ENGINEERINGNET.BE - Het gaat om prognostisch onderhoud, waarbij zware wiskundige modellering ingezet wordt.
Er zijn inspanningen om de scheduling van maintenance jobs te koppelen aan human factor engineering met aspecten als vermoeidheid en stress. En flink wat aandacht voor risico-analyse.
Misschien is dit momenteel zelfs wel de voornaamste topic. Ondanks het bestaan van standaarden zoals de ISO 31000 bijvoorbeeld lijkt er toch nog wel nood aan heel wat onderzoek.
Iedereen kent RCA (root cause analyse), maar hoe doe je dat op een verantwoorde - lees objectieve, fact-based - manier? Hoeveel data heb je nodig en hoe pak je zo’n analyse aan?
Voor het vastleggen van een onderhoudsstrategie is het nodig dat je de business context kent, maar ook dat je een degelijke risico-analyse kunt doen.
Een FMEA (failure mode effect analysis) is hier wel een verantwoorde keuze, maar hoe doe je dat best zodat je er betrouwbare en nuttige informatie uithaalt.
Niet alleen bij de traditionele industriële installaties bestaat de nood aan goede risico-analyses, maar ook in andere werkomgevingen is deze nood duidelijk aanwezig, zo bijvoorbeeld in innovatieve werkplaatsen die gedeeld worden door mens en robot of in de zorgsector.
Speciaal in de zorgsector is het feit dat je niet alleen aan professionals zoals artsen en verpleegkundigen moet denken die toestellen en machines bedienen, maar ook aan de thuisomgeving waar je te maken hebt met zwakke gebruikers.
De gebruiker in de thuiszorg is vaak fysiek en/of cognitief beperkt en heeft weinig ervaring met ingewikkelde toestellen. Dit geeft een extra dimensie aan de risico-analyse.
Genoeg over eigen onderzoek - ik kan nog bladzijden lang doorgaan, maar daar zit u in deze column allicht niet op te wachten.
Als ik rond mij kijk, dan denk ik dat het leeuwendeel van het onderzoek uitgaat naar prognostisch onderhoud en alle modelleringsuitdagingen die dit meebrengt.
Wat ik nog weinig zie, maar waar wel veel potentieel in zit, is big (onderhouds)data. Er is ontzettend veel onderzoek aangaande big data, maar erg weinig daarvan gebeurt in een onderhoudsspecifieke setting.
En waar is 'men' - de 'men' in de praktijk dan - momenteel erg in geïnteresseerd? Persoonlijk heb ik de indruk, dat naast het koppelen van onderhoudsstrategie aan bedrijfsobjectieven en de onderhoudsoptimalisatie (afweging correctief, preventief, predictief of prognostisch) er nog steeds geworsteld worden met outsourcing.
Ik besef dat dit slechts mijn mening is en om de vraagstellers wat beter van dienst te zijn, heb ik mij even verdiept in de recentste versies van 'Things to think about' op reliabilityweb.com.
Wat daarin opvalt is in de eerste plaats heel wat aandacht voor de maintenance technieker: appreciatie, training, veiligheid, kennisoverdracht, … kortom aandacht voor wat valt onder de noemer human capital.
Er wordt ook steeds meer gefocust op gebruik van data, wat we evidence-based maintenance zouden kunnen noemen. Onderhoudsbeslissingen dienen best genomen te worden op basis van cijfers en niet op basis van indrukken of vermoedens.
Qua professionele managementondersteuning lijkt een cherry-picking aan de orde: niet het blind volgen van RCM, TPM, Lean Maintenance of een ander concept maar het verstandig overwegen welke tools uit deze concepten het nuttigst zijn voor de specifieke context.
Gaan voor 'the best of the best' dus, waarbij best voor elke organisatie iets anders kan betekenen, maar de grote lijnen toch efficiëntie en effectiviteit zijn.
Bovendien worden frameworks als ISO55000 aanbevolen voor het professionaliseren van de onderhoudsorganisatie, maar uiteraard zijn het geen wondermiddelen.
Een goede raad van Jack Welsch (Amerikaans business man, °1935) om deze column af te sluiten: 'Management is all about managing in the short term, while developing the plans for the long term'.
Inderdaad, 'de korte termijn is belangrijk, maar verwaarloos de lange termijn strategie niet'.
Liliane Pintelon is professor aan de KU Leuven. Ze is auteur van o.a. het boek 'Maintenance Decision Making'.
