Smart maintenance op weg naar volwassenheid

Het zijn veel moderne termen die we kunnen samenvatten onder het containerbegrip digitalisering. Advanced analytics, robotisering, big data, the internet of things, predictive maintenance, virtual en augmented reality overspoelen momenteel de industrie. We staan nog maar aan het begin. Tijdens Maintenance Next in Rotterdam Ahoy leidt Industrielinqs een talkshow over de stand van zaken. Waar gaan we naar toe?

Vijf jaar geleden startte directeur Mark Denys, directeur kwaliteit bij Tata Steel Europe, samen met een collega in IJmuiden een pilotproject op het gebied van data-analyse, ofwel advanced analytics. Inmiddels heeft het programma vele miljoenen euro’s aan met name procesverbeteringen opgeleverd. En er lopen in de staalfabrieken meer dan tweehonderd gespecialiseerde data-analisten rond. Denys onlangs in Industrielinqs Magazine: ‘We zijn op het moment hard op weg naar een volledige digital twin van Tata Steel in IJmuiden.’

Mark Denys (Tata Steel): ‘Inmiddels kunnen we in een minuut alle eigenschappen van al onze producten analyseren.’

Tata Steel produceert in IJmuiden een grote variatie van staalproducten verschillende eigenschappen. Denk aan combinaties van lasbaarheid en buigzaamheid, alles wat de klant maar nodig heeft. ‘Om een goede analyse te maken van één eigenschap van een product, was in het verleden zes weken nodig’, vertelt Denys. ‘In totaal kostte het zes maanden om een verbetering van een product door te voeren. Meteen met de komst van advanced analytics kon die analyse in een paar minuten. En niet alleen voor één eigenschap, maar voor alle eigenschappen tegelijk. Inmiddels kunnen we in een minuut alle eigenschappen van al onze producten analyseren.’

Fieldlab

Sinds een jaar is er ook meer focus op smart maintenance gekomen. ‘Niet eerder helaas, hoewel juist op het vlak van slim onderhoud wel veel is gepubliceerd. Bij Tata Steel zagen we echter veel aantrekkelijkere businesscases op andere vlakken.’ Dat heeft volgens Denys te maken met schaalbaarheid. Om één pomp, klep of afsluiter te voorzien van een eigen intelligentie heeft weinig impact op de schaal van de staalindustrie. ‘Voor Tata Steel moeten we op zoek naar een algemener platform van algoritmes waarmee we in een keer een grote klap kunnen maken. Minder op het niveau van installatie-onderdelen, maar meer gericht op hele fabrieken.’

Meer focus op onderhoud valt ook samen met de start van het Fieldlab Smart Maintenance in IJmuiden, een initiatief van Techport, waar Denys voorzitter van is. Het fieldlab, dat nu anderhalf jaar loopt, heeft tot doel “om het onderhoud honderd procent voorspelbaar te maken en het productieproces zo in te richten dat er tegen zo laag mogelijke kosten en zo min mogelijk energieverbruik zo veel als mogelijk wordt geproduceerd.”

Met meer dan tachtig sensoren op elf assets is het Nickel van de Mortel (links), Sebastiaan Guzik en hun team bij Sitech gelukt om het falen van assets in de fabriek voorspellen. Foto: Sitech Services

Nog onvolwassen

In de chemische industrie zijn er juist wel meer mogelijkheid, omdat er veel soortgelijke pompen, kleppen en afsluiters zijn. Op Chemelot bijvoorbeeld, waar Sitech al langer bezig is met het verzamelen van gegevens over de staat van installaties. Een interessant recent project voerde de dienstverlener uit in de kunstmestfabriek van OCI Nitrogen.

Met meer dan tachtig sensoren op elf assets is het Sebastiaan Guzik, Nickel van de Mortel en hun team bij Sitech gelukt om het falen van assets in de fabriek voorspellen. ‘Voldoende sensordata en een gedegen data-analyse zijn daarbij nodig’, stelde Van de Mortel eerder dit jaar . ‘We zijn tegen enkele problemen aangelopen bij het verkrijgen van de sensoren. Het viel ons op dat de hele Industrial IoT-markt nog best wel onvolwassen is. Veel sensoren voldeden bijvoorbeeld niet aan de vraag van de klant of aan de specificaties van de fabrikant. Het viel met name op dat er standaardsensoren beschikbaar waren. Het bleek moeilijker te zijn om sensoren met een ietwat afwijkend karakter te krijgen die nodig waren voor de unieke machines. Uiteindelijk zijn enkele sensoren gevonden die goed genoeg functioneerden. Maar het ging niet zonder slag of stoot. Sommige fabrikanten hadden problemen met de levertijden. Anderen hadden wel sensoren, maar nog geen certificaat om op het KPN-netwerk te mogen zenden. Door de onvolwassenheid in de markt liepen wij vertraging op.’

Productiestilstand

Toch is het Sitech gelukt om alles aan de praat te krijgen. ‘Nu is het allemaal voldoende betrouwbaar’, zegt Van de Mortel. ‘In de modellen die we eerst hadden gemaakt hadden we de data van elke sensor nodig. Achteraf gezien realiseerden we ons dat dat niet per se nodig was voor het voorspellend vermogen. Het bleek ook voldoende te zijn om een paar sensoren niet mee te nemen als deze tijdelijk offline zijn.’

Succes bleef niet uit. ‘In 3,5 maand hebben we vier succescases gehad waarbij we in totaal zestien uur aan productie­stilstand hebben bespaard. Twee daarvan zagen we na afloop bij de interpretatie van de data. Dat kwam omdat nog niet alles was geoptimaliseerd. Maar de potentie is er wel. De twee anderen zagen we wel op tijd. We konden de plant bijvoorbeeld op tijd waarschuwen dat een transportband uit het midden begon te lopen. In het verleden liep de transportband wel eens te ver uit het midden waardoor hij de constructie raakte. Dan valt de hele band stil en heb je productieverlies.’