Zet voorspellend onderhoud op de agenda!

12-12-2020

Veel productiebedrijven maken nog geen gebruik van de bestaande mogelijkheden om voorspellend onderhoud te implementeren. De plannen en mogelijkheden zijn er, er is commitment, maar het komt simpelweg niet van de grond. PwC en Mainnovation bestudeerden 280 bedrijven in Nederland, Duitsland en België waaruit blijkt dat slechts 11% van de bestaande digitale technologieën optimaal worden benut om de ‘toekomstige’ conditie van de machine te voorspellen.

Machinedata worden niet gebruikt

Met voorspellend onderhoud kunnen bedrijven de beschikbaarheid van hun machines verhogen en machine stilstand verminderen. Sensoren, gekoppeld aan machines, leveren grote hoeveelheden data die iets zeggen over de conditie van de machine. Hierdoor kunnen storingen worden gereduceerd en kunnen onderhoudskosten aan installaties worden voorkomen. Vaak wordt echter pas achteraf naar deze data gekeken om te zien wat er is gebeurd. Maar dan is het dus al te laat. Met voorspellend onderhoud (ofwel: predictive maintenance) worden deze data geïdentificeerd en real-time geanalyseerd. Hierdoor worden problemen voorkomen.

“Zodoende blijft men achter de feiten aanlopen”

Merendeel van bedrijven op laag niveau

Slechts 11% van de onderzochte bedrijven blijkt gebruik te maken van de hedendaagse technieken in de zogenoemde Industrie 4.0. Maar liefst tweederde van de bedrijven scoort een onvoldoende (in het onderzoek benoemd als volwassenheidsniveau 1 en 2). Deze bedrijven maken slechts gebruik van de traditionele middelen zoals onderhoudsmonteurs en standaard software. Zij maken nog niet of nauwelijks gebruik van betrouwbaarheidsingenieurs, data wetenschappers, integrale softwarepakketten en andere externe databronnen. Zodoende vindt er geen voorspellend onderhoud plaats en blijft men achter de feiten aanlopen.

Voorspellend onderhoud op agenda

Bij de meeste bedrijven staat het gebruik van voorspellend onderhoud echter wel op de agenda. Bedrijven verwachten binnen een periode van 3 á 5 jaar een vorm van voorspellend onderhoud te gebruiken. Eén op de drie respondenten is vrij ambitieus om het volwassenheidsniveau te verbeteren. De belangrijkste reden hiervoor is om zodoende de machinestoringen te verminderen en daarmee de machinebeschikbaarheid te verbeteren. Verder zijn het reduceren van kosten en het verminderen van veiligheids-, gezondheids-, milieu- en kwaliteitsrisico’s belangrijke factoren om te verbeteren.

Conclusie: beschikbare data is kritische succesfactor

Vele bedrijven hebben dus inderdaad in de planning gebruik te maken van voorspellend onderhoud maar hikken tegen een aantal factoren aan waardoor de implementatie ervan steeds naar achteren wordt gezet. De beschikbaarheid van data is daarvan de belangrijkste, gevolgd door technologie, budget en cultuur.