Industrial IoT: wat met de dagelijkse onderhoudspraktijk?

Websites en tijdschriften staan dezer dagen vol van veelbelovende hoera-verhalen over IoT, en ook wel over IIoT het 'Industrial Internet of Things'.

Trefwoorden: #Industrial Internet of Things, #Industrie 4.0, #IoT

Lees verder

Columns

ENGINEERINGNET.BE - Er zijn al heel wat succesverhalen over Maintenance 2.0 en Industrie 4.0 opgetekend. De toekomst ziet er schitterend uit, alles op onze werkvloer wordt smart, collaborative, connected, continuously surveyed, ...

Maar wat kunnen we nu precies wel en niet verwachten voor het dagelijkse onderhoudsmanagement?

Als we even snel naar de enabling technology kijken - de technologie die 'alles' moet mogelijk maken dus - dan komen we uit bij gesofistikeerde sensoren, alomtegenwoordige wireless netwerken, augmented reality, collaborative robots,… Dit alles komt met een ware data tsunami.

We hebben niet langer enkel de ERP- of CMMS-data ter beschikking, maar krijgen vanuit allerlei monitoring systemen (heel veel) data binnen. Die data kan dan gebruikt worden om via slimme beslissingssoftware de juiste - wat zeg ik, de bést mogelijke -beslissing te nemen, al dan niet met menselijke interventie. Dat klinkt als de spreekwoordelijke muziek in de oren, maar zoals altijd is er wat nuancering nodig.

Real-time OEE-sturing
Eén van de grote basisprincipes van IoT is dat we het silodenken elimineren. We gaan niet langer productie optimaliseren, daarnaast onderhoud optimaliseren en daarnaast kwaliteitsproblemen oplossen.

Neen, nu wordt alles geïntegreerd. Kort door de bocht gesteld: real-time OEE-sturing, i.p.v. een achteraf vaststellen van de performantie. Dit alles door communicatie, collaboratie en coördinatie tussen de onderliggende processen.

Makkelijk is dit niet. Hopen data (big data, cognitive IoT) uit de zeer verschillende bronnen dienen samengebracht te worden, wat de nodige hardware- en software-hoogstandjes vereist voor de captatie en opslag van die data. Voor er slimme sturing kan gebeuren op basis van die data, dienen we uiteraard ook de slimme achterliggende algoritmes – al dan niet zelflerend – te ontwikkelen.

Dit vraagt vaak naar een combinatie van net gemonitorde data met historische data. Data exploratie en -visualisatietechnieken, alsook data analytics (denk hierbij bv. data mining en artificial intelligence, maar ook aan real-time dashboards) worden uitermate belangrijk voor het ondersteunen van de ingenieur die deze beslissingsmodellen moet opstellen en voor zijn/haar collega’s die deze modellen moeten gebruiken.

Het ontwikkelen van deze modellen is een uitdaging: ze moeten én accuraat én snel zijn, een combinatie die veelal erg moeilijk ligt. Dit alles vraagt tijd en geld voor de ontwikkeling en implementatie van hard- en software terzake. Er is al heel wat mogelijk, maar er is ook nog heel wat werk.

Het werk is de moeite waard!
Een toekomst lonkt met een zeg maar iteratieve onderhoudsplanning, waarbij er een planning gemaakt wordt, maar waarbij die planning ook heel snel en flexibel kan aangepast worden aan de noden.

Onderhoudsbeslissingen worden dan dynamisch, want getriggerd door actuele productievolumes, veranderingen in productspecificaties, designaanpassingen, kwaliteitsproblemen,… Deze mogelijkheid tot snelheid van verandering zorgt voor betere productiviteit en dito kostencontrole en dus een steviger concurrentiepositie die kan inspelen op elke, oude en nieuwe, marktopportuniteit.

Veel meer dan vroeger zal er continu worden afgestemd en in real-time samengewerkt tussen productie, onderhoud en kwaliteit. Dat dit ook doorlinkt naar andere bedrijfsfuncties is een logisch uitvloeisel, denk maar aan materiaal- en wisselstukkenbeheer en human resources. Bovendien dient alles gedragen te worden door een doordachte bedrijfsstrategie.

Dat dit niet eenvoudig is, is duidelijk. Onderhoud als bewust deel van de bedrijfsstrategie, daar zijn we de laatste decennia al aardig in geslaagd. Maar wat met dingen als bv. remote servicing – waar firma’s als bv. GE al heel ver in staan – en die de deur openen naar nieuwe bedrijfsmodellen, de zogenaamde B4B, business-for-business?

En wat met human resources: er is de Generation Z, maar er zijn ook de oudere medewerkers? En wat met dat wisselstukkenbeheer als er 3D-printing steeds meer kan? En welke managementtechnieken kunnen helpen om alles in goede banen te leiden? Moeilijke vragen, die voer voor reflectie in een volgende column kunnen vormen.

Geef toe, een fascinerende wereld waarin al veel kan en nog veel meer zal/zou moeten kunnen; of zoals Eleanor Roosevelt (1884-1962) het stelde: «The future belongs to those who believe in the beauty of their dreams».


Liliane Pintelon is professor aan de KU Leuven. Ze is auteur van o.a. het boek 'Asset management: the maintenance perspective'.