Condition based maintenance is alleen mogelijk als machines data genereren en hun status delen. Helaas staat er in de procesindustrie vaak nog oude ‘domme’ apparatuur, die dat niet kan. Tim Foreman van Omron vertelt wat er komt kijken bij het ‘smart’ maken van oude machines.
Uit onderzoek in de Verenigde Staten bleek laatst dat meer dan de helft van de industriële machines daar 30 jaar oud of ouder is. Deze legacy machines vormen een probleem voor de moderne onderhoudsplanning, want ze genereren geen data. En zonder data geen conditiegestuurd onderhoud.
‘Domme’ machines slim maken
Tim Foreman, R&D Manager bij automatiseerder Omron, weet als geen ander hoe groot de uitdagingen zijn als het gaat om het innoveren van processen waarbij oude machines – die technisch nog prima werken – betrokken zijn. “Dertig jaar geleden was er nog geen internet, laat staat een Internet of Things. Machines uit die tijd zijn niet ‘smart’: ze delen geen data en houden geen logboek bij of informatie over hoe ze functioneren.”
Tim Foreman, R&D Manager bij automatiseerder Omron | foto: Omron
“Een fabriek weken op pauze zetten om de machines slimmer te maken? Zo zit de wereld niet in elkaar”
Digitaliseren, automatiseren en innoveren is voor veel industriële bedrijven lang niet vanzelfsprekend, zo ervaart Foreman in het werkveld. “Zeker kleinere bedrijven komen er eenvoudigweg niet aan toe. De business moet doordraaien, want zo wordt het geld verdiend. Een fabriek even een maand op pauze zetten om de machines slimmer te maken? Zo zit de wereld niet in elkaar.”
Tijdsinvestering
Hoewel een maand wellicht overdreven klinkt, komt het daar in de praktijk soms wel op neer, weet Foreman. “Als machines niet ontworpen zijn om data te delen, is het vaak een behoorlijk karwei om ze slimmer te maken. Zo’n machine stopt bijvoorbeeld ineens tijdens het productieproces, omdat er iets niet goed gaat. De machine weet wel waarom hij stopt – anders zou hij niet stoppen – maar deelt die informatie niet. In veel gevallen is die data helemaal niet uit de machine te halen.”
Uitdaging
Een onderhoudsmonteur moet die machine dan openmaken om uit te vogelen wat het probleem is. “Dat kost veel tijd, die je kunt herwinnen als zo’n machine gewoon zelf aangeeft wat het probleem is. Maar als het om decennia oude apparaten gaat waarvan ook de fabrikant zegt: ‘hier kunnen we niet bij helpen’, dan wordt het een uitdaging. Maar die gaan we bij Omron graag aan, want de voordelen van een slimme, meer geautomatiseerde productielijn zijn enorm.”
De waarde van voorspelbaarheid
Wat de meeste bedrijven het liefst willen, is voorspelbaar zijn. Beloftes kunnen nakomen bij klanten. Orders tijdig en foutloos leveren en exact kunnen voorspellen hoeveel productie er op een zeker moment gedraaid kan worden. “Beloftes niet nakomen levert niet alleen irritatie, maar ook afhakende klanten op”, zegt Foreman.
“Moet je bij een machine die uitvalt eerst uitgebreid op onderzoek uit om te kijken wat de oorzaak is… dat draagt niet bij aan je voorspelbaarheid. Je wilt direct zien wat het probleem is, zodat je onderhoud kunt plegen en de productie snel kunt hervatten.”
Voorspelbaar zijn is ook in commercieel opzicht veel waard. “Dat zit ‘m niet alleen in machine-uitval,” licht Foreman toe. “Neem bijvoorbeeld voorraadbeheer. Hoeveel bedrijven worstelen er niet mee dat de fysieke voorraad telkens afwijkt van de digitale voorraad die in het systeem staat? Allemaal zaken die je kunt oplossen als je slim digitaliseert en innoveert, en je machines met elkaar laat communiceren.”
Tim Foreman bespreekt een casus waar, na het intelligent maken van één machine, duidelijk werd dat de productafkeur 10x zo hoog was als met de natte vinger geschat | foto: Omron
“De impact van één domme machine die slim is geworden, is gigantisch”
Foreman vertelt over een recente casus bij een klant die een productielijn bestaande uit vijf machines efficiënter wilde maken. “Het waren allemaal domme machines. Ze deden hun werk, maar communiceerden er niet over. Wij dachten: vijf machines achter elkaar, we laten ze met elkaar praten en verzamelen de data op een centrale plek, hoe lastig kan het zijn?”
Dat liep anders. “Alleen al met de eerste twee machines waren we maanden bezig. Het ging om een apparaat dat soldeerpasta aanbracht op printplaten en een tweede apparaat dat dit controleerde. Maar soms liep er iets spaak, waardoor er onvoldoende pasta op de printplaten kwam. Dan ging de machine in een foutmodus: hij ‘wist’ dat er iets fout ging. Maar hij vertelde er niet bij wat eraan voorafging, of waar het probleem zat.”
‘Half procentje’ afkeur blijkt 5%
Het team van Foreman rustte de machine uit met ‘een geheugen’ en slimmigheden, waardoor personeel nu op een heatmap kan zien op welk deel van de printplaat er onvoldoende soldeerpasta is. Onderhoudstechnici weten dan direct welk deel van de machine ze moeten reinigen of repareren. Alleen al die ene machine slim maken, heeft de klant enorm veel opgeleverd, vertelt Foreman.
“Vooraf dacht de klant dat ongeveer een half procentje van alle printplaten niet perfect uit de machine kwam. Na ons onderzoek bleek dat tien keer zoveel te zijn: vijf procent. Moet je nagaan wat het in commercieel opzicht voor zo’n bedrijf betekent nu ze heel eenvoudig via heatmaps realtime hun kwaliteit kunnen monitoren… die impact van één domme machine die slim is geworden, is gigantisch. En we zijn nog lang niet klaar – ook die andere machiens maken we slim.”
