ENGINEERINGNET.BE - Het rapport gaat uit van vier niveaus van volwassenheid met betrekking tot voorspellend onderhoud. Naarmate bedrijven op een hoger niveau komen, neemt de hoeveelheid data toe die wordt gebruikt om fouten te voorspellen.
Niveau vier gaat om het toepassen van de kracht van machine learning technieken om duidelijke patronen in grote hoeveelheden data te identificeren en nieuwe, praktische inzichten te genereren om de betrouwbaarheid van assets te verbeteren. Dit heet 'Predictive Maintenance 4.0' of PdM 4.0.
Het onderzoek laat zien dat twee derde van de respondenten nog steeds op volwassenheidsniveau een of twee zit. Slechts 11% heeft al niveau vier bereikt.
De middelen, competenties en tools die respondenten gebruiken, passen bij hun volwassenheidsniveau: geschoolde technici, standaard software-instrumenten en onderhoudslogboeken spelen een dominante rol in hun huidige voorspellende onderhoudsprocessen.
De onderzochte bedrijven zijn vrij ambitieus om hun niveau in voorspellend onderhoud te verbeteren. Ongeveer een op de drie bedrijven verwacht binnen een periode van vijf jaar PdM 4.0 in een of andere vorm te gebruiken, op voorwaarde dat ze het succesvol kunnen implementeren. Het potentieel van PdM 4.0 wordt algemeen erkend.
Verbetering van de uptime is de belangrijkste reden om PdM 4.0 door te voeren. Andere belangrijke redenen hebben betrekking op kostenreducties, levenslange verlenging voor verouderende assets en het reduceren van veiligheids-, gezondheids-, milieu en kwaliteitsrisico's.
Succesvol implementeren van PdM 4.0 kent zowel technische als organisatorische aspecten. Het rapport geeft een kader voor de stap-voor-stap implementatie van de technische kern van een PdM 4.0-model, op een manier die bijdraagt aan de bedrijfsstrategie.
Bij organisatorische aspecten gaat het om het vergroten van expertise en competenties inzake PdM 4.0 en het bouwen van een digitale cultuur, om zo steeds meer data-driven te worden.
