Download het artikel in 
ENGINEERINGNET.BE - De voorbije jaren hebben de leveranciers van alle soorten apparatuur strategische koerswijzigingen doorgevoerd zoals nooit tevoren.
De tijd dat gewoon een product werd verkocht lijkt voorgoed achter de rug. In de compressorwereld bijvoorbeeld is «lucht verkopen» voortaan geen verdachte activiteit meer, maar een businessmodel dat strekt tot aanbeveling. Een model waarin data het verschil kunnen maken.
Jawel, de tijd is aangebroken dat we niet meer lachen met mensen die lucht verkopen. Want wie een compressor koopt, is niet echt geïnteresseerd in dat product op zich. Wanneer wij een compressor kopen, willen we eigenlijk de lucht die dankzij deze compressor wordt samengeperst en onder hoge druk ter beschikking wordt gesteld.
Makers van compressoren zullen dus voortaan niet meer die compressoren verkopen, maar eenvoudigweg lucht. Dit omzetten van het verkoopmodel van producten naar diensten op basis van het product is interessant voor beide partijen: de klanten krijgen wat ze nodig hebben, zonder zich te moeten bekommeren om aankoop, beheer en onderhoud van de hiervoor benodigde apparatuur.
En de leveranciers krijgen hiermee een nieuw verdienmodel op basis van hun toegevoegde waarde op het vlak van dienstverlening en vooral van de beschikbaarheid van hun dienstverlening. Een zeer welgekomen nieuw verdienmodel, want de marges op producten die steeds meer als ‘commodity’ worden beschouwd, slinken zienderogen.
Continue beschikbaarheid
Dit verkoopmodel, gebaseerd op continue beschikbaarheid van het benodigde materiaal (of toch een zo hoog mogelijke beschikbaarheid, meestal ergens in de buurt van 95%), betekent ook dat leveranciers van apparatuur niet langer extra zullen verdienen aan onderhoudsbeurten, aangezien het onderhoud deel uitmaakt van de belofte die je verkoopt: dat de machines (bijna) steeds hun taak zullen uitoefenen.
Fabrikanten doen er dus goed aan om het aantal onderhoudsbeurten tot het minimum te beperken, niet alleen omdat het een kost is die niet afzonderlijk kan worden aangerekend, maar ook omdat elk onderhoud een impact heeft op de totale beschikbaarheid van een toestel. En ze hebben er alle belang bij om pannes te voorkomen in plaats van machines te moeten herstellen terwijl ze onbeschikbaar zijn.
Dat is waar ingebouwde sensoren een grote rol kunnen spelen. Zij peilen voortdurend naar de status van de apparatuur, en sturen een waarschuwing naar de fabrikant wanneer er iets fout dreigt te gaan. Hiervoor moeten deze toestellen natuurlijk wel op een of andere manier op het internet zijn aangesloten. Zo maken ze deel uit van het veelbesproken Internet of Things (IoT): door intelligentie in te bouwen in dingen wordt heel wat inzicht bereikt dat anders gewoonweg verloren zou gaan.
Twee niveaus
Het inzicht verloopt ruwweg op twee niveaus. Ten eerste kunnen maximum- en/of minimumwaarden worden vastgelegd waarvan we weten dat weldra onderhoud of vervanging zal nodig zijn als die waarden worden overschreden. Vergelijkbaar met de lampjes die oplichten wanneer het oliepeil te laag is, maar dan op een dashboard bij de fabrikant in plaats van in het toestel zelf. De fabrikant kan er dan voor zorgen dat tijdig wordt ingegrepen nog voor het toestel onbeschikbaar wordt.
Een tweede manier om de input van sensors te gebruiken, is door analyse van de gegevens achteraf. Zo kan je als fabrikant op zoek naar factoren die steeds voorafgingen aan een panne of andere vorm van onbeschikbaarheid, en op basis daarvan predictieve modellen bouwen die nog beter voorspellen wanneer een toestel het zal begeven.
Wat ook weer een positief effect heeft op de logistiek (bv. spare parts) en planning die geoptimaliseerd kunnen worden. Complexe analytics oefeningen, maar het resultaat is de inspanning waard. Zeker bij fabrikanten met vele toestellen per klant.
Wie hiermee kostbare uren aan downtime bij de klant vermijdt, kan op die manier behoorlijk wat geld uitsparen aan boetes voor het niet behalen van de afgesproken minimum beschikbaarheid. Sommige leveranciers worden ook beloond voor het leveren van een hogere beschikbaarheid dan afgesproken, dat hangt af van het contract. In elk geval leidt het beter voorspellen en dus vermijden van onbeschikbaarheid tot een netto winst aan het einde van de rit. Zo kan een investering in sensoren en bijhorende analytics zich soms sneller terugbetalen dan je zou mogelijk achten.
Last but not least: door sensordata te verzamelen en te analyseren, krijg je ook bijzonder veel waardevolle informatie over de werking van de eigen producten. Die informatie kan leiden tot een beter inzicht in het ideale ontwerp voor een product: wat werkt in de praktijk en wat niet, hoe kan je het design van het product verbeteren om in alle omstandigheden optimaal te functioneren, enz.
Uitdagingen: veel data, weinig experts
Het gebruik van sensoren in de manufacturing sector wordt ook wel eens samengevat onder de noemer IIoT, kort voor: Industrial Internet of Things. Zowat iedereen is het erover eens dat dit een even grote sprong voor de industrie kan worden als e-commerce zowat twintig jaar geleden.
Maar ook iedereen is zich bewust van de enorme uitdagingen die hiermee gepaard gaan. De eerste is misschien ook wel de grootste. Letterlijk in elk geval: het betreft de omvang van de gegevens die door sensoren gegenereerd worden. De cijfers van een aantal early adopters liegen er niet om. Een tweemotorige Boeing 737 produceert maar liefst 333 GB aan data per minuut per motor.
Een vlucht van Los Angeles naar New York levert op die manier ruw geschat 200 TB aan data op. Een IIoT-verbonden booreiland levert dagelijks zo’n 7 à 8 TB per dag op. En in de VS alleen al zijn alle geconnecteerde wagens samen dagelijks goed voor 1 petabyte aan operationele gegevens. Dat is ongeveer 62.500 iPhones aan gegevens.
Gebrek aan geschoold personeel
Een andere 'levensgrote' uitdaging is het gebrek aan geschoold personeel dat dergelijke data kan analyseren. Geen eenvoudige taak: je hebt mensen nodig die zowel de vaak erg complexe business van de organisatie begrijpen als de complexiteit van het vergaren, beheren en exploiteren van data uit zeer uiteenlopende bronnen.
Nochtans is het erg belangrijk om zulke mensen zo snel mogelijk aan boord te halen. Zij gaan immers mee moeten instaan voor het omvormen van de organisatie in een datagedreven organisatie. Aangezien er bijzonder weinig dergelijke profielen beschikbaar zijn, lijkt het voor de meeste organisaties een goed idee om minstens met kant-en-klare pakketten voor analytics aan de slag te gaan, aangezien het zelf bouwen nog zo veel meer tijd en energie van de sowieso al schaarse resources zou vergen.
De uitdagingen zijn enorm, maar de alternatieven zijn even gevaarlijk. Wie niet meegaat in de trend naar een IoT-gedreven industrie, met alle nieuwe bijhorende businessmodellen, dreigt even snel achterhaald te worden als de ondernemingen die eind vorige eeuw weigerden online te gaan. Ik raad u dus stellig aan om tenminste de mogelijkheden nu al te verkennen, voor al uw concurrenten het IoT-gras van voor uw voeten hebben weggemaaid.
(foto's: SAS, BP, Shell)
door Adriaan Van Horenbeek, SAS
Kadertekst
Shell boort analytics aan
Een mooi voorbeeld van waartoe dit kan leiden, is Shell: deze energiegigant maakt al jarenlang gebruik van analytics om de levensduur van de apparatuur te verlengen en de onbeschikbaarheid tot een minimum te beperken.
Door deze ingrepen kan Shell tientallen miljoenen winnen dankzij de hogere productie van olie en gas die hiermee wordt gerealiseerd. Bovendien worden de sensorgegevens die de basis vormen van de analytics, niet alleen ingezet voor tijdige ingrepen, maar ook voor inzichten die helpen bij het bouwen van nieuwe platforms.
Zo maakt Shell momenteel werk van een gloednieuw offshore platform Perdido, dat tot 130.000 vaten olie en gas kan opleveren. Dat uitzonderlijk hoog rendement is mede te danken aan de inzichten die Shell verkreeg door diepgaande analyses van hun sensordata.
Analytics zorgen dus voor een optimalisatie van 'operations en maintenance' van Shell, maar ook voor een verbetering van de processen en installaties van nieuwe sites. En ook bij andere aspecten van de bedrijfsvoering kan analytics een gunstige rol spelen. Denk maar aan het logistieke proces dat moet leiden van de melding (dankzij de sensors) dat een onderhoud nodig is tot het eigenlijke onderhoud.
Ook hier kan analytics een rol spelen om de processen te verbeteren, bijvoorbeeld voor het voorspellen van een tekort aan reserveonderdelen zodat die tijdig kunnen worden besteld. Maar ook het inplannen van de beste routes voor technici kan aan de hand van analytics worden geoptimaliseerd. Overal waar data aan te pas komen, kan analytics een bijdrage leveren.
Natuurlijk is Shell een voorloper in deze trend naar digitalisering en geconnecteerde apparatuur. Maar het laat zich - zelfs zonder analytics - voorspellen dat ook andere industriële spelers snel zullen volgen. Eerst in de VS, en eerst de grote multinationals, maar op termijn zal iedereen deze weg (moeten) inslaan.
