Ongeplande onderhoudsactiviteiten zijn een van de grootste kostenposten binnen de productie. Te laat onderhoud kan leiden tot schade aan de producten of productiecomponenten, of zelfs tot stilstand van de machines. Om dit te voorkomen, ontwikkelen fabrikanten strategieën voor tijdige vervanging van componenten of onderhoudswerkzaamheden aan (cruciale) onderdelen binnen hun productieomgeving.
Eén van de manieren om ongeplande onderhoudswerkzaamheden te voorkomen, is het gebruik van sensorgegevens voor het continu bewaken van de status van de machine. Door hier tijdig op foutmeldingen of storingen te anticiperen, kan de stilstandtijd worden verminderd en kan onderhoud worden geoptimaliseerd en op het meest geschikte moment worden gepland. Echter, voor sommige kritieke onderdelen zijn externe sensoren nodig om de “gezondheidsstatus” van de machine en mogelijk benodigd onderhoud te bewaken. Dit is de kern van het VITALS-project, dat staat voor Visualisation of Information Trends and AnaLytics of data for production Systems. Om deze trends en analyses in de productiedata te kunnen visualiseren, wordt gebruikgemaakt van externe sensoren en geavanceerde analysetools. Deze data wordt gebruikt voor besluitvorming en de installatie werkt als een op zichzelf staand monitoringsysteem. Dit AMP-gesubsidieerde project dient als een eerste stap naar een laagdrempelig voorspellend onderhoudsmodel voor de betrokken bedrijven.
Het VITALS-consortium bestaat uit Watson Marlow Bredel uit Delden, CM Data uit Oldenzaal en High Tech Maintenance uit Hengelo, onder leiding van het FIP-AM@UT. De kernactiviteit van Watson Marlow Bredel is het vervaardigen van slangenpompen voor dikkere vloeistoffen als beton en olie. Deze worden voornamelijk toegepast in de mijnbouw, de bouw en de voedselproductie. Bij de productie van de behuizing van de pompsystemen worden roterende, verspanende bewerkingen uitgevoerd met hogere snijkrachten. Deze hogere krachten worden opgevangen door de lagers in de roterende tafel. Deze lagers waarborgen hierdoor de kwaliteit van het product en vormen daardoor een kritiek onderdeel. Een smart maintenance strategie is hierdoor noodzakelijk om kritieke storingen te voorkomen. CM Data, gespecialiseerd in sensortechnologie en IoT-platformen, speelt een actieve rol in sensorintegratie en data-acquisitie van het productieonderdeel. High Tech Maintenance is expert in installatie- en onderhoudswerkzaamheden van machines in de heavy-duty industrie.
Het doel van dit project is om sensorgegevens met succes te koppelen aan foutmodi en storingsmechanismen, om zo de status van de lagers te monitoren. Met behulp van data-analysetechnieken wordt onder andere een machine learning-algoritme ontwikkeld om de gezondheidsstatus en eventuele verstoringen te detecteren. Het uiteindelijke doel is om een demonstrator te bouwen die de succesvolle extractie van sensorgegevens uit een productiemachine laat zien, om een machine learning-algoritme te implementeren voor het monitoren van de status en gebeurtenissen van de machine. Deze informatie wordt vervolgens gevisualiseerd in een dashboard. Dit project kan de basis vormen voor uitgebreider onderzoek naar een nauwkeurige voorspelling van de resterende gebruiksduur (Remaining Useful Life, RUL). Op termijn is het doel dat deze methode wordt uitgebreid naar andere technische systemen.
