PrimaVera-project: de uitdagende route naar voorspellend onderhoud

Machines worden steeds complexer. Vanwege het streven naar just-in-time productiviteit moeten ze zeer betrouwbaar zijn. Door de opkomst van sensoring, machine learning en big data is predictive maintenance of voorspellend onderhoud een belangrijk onderwerp geworden. Een groot consortium van kennisinstellingen en bedrijven startte het Nederlandse PrimaVera-project. De deelnemers spelen een grote rol in het onderzoek naar predictive maintenance. Alieh Alipour is docent-onderzoeker aan De Haagse Hogeschool en projectleider van PrimaVera. Zij geeft de laatste informatie én een vooruitblik op prescriptive maintenance.

PrimaVera_001

Het relatief jonge beroep van assetmanager heeft alles te maken met het beheer van kapitaalgoederen die van kritische waarde zijn voor een organisatie. Zo heeft de assetmanager in een bierbrouwerij het beheer over een reeks machines op een rij die stuk voor stuk essentieel zijn voor de just-in-time productiestroom van flesjes en blikjes bier. Een stroom die door een kleine storing al tot stilstand kan komen: een risico dat moet worden vermeden. Predictive maintenance is dus een belangrijk onderwerp voor de assetmanager.

Belang van machine learning

Maar bij kleine productiebedrijven komt het nog vaak voor dat machineonderhoud plaatsvindt op basis van de bevindingen van de onderhoudsexpert die min of meer op intuïtie onderhoud plant. Hij zal het ook normaal vinden om na een x aantal uren een onderdeel van een machine te vervangen, nodig of niet.

Machine learning kan hierin veel veranderen. De assetmanager kan op basis van machinedata die gedurende meerdere jaren zijn verzameld, voorspeld krijgen wanneer een machine onderhoud nodig heeft en welke onderdelen hij moet laten vervangen. Het model wordt nog beter wanneer je met de big data van een cluster machines algoritmen kunt maken. Zo werkt het landelijke PrimaVera-project toe naar smart en predictive maintenance. PrimaVera staat voor Predictive maintenance for Very effective asset management. Er wordt onderzocht hoe met big data algoritmen kunnen worden gemaakt die voorspellen wanneer kapitaalgoederen onderhoud nodig hebben. 

Meer zekerheid voor fabrieken

Alieh Alipour: “Predictive maintenance geeft de assetmanager meer zekerheid in een wereld vol onzekerheden. Het helpt hem meer controle te krijgen over het inspectie- en onderhoudsplan, over kosten en logistiek, over welke onderdelen hij wanneer moet kopen. En het geeft hem meer controle over het aantal monteurs dat hij nodig heeft voor inspecties en onderhoud.”

Belangrijk onderzoek

Het verzamelen van machinedata is dus erg belangrijk. Alieh: “We krijgen nog niet genoeg data van fabrieken. We willen daarom data gaan genereren. Studenten van de minor Asset Management en Maintenance maken daarvoor een proefopstelling in de practicumruimte. Deze testopstelling zal lagers testen voor korte en lange periodes onder verschillende bedrijfsomstandigheden. Deze testen moeten ons een beter inzicht geven in het gedrag van lagers, met als doel grote hoeveelheden data te genereren, zodat we algoritmes voor predictive maintenancemodellen kunnen valideren. We nodigen graag meer studenten, docenten en lokale mkb-bedrijven uit deel te nemen aan het project, om faciliteiten voor het onderzoek te ontwikkelen en te produceren.”

Innovatief onderzoek

In het PrimaVera-project combineren de onderzoekers voor het eerst big data in een geoptimaliseerde methode. Alieh: “Bij dit onderzoek richten we ons op drie sectoren: maritiem, infrastructuur en hightech productie. We hebben het onderzoek verdeeld in verschillende werkpakketten zoals data verzamelen, dataprognose, datadiagnose etc. Al die werkpakketten beïnvloeden elkaar. Ouderwetse onderhoudstechnieken houden geen rekening met deze wederzijdse beïnvloeding. Zelfs bestaande predictive maintenancetechnieken werken alleen voor kleinschalige systemen. Ze zijn moeilijk op te schalen. Dat beïnvloedt de kwaliteit van de voorspellingen. Keuzes die je op de ene plek in de keten maakt, hebben een belangrijke invloed op andere processen in de keten. Kies je voor een bepaald type sensor, dan heeft dat invloed op de voorspellingen die je kunt doen. Het PrimaVera-consortium is op zoek naar een innovatieve methode voor zogenoemde cross-level optimalisatie. Dus naar een methodiek die voor het eerst wél rekening houdt met die wederzijdse beïnvloeding. ”

Deel gegevens met een goede kwaliteit

Bedrijven zijn benieuwd naar de resultaten van het PrimaVera-project, weet Alieh. “Velen van hen zijn begonnen met assetmanagement en predictive maintenance. Ze zijn allemaal benieuwd naar wat we ontdekken in deze ontwikkelingsfase. Elk resultaat dat bijdraagt aan een methodologie die hen kan helpen, is voor hen interessant. ”

Ze vertelt over de grote uitdaging voor de deelnemende fabrieken. “Om in hun assetmanagement gebruik te maken van predictive maintenance, moeten ze data van goede kwaliteit delen. De data moeten het juiste volume hebben. De geschiedenis van de data moet goed worden geregistreerd. Fabrieken kunnen ons altijd bellen voor de juiste manier om gegevens te verzamelen.”

Predictive of condition-based maintenance

In de ontwikkeling van slim onderhoud onderscheidt Alieh Alipour condition-based én predictive maintenance. “Beide hebben hetzelfde doel: het verminderen van de uitvaltijd van machines en het optimaliseren van middelen door alleen onderhoudswerk uit te voeren wanneer dat nodig is. Predictive maintenance combineert sensormetingen met nauwkeurige algoritmeformules, om zo het exacte moment te voorspellen waarop onderhoud moet worden gepleegd. Condition-based maintenance kan de assetmanager alleen informeren wanneer bepaalde grenzen overschreden dreigen te worden en er dus direct actie ondernomen moet worden om uitval van de machine te voorkomen.”

Aan de horizon van de verbeelding van de onderzoeker daagt prescriptive maintenance. Alieh: “Dat is de toekomst. In prescriptive maintenance weet de machine wanneer een storing zal optreden en wat hij dan automatisch moet doen om deze op te lossen. Dat lijkt een soort sciencefiction. Maar we zijn in transitie. De verdere ontwikkeling van onderhoud zal nooit stoppen.”

Sluit of meld je aan

Ben je als student geïnteresseerd in predictive of zelfs prescriptive maintenance? Sluit je dan aan bij de minor Asset Management and Maintenance. Of vraag naar de mogelijkheden om stage te lopen bij het PrimaVera project.

Meer informatie? Zie https://primavera-project.com/ of meld je aan voor de onderzoekslunch op 18 januari 2021 waar Alieh Alipour meer zal vertellen over de voordelen van predictive maintenance.