Predictief onderhoud, de hype voorbij

De analyse van big data toegepast op predictief onderhoud is een van de meest besproken onderwerpen in onderhoud en asset management. PwC en Mainnovation voerden samen een bevraging van de markt uit bij 268 bedrijven in België, Nederland en Duitsland rond predictief onderhoud. Ze wilden te weten komen in hoeverre bedrijven dit reeds toepasten op de werkvloer, wat er veranderd is sinds de vorige enquête in 2017 en wat de plannen zijn voor de nabije toekomst. Het blijkt dat de analyse van big data voor predictief onderhoud veel meer is dan een hype. Voor de ondervraagde bedrijven blijkt het een enorm krachtige nieuwe technologie die uitstekende resultaten neerzet en toegevoegde waarde creëert.

PwC en Mainnnovation hanteerden vier niveaus van maturiteit om het predictief onderhoud te beoordelen. De hoeveelheid data die wordt ingezet om machinestilstand of breuken te detecteren, vormt telkens de grens tussen de verschillende niveaus. De eerste graad omvat visuele inspectie. Levels twee en drie hebben te maken met inspectie van instrumenten en realtime condition monitoring, terwijl in level vier analyse van big data al het maken van beslissingen aanstuurt. Dit is het kruispunt waarop de digitale revolutie en de wereld van onderhoud elkaar ontmoeten. Om dit niveau te halen, moet er al sprake zijn van machine learning technologie om relevante patronen te identificeren in grote hoeveelheden data en praktische inzichten te genereren voor het verbeteren van de beschikbaarheid van
installaties. Wanneer stilstanden die voorheen onvoorspelbaar waren, nu op voorhand vastgesteld kunnen worden, is er sprake van predictief onderhoud 4.0.

In de studie geven PwC en Mainnovation een gedetailleerde aanpak weer om de technische componenten gelieerd aan predictief onderhoud 4.0 stap voor stap te integreren.

Niveau gebleven
Uit de enquête bleek dat 4% van de bedrijven zich momenteel op level 4 bevindt. Dat is hetzelfde cijfer als in 2017. Dat betekent dat de plannen en ambities van bedrijven om de stap te zetten naar predictief onderhoud 4.0 vooralsnog niet in daden zijn omgezet. Toch zijn er voldoende tekenen aan de wand dat bedrijven wel steeds ambitieuzer worden in het verbeteren van hun maturiteitsniveau op vlak van predictief onderhoud. 60% van de deelnemers aan de enquête lieten optekenen dat ze heel concrete plannen en intenties hebben om predictief onderhoud 4.0 te ontplooien binnen hun bedrijf in de nabije toekomst. Dat is een stijging met 11% ten opzichte van het resultaat in 2017. Het doel erachter is in de eerste plaats het opschroeven van de uptime. De voornaamste reden om er nog geen werk van te maken komt neer op een tekort aan budget.

Zo zijn er al meer bedrijven die gebruik maken van externe data, een essentiële componenten in de analyse van big data.

Meer ambitie, meer daden
Bedrijven blijken zich ook meer in te zetten om het maturiteitsniveau van hun onderhoudswerkzaamheden te verbeteren. Het blijft niet bij loze woorden. De basis wordt gelegd om over de juiste capaciteiten en middelen te beschikken voor predictief onderhoud 4.0. Zo zijn er al meer bedrijven die gebruik maken van externe data, een essentiële componenten in de analyse van big data. De manieren om aan gegevens te geraken binnen het bedrijf worden ook steeds geavanceerder: sensoren die gegevens over de omgeving verzamelen, productiecontrole-systemen en onderhoudsinformatiesystemen. Daarnaast doet men een beroep op geavanceerde datasoftware, -platformen en connectiviteitsoplossingen. Ook in het personeelsbestand zijn er ten opzichte van 2017 markante wijzigingen. Meer en meer bedrijven betrekken datawetenschappers, IT-specialisten en betrouwbaarheidsingenieurs in hun onderhoudsactiviteiten. 

Het is duidelijk dat iedereen het potentieel van predictief onderhoud 4.0 erkent om zijn bestaande praktijken te verbeteren, maar de industrie is nog steeds deze technologie aan het verkennen.

Uit de enquête bleek dat 4% van de bedrijven zich momenteel op level 4 bevindt. Dat is hetzelfde cijfer als in 2017. Dat betekent dat de plannen en ambities van bedrijven om de stap te zetten naar predictief onderhoud 4.0 vooralsnog niet in daden zijn omgezet. (Beeld: Morel fotografie)

Even goed in de praktijk als in theorie?
De enquête onderzocht ook of predictief onderhoud 4.0 kan waarmaken wat het belooft. Een opmerkelijke 95% van de bedrijven die predictief onderhoud 4.0 reeds in de praktijk brengen zegt dat het hen weldegelijk vooruitgeholpen heeft bij het verbeteren van minstens een van de onderscheidende factoren in hun onderhoudsbeleid. 60% van de respondenten zag een verbetering in de uptime, met een gemiddeld percentage van 9%. Ongeveer evenveel respondenten stelden een daling in hun kosten vast en een verlaging van de risico’s inzake gezondheid, veiligheid en milieu dankzij de introductie van predictief onderhoud 4.0. Ook de levensduur van hun machines en componenten ging erop vooruit. Deze resultaten versterken het beeld dat de toepassing van big data analyse de volgende stap in onderhoud betekent. 

In level vier stuurt de analyse van big data het maken van beslissingen aanstuurt. Dit is het kruispunt waarop de digitale revolutie en de wereld van onderhoud elkaar ontmoeten.

De hoeveelheid data die wordt ingezet om machinestilstand of breuken te detecteren, vormt telkens de grens tussen de verschillende niveaus. (Beeld: Morel fotografie)

Hoe predictief onderhoud benaderen en implementeren?
In de studie geven PwC en Mainnovation een gedetailleerde aanpak weer om de technische componenten gelieerd aan predictief onderhoud 4.0 stap voor stap te integreren. Er wordt onder meer ingegaan op de vereiste IT-architectuur en componenten. Daarnaast worden de organisatorische aspecten niet uit het oog verloren om binnen het bedrijf een echte digitale cultuur op te bouwen. Maar beide partners willen vooral ook benadrukken dat predictief onderhoud 4.0 enkel maar succesvol kan zijn in bedrijven die in staat zijn om verandering te realiseren, een digitale cultuur koesteren en de juiste skills willen ontwikkelen en aantrekken. Het gaat niet louter om het uitkiezen van de juiste technologie, al is dat uiteraard van belang. Het succes wordt niet bepaald door specifieke sensoren, algoritmes of analyseprogramma’s maar door de mensen op de werkvloer. Om de menselijke factoren goed te krijgen, dat is misschien nog de grootste uitdaging in de implementatie van predictief onderhoud 4.0.