitten van een wagen is immers not done in een circulaire economie.

Semiotic labs biedt met SAM4 een oplossing om zowel de conditie accuraat voorspelt als een overzicht te biedt van de belangrijkste energetische parameters. Meer weten over hoe condition-based maintenance jouw bedrijf duurzamer kan maken? Bekijk onze oplossing, volg Semiotic Labs op LinkedIn of plan een belafspraak.

March 11, 2019 | Blog

Waarom zelfs de beste onderhoudsmonteur geen betrouwbaarheid kan garanderen

De onderhoudsmanager waarborgt de beschikbaarheid van de assets. Vaak gebeurt dit door het uitvoeren van visuele en instrumentele inspecties. De monteur voert op periodieke tijdstippen inspecties uit en trekt hieruit conclusies op basis van wat hij vaststelt, gecombineerd met zijn kennis en ervaring. Het nadeel is dat deze methode niet altijd toereikend is om de beschikbaarheid van de assets volledig te kunnen garanderen. Dit heeft meerdere oorzaken:

1.   Maintenance managers kunnen niet tegelijkertijd overal inspecties uitvoeren.

Een maintenance manager heeft vaak een hele vloot aan machines onder zijn hoede. Hij zal daarom op periodieke basis inspecties uitvoeren aan iedere machine. Tussen deze periodes in wordt een machine niet gemonitord, omdat de monteur simpelweg niet op meerdere plekken tegelijk kan zijn. Dit kan leiden tot ongeplande downtime

2.   Verborgen gebreken 

Machines of onderdelen van machines zijn niet altijd even toegankelijk voor inspecties. Hierdoor komt het bij visuele inspecties regelmatig voor dat bepaalde onderdelen van machines niet of niet goed kunnen worden geïnspecteerd. Schade die leidt tot storingen is daarnaast niet altijd visueel vast te stellen, zoals bijvoorbeeld in gesloten leidingen.

3.    Het leggen van complexe verbanden is beperkt

Maintenance managers kunnen lineaire verbanden leggen tussen bepaalde onregelmatigheden en storingen die daaruit kunnen volgen. Complexe verbanden zijn veel moeilijker te leggen. Patronen herkennen uit onregelmatigheden die in verleden hebben plaatsgevonden, of waarbij rekening wordt gehouden met meerdere variabelen, is voor de mens bijna onmogelijk.

4.    Bij het vertrek van een maintenance manager gaat kennis en ervaring verloren

Uit onderzoek blijkt dat de gemiddelde leeftijd van technici vrij hoog is. Tegelijkertijd zijn maintenance managers vaak lang in dienst. Bij vertrek gaat er daardoor veel ervaring verloren. Het vasthouden van kennis is daarom een belangrijk aandachtspunt. Echter, alle kennis en ervaring documenteren is onmogelijk. De maintenance manager zou in dat geval meer administratie moeten doen dan dat hij aan het werk is.

5.    Toekomstige schade signaleren met visuele inspecties is lastig

Een maintenance manager kan slijtage van specifieke onderdelen vaststellen. Op basis daarvan kan hij een ruwe inschatting maken wanneer in de toekomst storingen zullen optreden. Om dit te doen moet hij een heel nauwkeurige schatting maken. Dit is vaak lastig omdat met meerdere factoren rekening moet worden gehouden en het menselijk brein maar een beperkte capaciteit heeft.

Machine learning

De laatste jaren zijn er steeds meer technologieën op de markt die maintenance managers kunnen ondersteunen in hun werkzaamheden. Een van de meest veelbelovende technologieën is machine learning. Bij machine learning halen computers met behulp van algoritmes – een reeks instructies – bepaalde inzichten uit data. Hier kan een model van worden gebouwd. Dit model kan vervolgens inschatten wanneer onderhoud nodig is.

Deze gebruikte data zijn afkomstig van alle (kritische) machines en onderdelen van het machinepark. Ook van onderdelen die moeilijk toegankelijk zijn. Machine learning zorgt ervoor dat in realtime de status van alle assets inzichtelijk is. Daarbij wordt zowel actuele data als data die in het verleden zijn verzameld en meegenomen in de berekeningen. Algoritmes zetten deze enorme berg aan data om in informatie over de conditie of gezondheid van de assets. Op basis van data gedreven inzichten kan een onderhoudsafdeling vervolgens zijn strategie bepalen wanneer, hoe en welk onderhoud nodig is om de beschikbaarheid van de assets te garanderen.  

Grensverleggend samenwerken

Zelfs de perfecte onderhoudsmanager kan ongeplande stilstand niet totaal voorkomen. Dit komt voornamelijk door de fysieke en mentale limitaties die elk mens heeft. Hiervoor heeft hij hulp nodig van slimme technologieën. Slimme sensoren in combinatie met machine learning algoritmen kunnen ervoor zorgen dat de grenzen van de onderhoudsmonteur geen grenzen voor de organisatie hoeven te zijn.

Meer weten over hoe slimme sensoren onderhoudsmonteurs kunnen ondersteunen? Bekijk onze oplossing, volg ons op LinkedIn of plan een belafspraak.