Predictive maintenance maakt beloften aantoonbaar waar

De hype voorbij: PdM 4.0 zorgt voor verbeteringen

Predictive maintenance, het inzetten van data-analyse om te voorspellen wanneer bijvoorbeeld een machine aan vervanging toe is, wordt al enige jaren gezien als de grote belofte van Industrie 4.0 in de wereld van onderhoud en assetmanagement. Uitgebreid onderzoek naar concrete resultaten was er echter nog niet. Dat maakte bedrijven soms huiverig om de investering te wagen en de techniek te proberen. Nu zijn die concrete resultaten er wel, en ze zijn veelbelovend.

Uit het deze week verschenen PwC-rapport Predictive Maintenance 4.0 – Beyond the hype: PdM 4.0 delivers results blijkt dat 95 procent van de bedrijven die PdM 4.0 inzetten, al positieve resultaten boekt. Gemiddeld hebben zij maar liefst negen procent meer uptime gerealiseerd. Dat is een fantastisch resultaat, want de kosten van downtime – het niet operationeel zijn omdat machines kapotgaan of apparatuur hapert – zijn enorm hoog. Zo is met de relatief beperkte investering die nodig is om PdM 4.0 te implementeren en uit te voeren, een vele malen groter rendement te behalen. Een kleine stijging van de uptime is al goud waard.

Gebruik van data kenmerkt hoogste niveau

Het gebruik van big data in het onderhoud van onder meer machines en apparaten kenmerkt het vierde niveau van volwassenheid in predictive maintenance. De opbouw van de niveaus is als volgt:

• Niveau 1 - Visuele inspecties: periodiek fysieke inspecties; de conclusies zijn uitsluitend gebaseerd op de expertise van inspecteurs.
• Niveau 2 - Instrumentinspecties: periodieke inspecties; conclusies zijn gebaseerd op een combinatie van de expertise van inspecteurs en het uitlezen van instrumenten.
• Niveau 3 - Realtime statusbewaking: een continue realtime-monitoring van assets, met waarschuwingen op basis van vooraf vastgestelde regels of kritische niveaus.
• Niveau 4 - PdM 4.0: een continue realtime-monitoring van assets en externe data (zoals gegevens over omgeving en gebruik), met waarschuwingen op basis van voorspellende technieken als regressieanalyse, voor minstens één belangrijke asset.

Concrete voorbeelden moeten bedrijven over streep halen

Naast een vergelijking maken met de uitkomsten van vorig jaar was een belangrijk doel van het onderzoek het in kaart brengen van concrete voorbeelden van succesvol gebruik van predictive maintenance. Het gebrek aan voorbeelden was er tot nu toe meestal de oorzaak van dat bedrijven niet in de techniek durfden te investeren. Die voorbeelden zijn er nu. De Belgische infrastructuurbeheerder Infrabel is al erg ver op het gebied van PdM 4.0. Doordat er nu minder fysieke inspecties langs de sporen nodig zijn, heeft het bedrijf de veiligheid van haar medewerkers verbeterd.

Samenwerking PwC en Mainnovation

PwC en Mainnovation werken al enkele jaren samen en hebben nu voor het tweede achtereenvolgende jaar onderzoek naar predictive maintenance gedaan.

Mainnovation heeft alle expertise op het gebied van maintenance en assetmanagement, en PwC op het gebied van data-analyse en regelgeving. Door het aangaan van dit partnership kunnen wij onze klanten echt het complete advies bieden. Want bij het implementeren van deze techniek gaat het enerzijds om de meer technische vragen als “wat is de meest geschikte asset om een pilot mee te draaien?”, en anderzijds om vragen als “hoe ontsluiten we de data, van wie zijn die data eigenlijk, en hoe zorgen we dat we voldoen aan privacyregels?”. Samen kunnen we onze klanten strategisch adviseren en begeleiden bij de implementatie van PdM 4.0.