April 23, 2019 | Blog

Onderhoud & Data Science: iemand inhuren of een tool inkopen?

Data Science, Maintenance personnel

Data scientist inhuren of oplossing inkopen?

Vrijwel alle elektronische apparaten zijn tegenwoordig uitgerust met een of meerdere sensoren. Al die systemen verzamelen bakken met data die in potentie zeer waardevol kunnen zijn, onder andere voor onderhoudstechnici, marketingmanagers en designers. Nog lang niet alle gegevens worden op dit moment ook daadwerkelijk uitgelezen en verwerkt. Dat is zonde. Deze gegevens geven je een unieke kans geven om je product te verbeteren en je klanten beter te bedienen. Als je niets doet, loop je het risico dat de concurrentie je links en rechts inhaalt. Actie is dus geboden.

Gelukkig beseffen de meeste bedrijven dat machine learning en kunstmatige intelligentie hun eigen wereld en die van hun klanten zullen veranderen. De een is daar natuurlijk wat verder in dan de ander. Firma’s met een omzet van boven grofweg vijftig miljoen hebben inmiddels allemaal minstens één data scientist op de loonlijst staan, of werken nauw samen met externe specialisten. En ook bij kleinere bedrijven is vaak helder dat ze hun data niet links kunnen laten liggen.

Domeinkennis

Moet je als technisch bedrijf je team versterken met een data scientist? Of is het gunstiger de service in te kopen bij een consultancybureau? Beide strategieën hebben hun voor- en nadelen. De ideale oplossing ligt - zoals zo vaak - ergens in het midden.

  1. Een interne specialist zich het domein snel eigen kan maken

De combinatie van domeinkennis en data science leidt namelijk tot de beste resultaten. Een dataspecialist in je eigen bedrijf heeft die knowhow sneller onder de knie. Hij ziet niet alleen getalletjes, maar begrijpt eerder wat ze betekenen en hoe hij de gewenste informatie boven water krijgt. Als hij bijvoorbeeld weet dat een motor warmer wordt als hij stuk gaat, kan hij de output van de temperatuursensoren analyseren en tijdig alarm slaan. Zeker in complexe omgevingen heeft het absoluut zin als een data scientist weet hoe de business draait en hoe de processen lopen.

  1. Continuïteit in het proces

Een tweede voordeel van een eigen data scientist is gekoppeld aan het feit dat het vakgebied voor een deel experimenteren is. Het is een continu proces van testen en verbeteren. Als je iemand in huis haalt, zorg je voor continuïteit en voorkom je dat het proces strandt als er een project is afgerond.

Er is op zoveel terreinen winst te behalen met kunstmatige intelligentie dat het interessant is om met meerdere externe partijen samen te werken. Dan is het fijn als er iemand aan jouw kant van de tafel zit die de taal spreekt. En die bovendien het beste kan inschatten welke wegen het snelst naar succes leiden.

  1. Data blijft binnenshuis

Ten slotte is er nog een heel basale reden om een data scientist in dienst te nemen. Data is de grondstof voor kunstmatige intelligentie. Toegang tot die data lijkt heel triviaal, maar is heel wezenlijk. In de praktijk is het een stuk eenvoudiger om data intern te gebruiken dan om ze te delen met een externe partij waar het vertrouwen niet onmiddellijk is ingebakken.

Zelf tool bouwen?

Genoeg argumenten dus om direct een data scientist in te huren, of zelfs een heel team op te zetten. Zeker voor de unieke processen en componenten waar echt concurrentievoordeel te halen is, kun je er bijna niet meer omheen. Als je denkt winst te kunnen halen met specifieke tooling voor je eigen bedrijf, moet je dat zeker doen. Maar dat wil niet zeggen dat die benadering altijd de beste optie is.

Leren op schaal

Op algemene terreinen zijn er goede tools op de markt die een deel van het werk uit handen nemen. Iedereen gebruikt een elektromotor. Als je daarvoor een eigen oplossing ontwikkelt, weet je één ding zeker: jouw tool wordt nooit zo goed als de gespecialiseerde, commerciële tool die vele tienduizenden motoren te zien krijgt. Op de lange termijn worden de algoritmes immers beter als ze over meer data kunnen beschikken. Wanneer je jouw tool alleen binnen de muren van je eigen fabriek inzet, wordt hij nooit aan dezelfde hoeveelheid data blootgesteld als een tool die je inkoopt.

Specialisatie bij toolbouwer

Bovendien kan de data scientist die een interne tool ontwikkelt, zijn tijd niet aan andere zaken besteden. Een investering in tijd en geld die een bedrijf niet kan uitsmeren over een grote hoeveelheid cases, zoals een gespecialiseerde toolbouwer dat wel kan. Als er dus een tool te koop is, die je zonder al te veel problemen in je proces kunt integreren, waarom zou je dan je energie besteden aan eigen ontwikkeling? Ook omdat het zeer de vraag is of je het beter kunt.

Kernactiviteiten

Voor de belangrijkste projecten en processen in je bedrijf loont het zeker de moeite om een eigen data science team op te bouwen. Hoe verder ze van de kern liggen, hoe eenvoudiger het is om een gespecialiseerde tool of externe capaciteit in te schakelen. Het is een zakelijke beslissing waarbij onderwerpen zoals intellectual property, datadeling en kennisborging een voorname rol spelen. Met een intern team kun je sneller schakelen, maar voor strategisch minder gewichtige processen is het vaak gunstiger om ze uit te besteden bij een gespecialiseerde dienstverlener.

Lijkt het inkopen van een oplossing voor u de juiste beslissing? We bespreken de mogelijkheden graag met u. Bekijk onze oplossing, volg ons op LinkedIn of plan een belafspraak.

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

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 5, 2019 | Blog

Condition-based maintenance als oplossing voor personeelstekort

Condition-based maintenance, Maintenance personnel

..

De tijd van grote onderhouds teams die in staat zijn om alles continu in de gaten houden binnen een fabriek is voorbij. De krapte op de arbeidsmarkt voor onderhoudstechnici leidt nu al tot openstaande vacatures. Door de vergrijzing zal dit verder toenemen. Ruwe schattingen gaan ervan uit dat maar liefst een kwart van de techneuten binnen 10 jaar met pensioen gaat. Jongeren staan helaas niet te trappelen om hun plek in te nemen. Grote industriële partijen zoeken de oplossing in condition-based maintenance om de schaarse vakmensen efficiënter en doelmatiger in te zetten.

Arbeidsmarkt technici

De opgave waar de industrie voor staat is groot. Hoewel de uitstroom van technische vakmensen door vergrijzing nog aan het begin staat, ondervindt een kwart van de bedrijven in de technologische sector nu al hinder van het tekort aan goed geschoolde mensen. ING berekent in het rapport My Smart Industrie dat om de groeidoelstelling van bedrijven van 4% per jaar tot 2030 te halen, 50 duizend extra mensen nodig zijn. In die periode gaan circa 70 duizend technische vakmensen met pensioen waardoor de sector voor de opgave staat om tot 2030 maar liefst 120 duizend nieuwe mensen aan te trekken.  

Tegenover de grote uitstroom staat een geringe instroom. Uit de jaarlijkse ROVC TechBarometer blijkt dat slechts 8 % van het technisch personeel jonger is dan 30 jaar. Het merendeel, 60%, heeft en leeftijd tussen de 40 en 65 jaar. Als belangrijkste oorzaak van het tekort aan technici wordt de slechte aansluiting van het reguliere onderwijs op het bedrijfsleven genoemd. Daarnaast wijst 23% naar het slechte imago van de technische branche als grote oorzaak. Jongeren voelen er over het algemeen weinig voor een technisch vak te leren, zij vinden het ontwerpen van apps of games veel spannender.  

Bron: ROVC TechBarometer

Op dit moment leidt de krapte aan monteurs al tot onvervulde vacatures en een hoge werkdruk. Grote onderhoudspartijen als ENGIE, SPIE en BAM, leveren onderhoudsdiensten aan bedrijven die de mensen zelf niet in huis hebben. Iedereen vist naar kandidaten in een vijver die steeds kleiner wordt. Waar in het onderwijs wordt geprobeerd de tekorten op te vangen door zij-instromers, ligt dit in de techniek niet direct voor de hand. Om een motor uit elkaar te halen en weer in elkaar te zetten, heb je vakspecifieke  kennis nodig.

Smart monitoring

Bedrijven moeten leren leven met de realiteit dat in de toekomst meer werk moet worden verzet door minder mensen. Dat kan alleen door een nog efficiëntere inzet van vakmensen. Bij het vergroten van de effectiviteit van onderhoudsmonteurs bieden nieuwe technologieën een helpende hand. Het is mogelijk om het meten en controleren van de conditie van bijvoorbeeld rotating equipment door slimme sensoren te laten doen. Zonder sensoren is dit een tijdrovend proces dat nu nog vaak handmatig plaatsvindt

Door deze sensoren te koppelen aan kunstmatige intelligentie ontstaat een systeem dat in staat is 24/7 de conditie van motoren, pompen en transportbanden te meten. Uit de verkregen data worden, met behulp van algoritmen, vroegtijdig afwijkende patronen gesignaleerd. De onderhoudsmonteur krijgt een seintje dat er iets mis is en kan dan gericht actie ondernemen.

De monteur hoeft niet langer uit voorzorg alle motoren te controleren. Hij kan zich richten op die motoren waarmee iets aan de hand is. Hierdoor wordt  zijn efficiëntie hoger en kan hij meer assets monitoren. Hij heeft bovendien meer tijd om te oorzaak van de storing te onderzoeken en na te denken over structurele oplossingen. Dit verhoogt voor specifieke probleemgevallen de betrouwbaarheid en beschikbaarheid van de installatie. Daarnaast weet de planner waar hij de monteurs nodig heeft. Hij kan daardoor effectiever gebruik maken van de schaars beschikbare manuren. Dit zorgt ervoor dat het personeelstekort veroorzaakt door de vergrijzing minder impact zal hebben op bedrijven die gebruik maken van smart monitoring.

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.

February 25, 2019 | Blog

Monteur en sensor: een onverslaanbaar duo

Maintenance personnel, Sensor

Een volledige beschikbaarheid en betrouwbaarheid van machines is voor veel bedrijven van cruciaal belang. Storingen als gevolg van een kapotte elektromotor komen niet vaak voor, maar uitval van een compressor of pomp kan grote financiële gevolgen hebben. Er wordt dan ook veel tijd en geld besteed aan preventief onderhoud. De hiervoor benodigde technische vakmensen worden echter schaars en duur. Door de vakmensen te ondersteunen met sensoren gekoppeld aan kunstmatige intelligentie, kunnen monteurs veel efficiënter en gerichter worden ingezet.

De sensor kan veel routinematige klussen van de monteur overnemen. Met sensoren is het mogelijk de conditie van elektromotoren in pompen, compressoren en transportbanden 24/7 te meten en te monitoren. Dit is voor een onderhoudsmonteur onmogelijk. Door de sensor het eerste signaal te laten geven wanneer een asset stuk gaat, kan de monteur veel controlewerkzaamheden en overbodig werk uit handen geven en zich concentreren op die motoren waarvan hij weet dat er iets mee aan de hand is.

Condition-based maintenance

Bij gebrek aan informatie over de actuele conditie van assets is periodiek onderhoud de meest gebruikte onderhoud-strategie. Time-based maintenance is er op gericht werkzaamheden ruim voordat dit nodig is, uit te voeren om een mogelijk falen van motoren uit te sluiten. Op deze manier wordt het meeste onderhoud veel te vroeg én veel te vaak uitgevoerd. In veel industrieën neemt het tekort aan technici toe: binnen vijf jaar gaat tussen de 20% en 40% van de techneuten met pensioen. Dit maakt een tijdgebaseerde onderhoudsstrategie niet langer haalbaar. Conditie monitoring als basis voor condition-based maintenance stelt bedrijven in staat om ongeplande stilstand te voorkomen door tijdig schade te signaleren en zo onderhoudswerkzaamheden efficiënt uit te voeren: grijp in voordat machines uitvallen of bij afnemende prestaties, maar niet eerder.

Uitdagender werk

Voor de onderhoudsmonteur leidt de samenwerking met sensoren niet tot minder, maar wel tot uitdagender werk. In Nederland staan ongeveer 5 miljoen industriële elektromotoren. Grote industriële bedrijven hebben soms wel 10.000 motoren, pompen en transportbanden op hun terrein. In de praktijk worden de meest kritische motoren periodiek geïnspecteerd. Niet omdat ze vaak falen, maar omdat de kosten van een incident erg hoog zijn. De monteur inspecteert de machine vaak terwijl er niets aan de hand is. Sensoren kunnen die eerste controle overnemen.

Op die manier ondersteunen sensoren de vakman door aan te wijzen naar welke machines hij moet kijken. De geoefende blik van de vakman ziet veel meer dan een sensor kan zien. Nog belangrijker is dat de monteur de oorzaak kan achterhalen en structurele verbeteringen kan voorstellen. De schade oplossen is mooi, maar voorkomen is nog beter. Dat is lastig wanneer je 20 tot 30 machines per dag moet controleren, maar het lukt wel bij 3 of 4 machines die je gericht inspecteert.  

Monitored Assets per Professional

Terwijl industrieën groeien en hun processen opschalen, is de onderhoudsmonteur niet schaalbaar. Er is nu al een tekort aan vakmensen en door de vergrijzing zal dit probleem groeien. Het is dus zaak om de productiviteit van de vakman, uitgedrukt in de monitored assets per professional, te verhogen.

Een specialist die 30 motoren per dag moet doen en één keer per maand of kwartaal naar een machine gaat, kan zo’n 1300 tot 1500 motoren onder zijn hoede hebben. Dan heeft hij per motor ongeveer 12 minuten, rekening houdend met reistijd, lunchtijd en andere zaken. Door tijdsdruk is het voor de monteur lastig om hoogwaardig werk af te leveren.

Op het moment dat je hem ondersteunt door technologie, en hij niet routineus 30 motoren afloopt, kan dezelfde monteur 6000 tot 8000 assets onder zijn hoede hebben. Hij is minder tijd kwijt aan motoren waar niets mee aan de hand is en heeft meer tijd voor individuele assets en kan zo beter de oorzaak van de storing bepalen. Hij kan dan per asset beter werk leveren.

Mensen die machines onderhouden en repareren zullen altijd nodig blijven.  Er wordt veel verwacht van robotisering maar het vervangen en onderhouden van een elektromotor zal de komende jaren niet door robots gebeuren.  Technologie kan er wel voor zorgen dat vakmensen efficiënter en slimmer kunnen werken. De monteur en de sensor vormen zo een onverslaanbaar duo!

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.