Smart Industry Fieldlabs verkennen onderhoudsstrategieën

icon.highlightedarticle.dark Tech & Onderhoud
164 bekeken Laatste wijziging: 3 juni 2024
De gondel van fieldlab Zephyros voor onderzoek naar automatisering en robotisering van windmolenonderhoud
De gondel van fieldlab Zephyros voor onderzoek naar automatisering en robotisering van windmolenonderhoud | Foto: World Class Maintenance

De digitalisering biedt tal van ­kansen om onderhoud efficiënter en ­effectiever te maken. Denk aan de inzet van ­condition monitoring om op te schuiven van correctief en preventief naar predictief en wellicht zelfs prescriptief onderhoud. Digitale technologie kan op allerlei manieren worden ingezet, van smart sensors tot 3D-printen, om de benodigde data te verzamelen en het onderhoud ­slimmer te organiseren. Diverse Smart Industry fieldlabs maken hier al werk van.

tk1

Onder invloed van de digitalisering is er sprake van een evolutie in de onderhoudsstrategieën voor industriële assets. Van oudsher was onderhoud correctief; men sprak van storingsonderhoud en ‘run to failure’: assets draaiden zonder onderhoud totdat ze in storing gingen.

Correctief onderhoud was aan de voorkant goedkoop, maar aan de achterkant juist duur, vanwege de schade door een defect en vooral ook het productieverlies door de ongeplande stilstand. Preventief onderhoud kwam op om ongeplande stilstand te voorkomen. Dat werkte beter, maar was niet erg efficiënt. Zo kwam de preventieve vervanging van componenten – in intervallen gebaseerd op ervaringsdata of bedrijfstijd – meestal te vroeg en soms toch te laat.

Predictief onderhoud

De kunst was om voor het onderhoud het juiste moment te voorspellen: niet te vroeg, maar zeker niet te laat. Daarvoor kwam condition monitoring in beeld. Denk aan parameters als elektriciteitsverbruik, temperatuur of druk die oplopen door slijtage of aan trillingen die naderend onheil aankondigen. Data-analyse met slimme algoritmes levert de benodigde voorspellingen.

Dit voorspellend, of predictief, onderhoud is nu aan de orde van de dag in de industrie. Een nog geavanceerdere benadering – vooral nog toekomstmuziek – is prescriptief onderhoud. De analyses leveren dan niet alleen voorspellingen, maar ook ‘recepten’ (‘prescripties’) voor het uitvoeren van het juiste onderhoud en uiteindelijk het vinden van oplossingen die de voorspelde storingen moeten voorkomen.

Condition monitoring

Predictief (en prescriptief) onderhoud van een asset draait grotendeels op data die worden verkregen met conditie-monitoring; men spreekt wel van condition-based maintenance. Deze data kunnen worden verkregen uit de besturing van de asset; denk aan een motorstroom die oploopt omdat de betreffende motor zwaarder gaat lopen door slijtage van bijvoorbeeld de lagers. De meeste data komen echter uit sensoren die zich op en in de asset bevinden.

tk2

Slimme sensors

Deels zijn de sensoren, bijvoorbeeld voor druk en temperatuur, vast onderdeel van de asset. Voor een ander deel gaat om het sensoren die speciaal voor de condition monitoring zijn bevestigd, zoals trillingssensoren. Toenemende trillingen kunnen bijvoorbeeld het gevolg zijn van speling die door slijtage is veroorzaakt en op hun beurt die slijtage verder vergroten. Vaak gaat het om zogeheten smart sensors, voorzien van een draadloze verbinding en rekencapaciteit.

Internet of Things

Smart sensors zijn gekoppeld aan een Internet of Things netwerk, waarvoor uiteenlopende protocollen beschikbaar zijn, van wifi tot LoRa (Long Range Low Power) voor een groter bereik. Zo zijn de sensoren draadloos verbonden met de besturing van de asset of met de server (in de cloud) waar de conditie-data worden verzameld en geanalyseerd. Ook kunnen ze alvast bewerkingen op de data uitvoeren (‘edge computing’) om ze te comprimeren en zo de kosten voor datacommunicatie en opslag in de centrale cloud te beperken.

tk3

Data-analyse

Op een centraal dataplatform vindt dan de uiteindelijke analyse plaats die de predicties en prescripties voor het onderhoud moet opleveren. Dankzij de wiskunde die zich steeds verder ontwikkelt en computerchips die almaar meer rekenvermogen en geheugencapaciteit krijgen, zijn voor de analyse steeds krachtiger algoritmes beschikbaar.

Die gebruiken kunstmatige intelligentie (AI) om betere en gedetailleerde voorspellingen te doen. Een bekende vorm van AI is machine learning: een algoritme leert door te trainen met data die zijn gekoppeld aan bekende events (zoals storingen en defecten) en kan daardoor uiteindelijk uit nieuwe data voorspellingen destilleren voor vergelijkbare, nog niet gedetecteerde events.

Extended reality

Zijn de voorspellingen en recepten voor het onderhoud bepaald, dan moet dat nog daadwerkelijk worden uitgevoerd. Ook daarbij kan digitale technologie een grote rol spelen, in de vorm van wat tegenwoordig ‘extended reality’ heet. Het gaat dan om een beeld van de werkelijkheid dat met digitale middelen wordt gecreëerd (virtual reality) of met digitale informatie wordt aangevuld (augmented reality).

Voor de onderhoudsmonteur in het veld kan dat een geweldig hulpmiddel zijn. Bijvoorbeeld om met een virtual reality bril alvast een complexe reparatie te oefenen door het inwendige van een asset te verkennen. Of om met de smartphone een opname van de asset te maken, waarop vervolgens aanvullende informatie met aanwijzingen voor de reparatie wordt geprojecteerd.

3D-printen

Tot slot zijn bij onderhoud vaak vervangende onderdelen nodig. Als die duur zijn of in te veel varianten voorkomen, kan het voorkomen dat ze niet op voorraad liggen, waardoor stilstand van de asset langer duurt. Een digitale productietechnologie als 3D-printen kan dit ondervangen. De onderdelen liggen dan digitaal op voorraad; alleen het materiaal en een printer zijn nodig om ter plekke het betreffende onderdeel in no time op afroep te produceren. Deze digitalisering reduceert de kosten van voorraad en stilstand en is daarmee een mooi voorbeeld van een smart onderhoudsstrategie.

Smart Industry
Smart Industry | foto:Smart Industry

Onderhoud in Smart Industry fieldlabs

Smart Industry wordt gedreven door de digitalisering. Denk aan ICT-ontwikkelingen als IoT (Internet of Things), 5G, blockchain, big data, AI (kunstmatige intelligentie) en quantumcomputers, nieuwe productietechnologieën als 3D-printen, en intelligente ‘assistenten’ zoals robots en drones.

In navolging van het Duitse Industrie 4.0 kwam in ons land tien jaar geleden het Smart Industry initiatief van FME, KvK, TNO en het ministerie van Economische Zaken. Dit draait om de kansen die de voortschrijdende digitalisering biedt voor het innoveren van producten, processen en diensten/businessmodellen. Bedrijven en kennisinstellingen werken daar samen aan in fieldlabs. In deze praktijkomgevingen worden Smart Industry oplossingen ontwikkeld en leren mensen die toepassen. Inmiddels zijn er zo’n 50 Smart Industry fieldlabs.

Zeker 8 fieldlabs zijn gerelateerd aan onderhoud. Meerdere zijn voortgekomen uit het World Class Maintenance netwerk. Die 8 zijn CAMPIONE (chemiebedrijven), CAMINO (infrastructuur), SAMEN (maak- en proces­industrie), Zephyros (offshore renewable energy), ACM3 (lichtgewicht metaal en composiet), DCMC (composieten), Smart Maintenance ­Techport (procesindustrie) en RAMLAB (zware machine­bouw). Ze ontwikkelen oplossingen voor condition monitoring en data-analyse om het onderhoud 100% voorspelbaar te maken, en voor ‘smart maintenance’, het slimmer organiseren van onderhoud met bijvoorbeeld 3D-printen.

www.smartindustry.nl

www.tno.nl/nl/digitaal/smart-industry

www.worldclassmaintenance.com


Automatisering onderhoud aan windmolens

World Class Maintenance Fieldlab ­Zephyros heeft tot doel het voorkomen van ­onnodige downtime en on-site maintenance van ­installaties in de offshore renewable energy sector. Voor onderzoek naar ­automatisering en robotisering van het onderhoud beschikt het fieldlab in een test- en democentrum in Vlissingen over een turbineblad en een gondel (‘machine­kamer’) van een windmolen. Samen met partners werkt Zephyros aan de ­automatische inspectie van turbinebladen, bijvoorbeeld met drones.

Bij Sluis Eefde in het Twentekanaal nam fieldlab Camino deel aan een project rond conditie-monitoring
Bij Sluis Eefde in het Twentekanaal nam fieldlab Camino deel aan een project rond conditie-monitoring | foto:Rijkswaterstaat


Proeftuin Sluis Eefde

Smart Industry fieldlab CAMINO was betrokken bij de Proeftuin Sluis Eefde, onderdeel van het programma ‘Vitale Assets’ van Rijkswaterstaat. In deze ­proeftuin ging het om energiemonitoring voor het voorspellen van falen, vroegtijdige detectie van corrosievorming, en analyse van onder meer trillingen en oliekwaliteit om degradatie en noodzakelijk onderhoud beter te kunnen voorspellen.

Profile picture of dr.ir. Hans van Eerden

Geschreven door dr.ir. Hans van Eerden

Lees meer van dr.ir. Hans van Eerden icon.arrow--dark

Blijf op de hoogte en mis geen artikel

Inschrijven icon.arrow--dark