October 17, 2016

In the news: Semiotic Labs en Aviko vertellen over ervaringen met cloudplatform

https://www.computable.nl/artikel/praktijkcases/cloud-computing/5850713/1508217/aws-is-overal-als-eerste-bij.html

October 17, 2016

In the news: Slim onderhoud: wat levert het op?

https://www.mt.nl/made-in-nl/smart-industry/slim-onderhoud-wat-levert-het-op/

September 19, 2016

Samenwerken voor intelligente monitoring

UTRECHT, 19 september 2016 – Strukton Rail en Semiotic Labs gaan samenwerken om onderhoud 100% voorspelbaar te maken. Zij tekenden op 16 september een overeenkomst voor de gezamenlijke ontwikkeling van slimme monitoringtools voor door elektromotoren aangedreven systemen. Deze ‘smart condition monitoring services’ voorspellen op basis van sensoren en slimme algoritmes wanneer en waarom productiemiddelen gaan falen. Daarmee kan onderhoud efficiënter worden ingepland en wordt uitval voorkomen. De samenwerking komt voort uit het CAMINO-project, een initiatief van World Class Maintenance om onderhoud aan infrastructuur te verbeteren.

Semiotic Labs levert algoritmes die data omzetten in informatie over wanneer en waarom productiemiddelen falen. Strukton Rail ontwikkelt de gebruikersinterface en brengt haar vakinhoudelijke kennis en serviceorganisatie in. Simon Jagers van Semiotic Labs: “Onze ervaring is dat de beste resultaten worden bereikt als wiskundigen en inhoudelijk deskundigen samenwerken. Met alleen een algoritme kom je er niet: Vakmensen weten precies welke faalmechanismen optreden. Met die informatie kan gericht gezocht worden in de data, of kunnen de juiste sensoren worden geplaatst op de goede plek. Ook valideren we de uitkomsten van onze analyse met een vakspecialist, om zo vast te stellen dat de analyse hout snijdt. Op die manier kunnen we betrouwbaarheid leveren.”

David Vermeij, manager R&D bij Strukton Rail voegt hieraan toe: “Het is daarbij essentieel om naderend falen juist te voorspellen, want een monteur die voor niets of met onduidelijke instructies op pad wordt gestuurd kost erg veel geld. Conditiegestuurd onderhoud vraagt naast monitoring ook om een nieuwe manier van werken en om meer flexibiliteit. De vaste patronen worden vervangen door dynamisch onderhoud. Bij Strukton Rail hebben we ervaring opgedaan op dit vlak uit de spoorinfrastructuur, waarmee we de smart condition monitoring services kunnen versterken.”

Beschikbaarheid – We stellen steeds hogere eisen aan de beschikbaarheid van onze vervoersystemen en de infrastructuur, maar ook aan de voorzieningen op stations (liften, roltrappen, klimaatbeheersingssystemen, etc.). Storingen geven hinder en moeten tot een minimum worden beperkt. David Vermeij: “Tegenwoordig werken we in Nederland met prestatiecontracten, waarbij opdrachtnemers een boete krijgen als de beschikbaarheid van systemen lager ligt dan is afgesproken. Aan de andere kant leveren betere prestaties een bonus op. Het is voor ons dan ook van groot belang om naderende storingen tijdig te signaleren, zodat we kunnen ingrijpen voordat een storing optreedt. Nieuwe technologie zoals big data, artificial intelligence en machine learning maakt dit mogelijk.”

Conditiegestuurd onderhoud – Traditioneel onderhoud wordt vaak ingepland op basis van vaste intervallen. Zo worden systemen verplicht eens per jaar nagekeken, of onderdelen na een vast aantal draaiuren vervangen. Dat is een erg kostbare manier om de beschikbaarheid op peil te houden: Bij inspecties blijkt vaak dat objecten nog prima functioneren en onderdelen kunnen doorgaans langer mee dan de door de fabrikant opgegeven termijn. Conditiegestuurd onderhoud gaat uit van de conditie van middelen om te bepalen of onderhoud of vervanging noodzakelijk is. Door ‘smart condition monitoring’ wordt de conditie nauwkeurig en continu gemeten en wordt naderend falen voorspeld. Daarmee kunnen kosten worden bespaard, door onnodig werk te voorkomen. Ook kunnen herstelwerkzaamheden plaatsvinden voordat uitval optreedt.

Over Strukton Rail – Strukton heeft een passie voor technologie en focust op rail- en civielgerelateerde werkzaamheden en door technologie gedreven specialismen. Het bedrijf onderscheidt zich met een aantal unieke specialismen voor de markten railsystemen, civiele infrastructuur en techniek & gebouwen. Met zijn technologie en specialismen wil Strukton bijdragen aan een sector die instaat voor kwaliteit en veiligheid van spoorvervoer, weginfrastructuur en technische installaties en gebouwen. Opdrachtgevers bevinden zich zowel binnen Europa als ook steeds meer daarbuiten. Het bedrijf telt circa 6.500 medewerkers en heeft een omzet van 1,9 miljard euro. Strukton Rail is onderdeel van Strukton en bouwt, vernieuwt, onderhoudt en beheert spoorsystemen en elektrische treinsystemen, met als doel het spoorsysteem optimaal beschikbaar, betrouwbaar, veilig en meetbaar te maken.

www.struktonrail.nl

Over Semiotic Labs – Semiotic Labs voorspelt wanneer en waarom machines falen. Het bedrijf is gevestigd in Amsterdam en levert Smart Condition Monitoring oplossingen voor onderhoudsprofessionals. Sinds de oprichting in 2015 heeft Semiotic Labs services ontwikkeld voor onder meer het spoor, de energiebranche en de scheepvaart. Het bedrijf heeft 6 medewerkers en is genomineerd voor zowel de KvK Innovatie Top 100 als de Accenture Innovation Award.

www.semioticlabs.com

Link to Strukton’s press release

August 31, 2016

Eliminate Unplanned Downtime

Condition based maintenance: using big data to lower costs, improve efficiency, and reduce maintenance.

Big data is staying true to its name – it’s doing big things. While great data-based strides have been made in medicine, entertainment, and education, we’re still seeing its potential begin to bloom as an industrial tool that can help companies make their operations efficient, systematic, and predictable.

Despite the fact that we’re only pioneers at the frontier of the industrial internet of things, the future of maintenance is clear – we are headed toward a world where the use of enormous amounts of data will allow companies to learn, months or years in advance, which specific machinery assets are in need of service and when they’re likely to fail. And, perhaps most importantly, this is a world in which a company can eliminate the costs incurred to business when a machinery asset unexpectedly fails.

Because we’re only at the onset of these exciting developments, it makes sense to put these technologies into context through an example. Imagine you’re a food producer, perhaps you raise cows for milk. One day the machinery you use to milk your cows breaks down. You call your engineer but she tells you that the machine needs a specific part that can only be brought in tomorrow. Suddenly, you can’t produce the milk that you are contractually required to provide to the grocery chain in town. In all likelihood, that grocery chain and you have a strict contract in which it is stipulated that if you don’t provide milk at a certain time and of a certain quantity, you pay a fine. All of this could be avoided if only you knew that your milking machinery would break down. Had you known, you could have scheduled the maintenance, brought in that part months ago, and completed the servicing so that it wouldn’t interfere with your operation.

This example is a simple one. For most companies, a breakdown somewhere along their supply chain can mean thousands of euros of costs per hour and unhappy partners and clients up and down the chain. Smart Condition Monitoring based on sensors and artificial intelligence eliminates that risk.  Through the collection and analysis of mass amounts of your data, an online monitoring system continually determines the health of an asset and predicts its remaining useful lifetime. It is a building block of Condition Based Maintenance (CBM), a regime that allows for scheduled maintenance so that no surprise breakdowns occur and no unnecessary costs are incurred.

Condition Based Maintenance, as built off of such data analysis, allows an asset owner to maintain machinery in a way that’s only just become possible. When a company knows when its machinery will fail and in what way, it allows for a vast increase in efficiency overall. Eliminated is the risk that on any given day a motor might fail. While the use CBM doesn’t mean that your machinery will never fail, it does mean that you will know exactly when an asset will and gives the luxury of planning out, months in advance, when to service assets so that they never fail unexpectedly, improving your overall efficiency as a company.

It’s also much cheaper and more efficient to make small fixes to a machine in advance compared to fixing a big failure at the last minute. CBM enables asset owners to make regular maintenance of targeted problems based on real knowledge a reality. In other words, when you maintain your equipment, big expensive machinery failures are much less likely to occur. CBM allows asset owners to do just that. It predicts those small things that, if over time with diligent maintenance are serviced, hugely reduce the risk of major, expensive failures. CBM enables informed maintenance based on real data. This can mean a huge reduction in overall costs of machine upkeep and, of course, the elimination of failures.

While Smart Condition Monitoring and CBM are still a moving, growing area of technology, it is a strong, exciting path toward the future. As more companies collect bigger amounts of data, analyses will be even better at predicting how machinery will act, only improving efficiency and reducing costs more. Regardless of how this field grows, it’s undeniable that we are on the cusp of a fundamental change in industry, a development that will alter how companies use machinery and how machinery is maintained.

August 21, 2016

Condition Based Maintenance: Killer app voor het Internet of Things

Condition Based Maintenance: Killer app voor het Internet of Things

Internet of Things volgt cloud computing op als grootste hype van het moment. Om hypes te ontgroeien moet een aanjager voor een nieuwe generatie toepassingen opstaan: een toepassing die grote financiële voordelen oplevert en die in korte tijd op grote schaal geïmplementeerd kan worden. Voor het Internet of Things is Condition Based Maintenance die toepassing.

Gartner voorspelt dat de waarde van het Internet of Things (IoT) in 2020 zo’n 1.5 biljoen dollar bedraagt. Wat dichter bij huis stelt ABN AMRO dat de Nederlandse markt voor IoT-oplossingen jaarlijks 2 miljard euro groot is. De verwachtingen zijn dus hooggespannen, maar de echte doorbraak wacht nog op een killer app – zoals CRM dat was voor cloud computing. Wie de Salesforce van het Industrial Internet of Things gaat worden is nog niet bekend, maar dat het bedrijf Condition Based Maintenance oplossingen levert staat vast.

Condition Based Maintenance

Condition Based Maintenance (CBM) stelt dat onderhoud moet plaatsvinden voordat machines falen of als de prestaties afnemen – maar niet eerder. De actuele conditie van machines is daarmee bepalend voor het inplannen van onderhoud. Daarmee wordt de beschikbaarheid van machines hoger, verbetert de operationele betrouwbaarheid en vallen de kosten voor onderhoud 10 tot 40 procent lager uit.

In het verleden werd CBM breed ingezet: De chef-werkplaats kende na 20 jaar trouwe dienst zijn machinepark van buiten en kon aan bijvoorbeeld trillingen voelen welke machines onderhoud nodig hadden. Doordat de complexiteit van machines is toegenomen en de chef werkplaats met pensioen is gegaan zijn onderhoudsmodellen op basis van mean time between failure ontstaan: historische gegevens worden gebruikt om in te schatten wat de optimale onderhoudsinterval is. Het probleem van deze methode is dat deze geen rekening houdt met de belangrijkste reden om onderhoud te plegen: de conditie van machines.

Om de actuele conditie van een machine te bepalen en de toekomstige onderhoudsbehoefte te voorspellen zet een cloud-applicatie sensordata – bijvoorbeeld trilling, stroomverbruik en temperatuur – om in patronen van gedrag. Algoritmes leren de verschillen tussen gezonde en ongezonde patronen herkennen en voorspellen wanneer en waarom machines gaan falen. Onderhouds-managementsystemen gebruiken deze informatie om onderhoud in te plannen op basis van de actuele behoefte.

Slimme machines

Het Internet of Things bestaat uit apparaten die met internet verbonden zijn. Ze delen proces- en sensordata met andere apparaten of applicaties. Geholpen door algoritmes wordt data omgezet in bruikbare informatie om bijvoorbeeld processen te optimaliseren of – in het geval van CBM – de toestand van de machine door te geven.

Machines worden al sinds de jaren 70 uitgerust met sensoren. In bijvoorbeeld de olie- en gasindustrie helpen ze ongelukken te voorkomen door alarm te slaan als grenswaarden worden overschreden. Geholpen door de ontwikkeling van smartphones – die vol zitten met kleine, goedkope sensoren – neemt het aantal sensoren in de industrie razendsnel toe. Daarmee groeit ook de hoeveelheid data die slimme machines genereren.

De introductie van cloud computing maak het mogelijk om die data op een centrale plek op te slaan, als basis voor het ontwikkelen van modellen en algoritmes. Klassieke kunstmatige intelligentie ontwikkelt kennis- en beslisregels op basis van historische data. Daarmee kunnen machines eenvoudige beslissingen zelf nemen.

Machine learning – een vorm van kunstmatige intelligentie – wordt pas sinds enkele jaren op grote schaal toegepast. Het is het laatste ontbrekende stukje in de puzzel. Want waar klassieke kunstmatige intelligentie binnen CBM een one-size-fits-all-model hanteert, maakt machine learning het mogelijk om de toestand van elke machine individueel te beoordelen. De data scientist bepaalt hóe een algoritme leert, maar wát het leert is afhankelijk van de kenmerken van de machine waarvan data worden geanalyseerd. Daarmee is het mogelijk om een op machine learning gebaseerde oplossing uit te rollen over één of duizenden machines tegelijk, zonder aanpassingen aan de algoritmes zelf.

Killer app(s)

De grote aanjager van nieuwe technologie – de killer app – is de eerste toepassing die op grote schaal wordt geïmplementeerd. Daarvoor is een combinatie van grote toegevoegde waarde en een snelle, eenvoudige implementatie vereist. Het eerste zorgt voor vraag naar de toepassing, het tweede dat een implementatie op grote schaal technisch realiseerbaar is.

Voor cloud computing was Salesforce die toepassing. De toegevoegde waarde van online CRM bleek vele malen groter dan de kosten. Een implementatie was voor de IT-afdeling geen probleem: de benodigde inspanning bleef beperkt tot een migratie-traject van bestaande klantdata. Die combinatie van grote toegevoegde waarde en relatief eenvoudige implementaties zorgden voor de snelle uitrol van Salesforce, en in zijn kielzog voor een versnelling in de acceptatie van cloud computing als de nieuwe standaard.

Condition Based Maintenance biedt eenzelfde combinatie van eigenschappen: de opbrengsten wegen ruimschoots op tegen de investeringen, implementaties op grote schaal worden door machine learning mogelijk gemaakt. Een belangrijk verschil is dat het IoT-oplossingen vooral bestaan uit gespecialiseerde applicaties die één – of een beperkt aantal – taken uitvoeren. Een combinatie van IoT-applicaties of services zorgt voor het ontstaan van de smart enterprise, wat in goed Nederlands Industrie 4.0 heet.

CIO wordt regisseur

De CIO bevindt zich in een ideale positie om als regisseur op te treden, die de brug slaat tussen functionele afdelingen (vraag) en interne- en externe leveranciers (aanbod). Ook schept de CIO kaders waarbinnen snelle applicatieontwikkeling mogelijk wordt gemaakt. Daarbij gaat het voor IoT-toepassingen met name om het verlenen van toegang tot data aan applicaties en het bewaken van standaarden voor de uitwisseling van gegevens tussen de verschillende applicaties. Als deze kaders goed zijn vormgegeven biedt dit een gouden kans om de enorme hoeveelheid data die door het IoT gegenereerd worden in dienst te stellen van het bedrijfsresultaat.

April 14, 2016

Ik weet wanneer jullie machines falen

https://fd.nl/morgen/1147475/semiotic-labsik-weet-wanneer-jullie-machines-falen-zei-ik-dat-sloeg-aan