Voorspellend onderhoud: de ware kracht van het Internet of Things

In veel bestuurskamers en directiekantoren heerst nog veel onduidelijkheid en onzekerheid over wat het Internet of Things precies inhoudt en wat dit kan betekenen binnen ‘business-as-usual’. Regelmatig zie ik deze twijfel terugkeren bij bedrijven, die dan vaak maar besluiten om voor de veilige weg te kiezen en het nog even op de lange baan te schuiven. Enorm zonde. Vaak zijn simpele business cases die al uitgebreid getest zijn ruim voorhanden, die niet alleen een goede eerste kennismaking zijn, maar ook al fors verschil onder de streep kunnen maken. Eén van die business cases draait om het integreren van voorspellend onderhoud.

Wat is voorspellend onderhoud?

Voorspellend onderhoud of predictive maintenance is een onderhoudsstrategie die werkt met M2M (machine-to-machine) learning, waarvoor het zwaar vertrouwt op sensoren en het Internet of Things. Met voorspellend onderhoud wordt onderhoud niet te vroeg (preventive) of te laat (reactief) uitgevoerd, maar precies op het juiste moment – een moment dat bepaald wordt door sensoren en algoritmes.

Dankzij voorspellend onderhoud kan de uptime verbeterd worden. Downtime als gevolg van onnodig onderhoud of defecten wordt beperkt, terwijl de onderhoudswerkzaamheden die nu nodig zijn van tevoren ingepland kunnen worden. Zo neemt de onderhoudsmonteur de juiste onderdelen en het juiste gereedschap mee en heeft hij van tevoren de juiste werkinstructies nogmaals kunnen bestuderen.

Zo wordt doelgericht onderhouden, in plaats van verkennend of algemeen. Een besparing van tijd en kosten die leidt tot een hogere productiviteit. Veel voordelen, dus.

Functies van voorspellend onderhoud

De verschillende functies die dankzij predictive maintenance mogelijk zijn, kunnen in opeenvolgende fases geïmplementeerd worden. Zo begint een dergelijke toepassing altijd met het verbinden van sensoren in machines met hun historische data – zoals de onderhouds- en reparatierapportages. Ook kan externe data toegevoegd worden waarvan aangetoond is dat dit samenhangt met de prestaties van de machine, om nog beter de huidige status te kunnen meten en visualiseren in real-time.

Op het moment dat dit alles goed werkt, en dus duidelijk in kaart gebracht is en blijft hoe een machine functioneert, kunnen er extra functies toegevoegd worden. Zo zal een algoritme na verloop van tijd in staat zijn om te voorspellen wanneer er storingen zullen optreden. Dit is meestal een punt waarop bedrijven stoppen en zich nog eens goed achter hun oren krabben. Immers, er iets niets om op af te gaan behalve op data – die zegt dat als je nu geen onderhoud pleegt, een defect op handen is.

Onderhoudsprocessen kunnen nu, als deze data geaccepteerd wordt, afgestemd worden op de input van de machine zelf. Wanneer de prestaties teruglopen, gaat er een signaaltje naar de planningsafdeling – die vervolgens het onderhoud inplant. In principe hoeft hier geen mens meer aan te pas te komen, wat wederom het risico op fouten en nalatigheid verkleint.

De laatste stap is dan ook degene waar je als bedrijf de meeste winst mee zal boeken, mits je durft die stap te zetten: het actief voorschrijven van taken en werkinstructies. De machine leert van al het onderhoud en alle reparaties die in het verleden uitgevoerd zijn en begrijpt zo welke werkzaamheden uitgevoerd moeten worden tijdens het onderhoud om alles tiptop te houden. Zo kan het – wederom zonder tussenkomst van een persoon – werkinstructies en suggesties voor voorgestelde handelingen meegeven aan de monteur. Het systeem is nu zo ‘bekend’ met de apparaten dat het zonder meer in staat is om ze draaiend te houden door op de juiste momenten een mannetje erop af te sturen.

Voorspellend onderhoud in B2B

Een belangrijke toepassing van voorspellend onderhoud ligt in de B2B-hoek, waarbij een bedrijf (onderdelen van) zijn productieproces kan koppelen aan een dergelijk onderhoudsproces. Daarmee wordt de productie geoptimaliseerd: downtime wordt verminderd en kosten gaan omlaag. Een gouden combinatie in deze tijd waarin het steeds belangrijker wordt om sneller en tegen lagere kosten te produceren.

Sensoren die onder andere beweging, vibratie, temperatuur en infrarood meten worden verwerkt in apparatuur die de productie verzorgt – van lopende banden tot aan hijskranen en van koelcellen tot aan specifieke machines die onderdelen produceren en combineren. Wanneer een bepaald onderdeel van het proces niet meer volgens verwachting produceert – te traag, te veel vibratie, te warm, teveel afwijkingen van de standaard – kan dit zo meteen gesignaleerd en aangepast worden.

Handig, aangezien het je productieniveau hoog houdt en onbruikbare of defecte componenten of eindproducten zoveel mogelijk voorkomt. Maar ook voor de productieapparatuur zelf is het beter: dankzij voorspellend onderhoud kan het langer in optimale conditie gehouden worden, waardoor de effectieve levensduur significant verlengd wordt.

Tenslotte geeft het meer controle over het proces: niet langer is er de onzekerheid van onverwachte downtime en storingen in het productieproces die onverwachte – kostbare – vertragingen tot gevolg hebben. Niet langer hoeven managers te hopen dat een apparaat het nog even volhoudt; maar kunnen ze aan de hand van data een concreet beeld krijgen van diens toestand.

Voorspellend onderhoud in B2C

Echter is voorspellend onderhoud niet alleen nuttig in een B2B setting. Ook voor producten die direct aan de consument verkocht worden kan het veel waarde toevoegen. Dit kan voor de slimme ondernemer ook dienstdoen als een extra businessmodel in de vorm van een dienst.

Stel, je verkoopt een auto of een wasmachine aan een consument, voorzien van sensoren die gelinkt zijn aan een centrale applicatie. Dankzij predictive maintenance kan er dan ook op afstand bekeken worden hoe goed het nog werkt – en snel gereageerd worden wanneer onderhoud nodig is. Een andere applicatie kan dit onderhoud direct inplannen, afstemmen met de consument en de juiste werkinstructies meegeven; zodat de consument er de minste hinder van ondervindt. Erg handig voor een goede handling van bijvoorbeeld onderhoudscontracten.

Tegelijkertijd kan de data die dankzij deze sensoren vergaard wordt ook nog ingezet worden om de consument een extra service te bieden. Bijvoorbeeld als opgemerkt wordt dat het product niet optimaal gebruikt wordt, kan een consument extra hints en tips ontvangen over hoe zij iets kunnen doen om de levensduur ervan te verlengen. Ook waardevolle informatie voor de producent, trouwens – die leert van hoe het product in de praktijk ‘werkt’ om toekomstige versies beter daarop aan te laten sluiten.

Waarde van voorspellend onderhoud

De waarde van voorspellend onderhoud is duidelijk. Het drijft je kosten omlaag en laat je productiviteit stijgen. Gecombineerd met de relatief goedkope en simpele introductie ervan binnen een bedrijf, maakt dit het een ideale kennismaking met het Internet of Things. Zelfs als er nu nog helemaal niets mee gedaan wordt binnen een bedrijf, is het mogelijk om het snel van de grond te krijgen. Ook kun je zelf bepalen hoe ver je hierin wilt gaan – of je alleen wilt voorspellen, of ook verder wilt gaan en de volledige planning en analyse van de correcte werkinstructies wilt uitbesteden aan ‘het Internet’.

Alleen al voor de inspiratie die het meegeeft aan je medewerkers en de directie is het absoluut het onderzoeken waard. En zodra je eenmaal aan de gang gaat, zullen de andere, eindeloze mogelijkheden van het Internet der Dingen zich langzaam gaan onthullen en mogelijk winstgevende nieuwe businessmodellen onthullen.