Industrial AI als versneller van pro-actief onderhoud | Foto: Adobe Stock
Industrial AI gaat maintenance naar een hoger plan brengen: van reactief naar proactief onderhoud met AI-gestuurde analyses. Dit biedt een opstap naar predictive en zelfs prescriptive maintenance, dat is winst qua uptime en verlaagt de operationele kosten.
tk1 Industrial AI helpt bij het identificeren van mogelijke storingen, voordat ze zich voordoen. Prescriptief onderhoud is hier het ultieme doel om ellende (altijd) voor te zijn.
Het AI-model baseert zich hierbij op continue analyse van machinedata om real-time inzichten te bieden, bijvoorbeeld door het monitoren van trillingen in turbines of andere kritieke assets. Al die complexe data worden au tomatisch vertaald naar een onderhoudsstrategie die door machine-learning steeds geoptimaliseerd wordt.
Luchtvaartsector voorop
Nog geen 2% van de bedrijven wereldwijd is bezig met ‘industrial AI’ en de procesindustrie loopt alvast niet voorop. Zo bleek tijdens het driedaags seminar ‘Unleash the power of Industrial AI’ in Orlando. Vanuit de onderhoudssector zijn er nog weinig concrete voorbeelden op dit vlak, maar dit is geen reden om achterover te leunen.
Interessant te zien wat er op onderhoudsvlak in sectoren als de luchtvaartsector gebeurt, waar industrial AI wel wordt opgepikt, en wat daarvan te leren valt voor industrieel onderhoud.
“Nog geen 2% van de bedrijven wereldwijd is bezig met ‘industrial AI’ en de procesindustrie loopt alvast niet voorop”
Onderhoudsroosters flexibiliseren
Onderstaand voorbeeld illustreert hoe AI luchtvaartmaatschappijen minder afhankelijk maakt van reactief onderhoud, omdat ze middelen efficiënter kunnen inzetten. Hier heeft industrial AI de potentie onderhoud effectiever en goedkoper te maken door intelligentie, snelheid en precisie te combineren.
Zo kunnen luchtvaartmaatschappijen hun maintenance- planning met AI flexibiliseren, anticiperen op weercondities, natuurrampen of stakingen, en daar de inzet van onderhoudspersoneel op een specifieke locatie op aanpassen. Stel, een KLM-vlucht vertrekt van Schiphol naar Boston, en kan daar en in omliggende regio’s door hevige sneeuwval niet landen. Dus moet er uitgeweken worden naar Atlanta. Dan is het wel zo handig als het onderhoudspersoneel en materieel bij landen van al die omgeleide vliegtuigen ter plekke is.
Roosters kunnen met AI snel worden omgegooid, want AI is meester in het vertalen ongestructureerde gegevens naar gestructureerde informatie en kan daarbij alle personele gegevens meenemen voor het nieuwe dienstrooster, zoals beschikbaarheid en kwalificaties.
Dit betekent dat onderhoudspersoneel nog voordat de luchthaven insneeuwt vertrokken is richting het zuiden, waar ze hard nodig zullen zijn. In dit proces versnelt AI de besluitvorming enorm en doet dat ook nog eens veel nauwkeuriger dan bij menselijke tussenkomst. Dit kan de vertragingen in het vliegverkeer bekorten of zelfs voorkomen.
“AI kan de ideale onderhoudsstrategie voorleggen op basis van real-time gegevens: condition-based maintenance in plaats van preventief onderhoud”
tk2 Ai maakt onderhoud slimmer
Het gebruik van AI gaat echter verder dan het optimaliseren van de onderhoudsplanning. Het volgende voorbeeld illustreert dat. Stel je voor dat er een defect ontstaat in een machine of een kritieke infrastructuur, zoals een lekkage in een sprinklerinstallatie.
In plaats van het probleem handmatig op te lossen, kan AI automatisch de juiste data ophalen, een diagnose stellen en de juiste werkinstructies voor de reparatie genereren. Dit bespaart niet alleen tijd, maar maakt het ook mogelijk om sneller in te grijpen en zo ongeplande downtime te minimaliseren.
Daarnaast kan AI de ideale onderhoudsstrategie voorleggen op basis van real-time gegevens. In plaats van preventief onderhoud te plannen, kan AI condition-based maintenance aanbieden, waarbij onderhoud wordt uitgevoerd op basis van de werkelijke staat van de machine of infrastructuur. Dit zorgt voor efficiënter gebruik van middelen, beperkt of voorkomt onnodige ingrepen en draagt zo bij aan een langere levensduur van apparatuur.
Duurzaamheidsdoelen halen
Duurzaamheid is een ander gebied waarop AI zijn meerwaarde bewijst. Bedrijven die bijvoorbeeld circulaire productiemethoden willen implementeren, kunnen AI gebruiken om te analyseren welke onderdelen van machines hergebruikt kunnen worden en welke onderdelen aan vervanging toe zijn.
AI helpt hierbij door de ecologische voetafdruk van verschillende productkeuzes in kaart te brengen. Zo ondersteunt AI het behalen van duurzaamheidsdoelen, en niet onbelangrijk: die doelen te realiseren die het meeste rendement opleveren.
Recycling
Tijdens het Industrial AI-seminar in Orlando werd in dit kader een praktijkcase gepresenteerd van Tomra, specialist in recyclingtechnologie. Het bedrijf gebruikt AI om de prestaties van recyclingmachines in real-time te analyseren.
AI maakt met deze data een onderhoudsstrategie en optimaliseert de operationele processen om duurzamer te produceren. Zo kan Tomra met behulp van AI zijn duurzaamheiddoelen continu monitoren en bijsturen.
“AI rekent de voordelen en nadelen van investeringen door en neemt alle relevante factoren mee, zoals budget, risico’s, duurzaamheidsdoelen en leverancierskeuze”
tk3 Investeringsscenario’s doorrekenen
Nog een voorbeeld. Stel een bedrijf wil verduurzamen door een dak met zonnepanelen te bedekken. Dan is het handig te weten wat het milieurendement is en wat de beste route daar naartoe is.
AI rekent de voordelen en nadelen van deze investering door, neemt daarin alle relevante factoren mee, zoals:
- budget
- risico’s
- duurzaamheidsdoelen
- leverancierskeuze
Een klus waar technici weken mee bezig zouden zijn, doet AI in een fractie van de tijd en veel beter afgewogen. Worst-case en best-case scenario’s worden doorgerekend, de terugverdientijd per optie wordt helder en het bedrijf is voorbereid op onzekerheden zoals vertragingen in de levering van materialen en kostenfluctuaties.
“Bedrijven die AI omarmen, zullen als winnaars uit de strijd komen. Wie te laat instapt, loopt het risico uit de markt gedrukt te worden”
tk4 Sneller naar industrie 4.0
Kortom, kunstmatige intelligentie is niet alleen relevant voor techbedrijven of dienstverleners, maar heeft ook de potentie industriële processen te stroomlijnen. Of het nu gaat om het optimaliseren van onderhoudsplanning, het gladstrijken van productieprocessen of het realiseren van duurzaamheiddoelen, de impact van AI op de industrie van de toekomst is enorm.
Alles staat of valt er wel mee dat deze technologie precies en in de juiste context wordt ingezet. Dus met kennis van de sector, op basis van hyperbetrouwbare data (die dus beschikbaar moeten zijn) en met oog voor de specifieke behoefte van een bedrijf.
One-size- fits-all gaat hier niet werken. De boodschap van keynote speakers in Orlando was duidelijk. De toekomst van de industrie is AI-gedreven. De bedrijven die deze technologie omarmen, zullen als winnaars uit de strijd komen. En wie te laat instapt, loopt het risico uit de markt gedrukt te worden.
