In de verpakkingslijn van de bottelarij van Bavaria aan de rand van Lieshout komen blikjes, verpakkingsfolie en karton razendsnel bijeen. Verschillende machines brengen elk uur 75.000 blikjes van wisselend formaat samen in een verpakking die voldoet aan de uiteenlopende wensen van de klant: op kartonnen trays van 24 tot 30 stuks, of bijvoorbeeld in kleinere foliepacks of kleine kartonverpakking.

Hans van Vijfeijken, Global Manager Engineering en Maintenance is verantwoordelijk voor het opzetten van een gestandaardiseerd onderhoudsproces van Bavaria wereldwijd. Hij vat zijn opdracht simpel samen: “Garandeer de betrouwbaarheid van machines en houd tegelijkertijd de kosten in de hand.”

Van Vijfeijken is ervan overtuigd dat Predictive Maintenance, het voorspellen van noodzakelijk onderhoud, hem zal helpen deze opdracht waar te maken. In augustus dit jaar is hij een pilotproject gestart met KIM Plus Delta, specialist op het gebied van asset data management. Het ultieme doel: precies de juiste onderdelen van een verpakkingsmachine in onderhoud nemen, vlak voor het moment dat deze in storing gaat. Van Vijfeijken: “We zijn nog niet zo ver dat we elke storing kunnen voorspellen op basis van afwijkingen in onze machines, maar dat is wel de kant die we op willen.”

Handenvol geld

Een bedrijf dat pas onderhoud pleegt als de machines uitvallen werkt storingsafhankelijk. Dat klinkt niet aantrekkelijk, maar als de storing geen dramatische gevolgen heeft, kan het een efficiënte optie zijn. Omdat een stilliggende productielijn meestal handenvol geld kost vervangen bedrijven onderdelen in een motor doorgaans ruim op tijd, bijvoorbeeld als de motor 10.000 uren heeft gedraaid. De motor doet het nog maar wordt vervangen om onverwachte storingen en productieverlies te voorkomen. Met deze vorm van preventief onderhoud kiezen onderhoudsmanagers het zekere voor het onzekere, maar die zekerheid kost geld.

Sensoren

Predictive Maintenance-sensoren-bavariaMet de groeiende hoeveelheid data over het functioneren van machines is Predictive Maintenance een reële mogelijkheid voor bedrijven die de juiste kennis in huis halen. Neem de servomotoren in de verpakkingsmachines van Bavaria. Sensoren bewaken real time de temperatuur, de trillingen van de motorassen en zelfs de hoeveelheid afgesleten metaalschilfertjes in de smeerolie worden bijgehouden.

Op basis van de door de leverancier aangeleverde productspecificaties worden de bandbreedtes gedefinieerd waarbinnen de machine mag draaien. Data scientist Tom Garrelfs van KIM Plus Delta maakt van de real time data een digitale handtekening van de machine om afwijkingen binnen deze bandbreedtes te monitoren. Kortom we hebben het hier over de bekende methode “Condition Based Maintenance.”

Predictive Maintenance

predictive-maintenance-bavariaPredictive Maintenance gaat verder. Hierbij kijken onderhoudsspecialisten niet alleen naar de conditie van bijvoorbeeld een lager in een servomotor. Ze beschouwen deze lager als een afhankelijke variabele in een groter geheel. Wanneer er meerdere waarden afhankelijk van elkaar worden gemeten dan noemen we dit area analyse. Als bijvoorbeeld alleen de motoren binnen een unit gemeten worden dan noemen we dit equipment analyse. Een gedegen Rout Cause Analysis aan het begin van het project bepaalt wat en waar gemeten wordt. Cruciaal hierin is de gekozen meettechniek.

Hoeveel rek zit er op de transportkettingen? Hoe varieert het verbruik in de spuitnozzles die hoekpunten van de kartonnen trays lijmen? En vooral: waar en wanneer traden storingen op? Dit zijn voorbeelden van relevante data voor Bavaria. De analyse heeft geleid tot het plaatsen van 23 extra sensoren in de verpakkingsmachine. Door te kijken naar de samenhang van alle data die deze sensoren genereren, kunnen onderhoudsmanagers gaan voorspellen waar de problemen in een installatie op termijn zullen optreden.

In het onderhoud van verpakkingsmachines gebruikt Bavaria nu de onderhouds-documentatie van de leverancier, KHS uit Dortmund en de eigen historische kennis. Deze documentatie geeft aan wanneer er onderhoud gedaan moet worden om te voorkomen dat een onderdeel uiteindelijk stuk gaat. Wekelijks, maandelijks of eens per halfjaar lopen onderhoudsmonteurs met controlelijsten de machines langs. De belofte van Predictive Maintenance is dat aan deze werkwijze straks een einde komt. Van Vijfeijken: “Nu ben je eindeloos met checklijsten in de weer. Straks vertelt de machine jou zelf welk onderhoud nodig is en wanneer.”

Voorspellen

Doel van Predictive Maintenance is om op onderhoudskosten te besparen, zonder dat het productieproces in gevaar komt.
In bovengenoemd voorbeeld lukt dat als de onderhoudsmanager de exacte staat van de motor weet, maar ook inzicht heeft in de gevraagde productiecapaciteit en op basis hiervan kan voorspellen hoe lang het nog zal duren voordat de motor een kritische grens bereikt.

Zo’n analyse begint met het verzamelen van data, zeker ook rond storingen. Van Vijfeijken: “Je kunt een storing gaan voorspellen, omdat je hebt gezien dat de temperatuur van een servomotor buiten een bepaalde bandbreedte komt of omdat de trillingen buiten een bereik vallen.” Misschien ziet een monteur een afwijking in het lijmverbruik in de spuitnozzles in de periode voordat een verstopping optreedt. Misschien duidt een tekort in de afvulling van blikjes erop dat de vulventielen aan vervanging toe zijn, of juist niet. Nu haalt Bavaria de vulmachines jaarlijks uit elkaar.

Het slijtgedrag voorspelt toekomstig risico

Modelleren

CRISP-DM modelVoor de aanpak van het project bij Bavaria introduceerde KIM Plus Delta de CRISP-DM methode. CRISP-DM staat voor Cross Industry Standard Process for Data Mining. Een data mining proces model waarin de meest gangbare benaderingen voor data mining worden omschreven. Met dit model kan het optimale moment van onderhoud voorspeld worden. Een belangrijke stap binnen dit proces is het modelleren van data. Deze statistische methode voorspelt hoe variabelen zich zullen gedragen in de toekomst, op basis van het gedrag in het verleden.

Successen

Predictive Maintenance heeft reeds successen behaald. Als voorbeeld, waarbij meetbare resultaten zijn geboekt, noemt Marco Wessels van KIM Plus Delta een drukkerij waarbij ontdekt werd dat de lagers van de rollen niet stuk gingen aan de kant waar de assen de meeste druk vertoonden, maar juist aan de andere kant. Met het meten van de positie van het papier op de rol kan nu in een veel vroeger stadium voorspeld worden welke lagers als eerste stuk gaan dan wanneer de metingen bij de lagers zelf worden verricht. Een eenvoudig maar sprekend voorbeeld waaruit het belang van de juiste meting duidelijk wordt. Niet de trilling of temperatuur van de lagers geven de eerste indicatie maar het meten van de papierbaan voorspelt als eerste de storing.

Schets rollen met afwijkende papierbaan

In Predictive Maintenance moeten data-analisten en onderhoudsspecialisten samenwerken. Bij Bavaria weten onderhoudsspecialisten hoe het foliegebruik het snijgedrag van de messen beïnvloedt en hoe de spuitnozzle van de lijm langzaam verstopt raakt. “Voor een betrouwbaar beeld zal je altijd de data en conclusies moeten vergelijken met wat je ervaren mensen met eigen ogen zien,” zegt Van Vijfeijken.

Toch brengt automatisering een rijkdom aan informatie waar het menselijk waarnemingsvermogen niet tegenop kan. “Als mens zie je verbanden over het hoofd,” zegt Van Vijfeijken. “Die verbanden komen boven water als je alle gegevens van een proces samenbrengt in een grote emmer en op zoek gaat naar de kruisverbanden. Dat is de kern van onze pilot met KIM Plus Delta.”

Project details
  • 25 november 2016Date: