Geen voorspellend onderhoud zonder basis op orde

Voorspellend onderhoud rukt op, maar heeft zich nog niet bewezen. Het gaat uit van een benadering waarbij er vooraf wordt nagedacht over potentiële storingen en problemen in plaats van te reageren op storingen nadat ze zich hebben voorgedaan.

Het idee achter voorspellend onderhoud is dat machines en systemen, met behulp van verschillende sensoren, een schat aan gegevens genereren over hun prestaties en conditie. Deze sensoren kunnen variëren van temperatuur- en trilling meters, tot ultrasone en optische meetapparatuur, die allemaal worden gebruikt om belangrijke parameters te meten en te bewaken. Door deze gegevens te analyseren en te vergelijken met historische gegevens en patronen, worden potentieel gevaarlijke trends en afwijkingen geïdentificeerd.

Het doel van voorspellend onderhoud is om storingen te voorkomen en de prestaties van objecten te optimaliseren. Tot zover de theorie.

Want, voorspellend onderhoud is alleen mogelijk als je basis op orde is.

Voordat je als organisatie voorspellend onderhoud gaat implementeren, geven we drie redenen waarom het van belang is om de basis op orde te hebben:

1.       Als de basis niet op orde is, is eigenlijk onbekend of je wel het goede onderhoud uitvoert. Je kunt wel gaan kijken of je installatie gaat falen, maar als een reguliere onderhoudsbeurt meer of ergens anders de storing kan voorkomen, is dat vanzelfsprekend nog veel mooier.
2.       Een goede datastroom over onderhoud is essentieel. Meten is een optie. Echter, als er allerlei andere factoren veranderen in het onderhoudsproces of in de productieketen, dan is het meten zonder dat je verandering in data terug kunt herleiden.
3.       Zonder een solide terugkoppeling vanuit operatie en het veld heb je geen goed beeld wat er fout gaat. Data is alleen zinvol als je begrijpt welke objecten of componenten belangrijk zijn en wat er precies gemeten moet worden.

Ook bij het verbeteren van de kwaliteit geldt de 80/20 regel. De basis op orde brengen, levert 80% verbetering op. Het voorspellend onderhoud moet je zien als de laatste 20%.

Laten we de voordelen van voorspellend onderhoud wat beter bekijken:

Voorspellend onderhoud leidt tot kostenbesparingen doordat er minder ongeplande werkuren nodig zijn. Door meer onderhoud te doen voordat er iets kapotgaat, wordt de efficiëntie verhoogd en hoeven er minder onnodige reizen en handelingen plaats te vinden. Gepland onderhoud is over het algemeen goedkoper dan ad-hoc onderhoud, omdat het beter voorbereid kan worden en er minder onverwachte kosten zijn, zoals materiaal- en personeelskosten.

Voorspellend onderhoud heeft een positief effect op de betrouwbaarheid (de installatie doet het op het goede moment) en beschikbaarheid (de installatie doet het een percentage van de tijd) van objecten. Door potentiële storingen vroegtijdig te identificeren en te verhelpen, kan de prestatie van objecten worden geoptimaliseerd. Hierbij is vooral belangrijk dat het moment van falen vroegtijdig zichtbaar wordt en ingrijpen daardoor mogelijk wordt voor het falen.

Voorspellend onderhoud kan helpen om risico’s te vermijden, zoals politieke risico’s, veiligheidsrisico’s en milieuschade. Door storingen aan de voorkant te voorkomen, worden potentiële gevolgen vermeden. Een monteur met een goede voorbereiding op pad sturen en met onderbouwde gegevens wat er mis kan zijn, zorgt voor een hogere veiligheid en minder fouten. Hierbij geldt natuurlijk wel dat er volledig inzicht moet zijn in de configuratie en de bijbehorende risico’s.

Toch moeten we ook kritisch blijven op het exponentiële gebruik van sensoren en de daaruit komende data. Er is een ethische kwestie die niet over het hoofd mag worden gezien. Het verzamelen van enorme hoeveelheden gegevens over machines en systemen roept vragen op over privacy en beveiliging. Wie heeft er toegang tot deze gegevens? Hoe worden ze gebruikt en opgeslagen? En hoe garanderen we dat deze gegevens niet in verkeerde handen vallen?

Los van sensoren is er nog een belangrijk element wat van data informatie maakt. Namelijk de mens! De mens interpreteert deze gegevens en geeft er betekenis aan. Het is een illusie om te denken dat sensoren op zichzelf alles oplossen. Het is het menselijk denken, de expertise en de besluitvorming die bepalen hoe effectief voorspellend onderhoud echt kan zijn.

Gedegen asset management vereist een solide basis, menselijke expertise en een verantwoorde aanpak. Laten we kritisch blijven evalueren, vragen stellen en ervoor zorgen dat we de juiste afweging maken tussen de voordelen en nadelen van deze technologische ontwikkeling. Alleen dan kunnen we een weloverwogen beslissing nemen over de rol die voorspellend onderhoud kan spelen in onze toekomst.

Kortom: Voorspellend onderhoud is voordelig voor onderhoudsorganisaties. Het verbetert de prestaties van assets, beperkt risico’s en zorgt voor kostenbesparingen. Maar voordat organisaties hiervan profiteren, is het essentieel dat ze eerst de basis op orde hebben. Dit betekent het opzetten van een goede structuur voor assetmanagement, inzicht krijgen in de assets en het optimaliseren van onderhoudsprocessen. Deze voorbereiding legt de basis voor een effectieve implementatie van voorspellend onderhoud!