Digitaal Platform: Fieldlab CAMPIONE
Thema(s): Condition Based Maintenance, Digitalisering, Predictive maintenanceTechnologie term(en): Big data, CBM, Condition Based Maintenance
De bestaande FMECA/RCM methodiek is uitgebreid met een extra stap voor het vaststellen van de informatiebehoefte. Gebleken is dat dit een uitgebreid, complex proces is dat zeker nieuwe inzichten oplevert, maar aan de andere kant geen 100% zekerheid geeft.
Technologische Innovatie
Mainnovation wil bijdragen aan de doelstelling van CAMPIONE Zero Surprises. Dit betekent vanuit business perspectief 100% betrouwbaar opereren. Dit kan doormiddel van verschillende vormen van condition based maintenance waarvan de Big Data (Smart) aanpak op dit moment veelbelovend is, maar ook gezien wordt als een hype. Deze aanpak roept vragen op. Is big data zelf 100% betrouwbaar (wanneer wel en wanneer niet) en tegen welke prijs. Een proof of concept of een succesverhaal betekend nog niet dat het een levensvatbaar product is. Te kostbaar of niet betrouwbaar genoeg. Daarnaast wordt veelal voor een inductieve analyse aanpak gekozen. Verzamel zo veel mogelijk data en probeer aan de hand hiervan machine falen te ontdekken. Deze aanpak is echter niet doelgericht en ziet sommige faalvormen over het hoofd.
Om snel en effectief te innoveren moet gericht bepaald worden waar en waar niet de toegevoegde waarde van een smart aanpak zit ten opzichte van bestaande condition based monitoring vormen. Mainnovation wilt aantoonbaar maken waar, wanneer en welke vormen van condition monitoring toegevoegde waarde leveren. Het aantoonbaar maken laat zien waar de winst te behalen is en versneld de ontwikkeling en of verbetering van smart condition monitoring oplossingen voor de service provider. En maakt voor de asset owner inzichtelijk met welke technieken en tegen welke prijs Zero Surprises tot stand komt. Mainnovation doet tijdens dit proces nieuwe kennis en ervaring op en ontwikkeld een methodiek waarmee advies uitgebracht kan worden naar haar bestaande en nieuwe klanten.
Activiteiten:
Voor het realiseren van deze doelstelling werkt Mainnovation aan de hand van de FMEA/RCM methodiek. Door een extra analyse stap te verwerken in deze methodiek wordt specifiek bekeken wat de informatiebehoefte is voor condition monitoring. Waaraan detecteer je faalgedrag? Deze analyse bepaald welke proces en equipment data minimaal beschikbaar gemaakt zal moeten worden voor het monitoren van deze faalvormen. Tegen elk van deze faalvormen kan vervolgens de best presterende conditie monitoring vorm geselecteerd of ontwikkeld worden. De activiteiten bestaan uit:
• Het deductief bepalen van de faalvormen een asset.
• Het bepalen van de informatie behoefte voor condition monitoring.
• Het opvolgen van resultaten van condition monitoring vormen en daarbij het top down bewaken van toegevoegde waarde van de verschillende condition based maintenance vormen.
Gebleken is dat de voorgestelde deductieve methode wel van waarde is voor het bepalen van de benodigde conditie informatie per faalvorm, maar de benodigde investeringen in tijd en geld zijn door de gekozen deductieve methodiek aanzienlijk en dienen per technische object uitgevoerd te worden. Bedrijven dienen eerst te investeren in klassieke FMECA/RCM-studies om van daaruit met relatief beperkte middelen deze deductieve methodiek te kunnen toepassen. Hierdoor ontstaat een negatieve business case voor deze innovatie.
Aanbieder
Mainnovation BV
Consultancybureau gespecialiseerd in waardecreatie binnen onderhoud en asset management
Business case
De business case voor dit initiatief is negatief. De initiële hoeveelheid consultancytijd die aan een gemiddelde rationalisatie-analyse voor toepassen van condition monitoring dient te worden gespendeerd is te hoog. Deze kosten worden in de praktijk door asset owners niet acceptabel gevonden in relatie tot de betrouwbaarheid van de uitkomsten.
Andere methodieken die niet zijn gebaseerd op FMECA/RCM kunnen mogelijk een betere business case opleveren, maar dat is geen onderdeel van dit initiatief. Hierbij dient mogelijk niet te worden uitgegaan van een deductieve methode, maar van bewezen toegevoegde waarde vanuit uitgevoerde big data projecten en toepassingen.