AI maakt 24/7 real-time analyses mogelijk | Foto: Adobe Stock
Met Artificial Intelligence (AI) kunnen bedrijven sneller de stap te maken naar predictive maintenance. Data-analyse is dan niet meer afhankelijk van mensen, maar gaat real-time. Wat is er nodig om AI-gestuurd voorspellend onderhoud in te voeren?
Er zijn de meerdere voordelen van kunstmatige intelligentie, ofwel artificial intelligence (AI) voor predictive maintenance. Dit zijn de 4 belangrijkste:
AI is schaalbaar en kan enorme hoeveelheden data verwerken – veel meer dan mensen ooit zouden kunnen.
Realtime inzicht: AI kan rekening houden met grote aantallen condities en complexe doorrekeningen razendsnel uitvoeren, resulterend in live (real-time) inzicht in noodzakelijk onderhoud.
Het algoritme is zelflerend, waardoor onderhoud steeds nauwkeuriger en gerichter kan.
OEE: De combinatie AI-predictive maintenance heeft een positieve impact op OEE (Overall Equipment Effectiveness). Minder downtime door storingen en periodiek gepland onderhoud levert tot wel 5% winst op op OEE, en dat binnen het eerste jaar.
Van reactief naar voorspellend onderhoud
Met predictive maintenance vervang je versleten onderdelen niet pas nadat ze defect zijn (reactief) of omdat de verwachte levensduur bijna verstreken is (preventief), maar op het moment dat ze op basis van harde data en prestaties ook daadwerkelijk aan vervanging toe zijn.
Daarmee bespaar je kosten van onnodig onderhoud, maar voorkom je ook dat processen ongepland tot stilstand komen wegens defecten.
Predictive maintenance: data-analyse cruciaal
Predictive maintenance staat of valt met data-analyse. Het werkt alleen als je grote hoeveelheden data snel kunt analyseren en daar de juiste conclusies aan verbindt. Hier kan AI uitkomst bieden: AI kan 24/7 real-time analyses maken op basis van metingen en prestaties van je processen, zonder dat een mens nog naar de data hoeft te kijken.
Om voorspellend onderhoud met behulp van industriële AI te implementeren, heb je drie dingen nodig:
De juiste data
Een zelflerend algoritme
Bereidwillige operators en onderhoudsmonteurs
1a. Data genereren met sensoren
De data die je nodig hebt voor predictive maintenance moeten continu actueel zijn. Dit betekent dat al je processen, machines en onderdelen uitgerust moeten zijn met sensoren die de omstandigheden en condities monitoren.
Sensoren meten bijvoorbeeld vaak het debiet, de actuele druk, temperatuur en trillingsfrequentie in een systeem. Afwijkingen in die condities zijn een eerste teken dat er mogelijk sprake is van slijtage.
1b. Data verzamelen en activeren
Die doorlopende sensormetingen leveren een grote bak met data op. Die data moet je kunnen activeren, oftewel: direct verwerken en analyseren. Dat betekent in de praktijk dat die data razendsnel vanuit de fabrieksvloer naar de afdeling IT moeten.
De implementatie van industriële AI is daardoor niet alleen een verantwoordelijkheid van IT, of alleen van de operatie, maar vergt een doorlopende samenwerking.
In een ideale situatie zijn alle data die door sensoren wordt gegenereerd op één centrale plek binnen de organisatie beschikbaar. Voorkom dus eilandvorming en zorg voor één bron van informatie – één waarheid waar iedereen naar kijkt.
“Voer AI-gestuurd voorspellend onderhoud stapsgewijs in: begin met kritische onderdelen of onderdelen waarop je het vaakst reactief onderhoud moet plegen”
2a. Zelflerend algoritme
Een zelflerend algoritme is het kloppende hart van predictive maintenance. De eerste zelflerende algoritmes voor de industriële onderhoudssector zijn inmiddels op de markt beschikbaar en worden doorgaans aangeboden samen met bijbehorende sensoren en gebruikersinterface.
Implementatie is dan redelijk eenvoudig, aangezien je hierbij ondersteuning ontvangt van de fabrikant: AI-as-a-service.
2b. Feedback verbetert voorspelling
Eenmaal in gebruik leert het algoritme je processen en omstandigheden kennen en speelt het daar steeds beter op in. Gebruikersfeedback versnelt het leertempo: was een onderdeel inderdaad defect, of speelde er iets anders? Op termijn presteert het algoritme steeds beter bij het voorspellen van het ideale onderhoudsmoment.
Artificial Intelligence | foto:Adobe Stock
3. Mens en machine
AI-gestuurd voorspellend onderhoud invoeren is geen big bang, maar pak je stapsgewijs aan. Begin met de belangrijkste onderdelen en met de onderdelen waarop je het vaakst reactief onderhoud moet plegen: het laaghangende fruit. Boek daar succes en breid dat succes dan uit naar andere processen, machines en onderdelen.
Operators en onderhoudsmonteurs kunnen doorgaans feilloos aanwijzen welke machines en onderdelen de meeste problemen geven. Betrek hen bij de implementatie van industriële AI, zodat de machine de mens ook echt helpt.
Op die manier wordt voorspellend onderhoud met AI een optimale samenwerking tussen mens en machine waarmee je snel stappen kunt zetten.
Dit artikel is deels gebaseerd op een door Festo georganiseerd webinar over voorspellend onderhoud met AI.
