Zoeken
Menu
​Algoritme voorspelt onderhoud elektromotoren Foto: Shutterstock

Geen dure onderdelen meer vervangen omdat onderhoud te laat heeft plaatsgevonden. Maar ook nooit meer overbodige uren in onderhoud gestoken omdat een elektromotor nog lang niet aan onderhoud toe was. Het is mogelijk met een service van Semiotics Labs. Het Amsterdamse bedrijf voorspelt met behulp van algoritmes wanneer onderhoud aan machines nodig is of wanneer de vervanging van onderdelen geen uitstel meer duldt.

Semiotics Labs doet dat met data van afkomstig van een in eigen beheer ontwikkelde sensor. Met behulp van een wiskundige formule worden die data vervolgens vertaald naar 'gezond gedrag' van de onderdelen of 'ongezond' gedrag.

“Voorspellend onderhoud biedt veel voordelen. Het stelt in bedrijven in staat onderhoud efficiënt te plannen. Ik ben ervan overtuigd dat mede vanwege het tekort aan goed technisch personeel voorspelbaar onderhoud binnen vijf tot tien jaar de norm is,” zegt Simon Jagers van Semiotics Labs. “Het onderhoud is nu nog heel vaak gebaseerd op ervaringen over de gemiddelde levensduur van bepaalde onderdelen. Maar dat betekent dus ook dat er veel vermijdbaar onderhoud is, waarbij onnodig onderdelen worden vervangen en machines gedurende het onderhoud stilstaan.

Energiecentrale Polen

De sensoren van Semiotics Labs worden in combinatie met dataopslag in de cloud, de door het bedrijf ontwikkelde algoritmes en de user interface als abonnement aangeboden aan bedrijven actief in het onderhoud van installaties. Semiotics Labs heeft al de nodige ervaring opgedaan met de dienst bij onder meer een groot energiecentrale in Polen en gaat de dienst nu bij enkele grote bedrijven, waaronder Heineken en Strukton Rail en Engine uitrollen. “We verkopen draaiende assen,” zegt Jagers. “Een prestatiecontract waarbij we tegen de klant zeggen: voor een vast bedrag zorgen wij dat de boel blijft draaien. Als dat niet gebeurt, betalen we een boete.”

Op basis van de gedetailleerde data die de sensoren versturen, kan Semiotics Labs met behulp van het algoritme met grote zekerheid voorspellen wanneer een elektromotor een kritische onderhoudsfase bereikt. Hoe meer elektromotoren uitgerust zijn met sensoren, dus hoe meer data wordt aangeleverd, hoe zekerder de voorspellingen zullen zijn.

Planning onderhoud

Het abonnement stelt onderhoudsbedrijven in staat een vervanging te plannen op het moment dat de productie stil ligt, in het weekend bijvoorbeeld, of tijdens een ander onderhoudswerk. “De klant heeft dus geen downtime meer. We kunnen het falen in de elektromotor ook terugzien in de installatie die daarachter zit. In de aandrijving, in de pompen of branders. En dat kan veel voordeel opleveren.”

Jagers geeft graag het voorbeeld van Boeing. De vliegtuigbouwer had ooit steeds zo'n twee miljoen onderdelen op voorraad. Dat was bijvoorbeeld nodig, zo was de opvatting, omdat onderdelen van het landingsgestel elk jaar vervangen moesten worden. “Boeing kocht simpelweg in voor honderd vliegtuigen voor twaalf maanden. Maar die onderhoudscyclus bleek helemaal niet nodig toen per vliegtuig naar specifieke omstandigheden werd gekeken zoals het aantal vlieguren, landingsacties of de belading. Daardoor hoefde de onderhoudsdivisie maar de helft van het aantal onderdelen op voorraad te houden.” 

Ook interessant