Predictive maintenance laat bedrijven toe om hun onderhoudsproces dat traditioneel een push proces is en waar onderhoudsactiviteiten vooraf zijn gepland, behoudens reactieve interventies, om te vormen naar een pull proces, waar enkel de onderhoudsactiviteiten worden gevraagd die nodig zijn. Een symbiose tussen mens en machine, een combinatie van de ervaring en kennis van de technieker en de inzichten uit de machine die nieuwe economische waarde creëert. Lezing 1 Predictive Maintenance: een ‘end-to-end’ procesbenadering Bart Moens – Real Dolmen Welke architectuur is nodig voor het opslaan, organiseren en verwerken van data voor predictive maintenance? Hoe worden de algoritmes voor supervised en unsupervised learning toegepast? Hoe creëer je een symbiose tussen de technicus en de data-analist? Welke aanpassingen zijn nodig aan het onderhoudsproces? Dit alles wordt praktisch geïllustreerd aan de hand van een demo. Lezing 2 Vibratie-analyse op de lagers van een ‘medische film’ productiemachine. Savannah Eggers – Agfa; Patrick Callaert – Agfa; Jean-Philippe Aerts – MCS Omschrijving: Met behulp van een slimme LoRa sensor worden op bepaalde lagers van een grote productieketen de vibraties gemeten en als data verzameld. Om een productieproces onderbreking van enkele uren te vermijden door een kapotte lager wil Agfa aan de hand van deze data aan predictive maintenance doen. Hoe ze tot een oplossing trachten te komen, komt u hier te weten. Lezing 3 Bridgestone helpt u uw wagen beter te onderhouden Jos Polfliet – Faktion De 'My Speedy'-app van Bridgestone stuurt bestuurders proactief waarschuwingen en advies omtrent de staat van hun wagen. Daardoor kunnen die met gerust gemoed de baan op. Een reeks algoritmes zorgt er immers voor dat potentiële defecten worden gesignaleerd voor ze zich daadwerkelijk voordoen. Of hoe een bandenproducent data en artificiële intelligentie inzet om zijn dienstverlening te verbeteren en verruimen. Lezing 4 Het voorspellen van de toestand van kritieke productiemiddelen door het combineren van meerdere datastromen. Yves Van Ingelgem – Zensor Hoe meerdere datastromen (klassieke data zoals trillingen en spanningen en productiegegevens) combineren tot één datalake en hoe algoritmes toepassen om tot een indicatie te komen van de resterende levensduur of dreigende uitval. Na een korte theoretische inleiding volgen enkele praktijkgevallen uit meerdere productielocaties: 1: rolbrug in staalfabriek 2: draadwalsfabriek 3: Plastic road: integriteit en spin-outs 4: Schiphol Airport 5: Slimme transportband Hoe ziet een data- en analyse platform er uit en wat kan men leren van lange termijn monitoring? Meer info :

Geschreven door