Defecten voorspellen aan de hand van data-analyse

Door data-analyse toe te passen kan een producent van versnellingsbakken nu eerder zien wanneer machineonderdelen moeten worden vervangen.

Wat was het probleem?

Een producent van versnellingsbakken voor auto's levert aan veel grote merken. De onderdelen van de machines die de versnellingsbakken maken, slijten geleidelijk en dat zorgt voor het verlies van kwaliteit. Als een machine die bijvoorbeeld tandwielen stanst, langzaam slijt, zal ze steeds minder nauwkeurig stansen. Als de machine uiteindelijk defect raakt, moet ze meteen gerepareerd worden. Daarbij moet ook het laatste deel van de geproduceerde tandwielen worden vernietigd worden omdat het mogelijk niet aan de kwaliteitseisen voldoet. Na de uitval van een machine is een extra kwaliteitscontrole altijd nodig.

Wat was de oplossing?

Van deze machines kunnen we allerlei sensordata verzamelen, over bijvoorbeeld temperatuur en trillingsniveau. De data-analisten van PwC analyseerden deze data in samenhang met de logboeken van machinereparaties. Zo kwamen ze tot accurate voorspellingen over wanneer specifieke onderdelen defect raken. Met deze voorspellingen kan de producent voortaan onderdelen preventief vervangen.

Wat was het resultaat?

De machinereparaties zijn nu beter in te plannen, omdat defecten niet onverwacht plaatsvinden. Daarbij hoeft het bedrijf geen productie meer te vernietingen na een defect, omdat de kwaliteit gegarandeerd kan blijven. Hierdoor daalden ook de kosten van kwaliteitscontroles. Met een vergelijkbare aanpak behaalde PwC een besparing van tientallen miljoenen bij een grote luchtvaartmaatschappij rondom het onderhoud van vliegtuigen. Hier werden vertragings- en annuleringskosten voorkomen, doordat uitval van onderdelen beter voorspelbaar werd.

Contact

Gerwin Naber

Gerwin Naber

Partner, PwC Netherlands

Tel: +31 (0)65 150 75 75

Volg ons