van reactief naar preventief onderhoud: laat je drijven door data

slim vooruitdenken met ‘predictive analytics’

Stel je voor: een vloot vrachtschepen navigeert van zee naar zee. Door alle algen, pokken en kokkels die aan de romp plakken, hebben de schepen meer weerstand en varen ze steeds minder snel. En dat kost extra brandstof. De oplossing lijkt simpel: schoonmaken. Maar dan is de vloot even uit de running, en ook dát levert verlies op. Als je de schepen zo efficiënt mogelijk wilt inzetten, wat is dan het optimale moment om de aanslag te verwijderen?

Hier komt predictive analytics om de hoek kijken. Door data te verzamelen en onder de loep te nemen, kunnen patronen in productieprocessen worden ontdekt en gebeurtenissen worden voorspeld. Bijvoorbeeld door de groei van algen af te leiden uit brandstofverbruik, kruissnelheid, datum laatste onderhoud en historische gegevens te combineren. De sensoren zitten dan bijv. in de motor (verbruik en slijtage) en in de maritieme navigatie (GPS). Het voordeel van zo’n datagedreven aanpak? Hogere efficiëntie en lagere kosten. Incentro helpt je organisatie graag om de verzamelde gegevens te ontsluiten, integreren, analyseren, visualiseren en om te zetten naar waardevolle informatie.

voorkomen beter dan genezen

Voor productieorganisaties die met machines en voertuigen werken – niet alleen met schepen dus – zijn marges vaak klein en is efficiëntie het sleutelwoord. Onderhoud is een forse kostenpost en onverwacht stilleggen van de productie (outage) is duur. Daarom is het van groot belang dat de productie zo soepel mogelijk verloopt. Dankzij predictive analytics krijg je meer controle over je productiemiddelen. Dat betekent scherper inzicht in de performance van je machines en voertuigen, maar ook wordt snel duidelijk waar de knelpunten en lekken precies zitten als het om onderhoud gaat. En dat scheelt onverwacht gedoe.

de waarde van preventief onderhoud

meer grip op planning preventief i.p.v. reactief onderhoud betekent zelf je agenda bepalen
effectievere
straat
net zoals een lagere bandenspanning zorgt voor hogere brandstofkosten
voorsprong op concurrent door je te laten drijven door data, kun je sneller en goedkoper produceren

nieuwe businessmodellen: van product naar service

Datagedreven onderhoud brengt nieuwe kansen met zich mee. Denk aan businessmodellen waarbij onderhoud van machines en voertuigen niet langer op afroep wordt verkocht, maar predictive maintenance wordt geleverd als een aparte dienst. Stel je een graafmachine met sensoren voor, die met behulp van Internet of Things een seintje geeft als een onderdeel aan vervanging toe is. Het systeem laat ook direct de urgentie weten. Zodra het magazijn deze gegevens ontvangt, worden de onderdelen in huis gehaald en het onderhoud ingepland.

predictive maintenance excavator

datagedreven in drie stappen

Data genereren is niet ingewikkeld, veel apparaten doen dit zelfs al automatisch. Denk maar aan geluids-, temperatuur- of bewegingssensoren in moderne apparaten, zoals temperatuursensoren in koelkasten, televisies met bewegingssensoren en vergeet ook de beladingssensor in je wasmachine niet. Auto’s lopen tegenwoordig helemaal over van sensoriek, net als mobiele telefoons. Een simpele graafmachine levert gigabytes aan data over zijn interne componenten. De uitdaging is om deze gegevens op zo’n manier inzichtelijk te maken dat er nieuwe informatie en kennis uit ontstaat. Zodat jij de informatie op topsnelheid kunt sorteren (moet ik ingrijpen of niet?), produceren (waar in het proces zit het probleem?) en verwerken (hoe kan ik deze informatie benutten?). Om je hier zo goed mogelijk bij te helpen, zet Incentro deze drie stappen in:

Stap 1 – voorbereiden en exploreren:
We maken de data inzichtelijk door deze op één plek te verzamelen en te visualiseren met Key Performance Indicators (KPI’s). Denk aan dashboards, grafieken of heatmaps.

Stap 2 – analyseren:
Na diepere analyses gaan we op zoek naar de meest voorspellende variabelen voor de KPI’s. Stel dat goede parkeermogelijkheden bijdragen aan de KPI ‘gelukkige klanten’. Uit de analyse blijkt dat niet de parkeerplaats zelf, maar de kosteloosheid ervan tot geluk leidt. De variabele ‘gratis’ zorgt dus voor gelukkige klanten. De actie die je dan als organisatie moet nemen, is anders dan wanneer klanten de parkeermogelijkheden als te beperkt, te krap of te onveilig beschouwen.

Stap 3 – predictive modelleren:
Om de KPI’s te voorspellen op basis van de variabelen, bouwen we een model dat we automatiseren. Misschien is het op drukke zaterdagen wel verantwoord om een klein bedrag te vragen voor de parkeerplaats en op andere momenten niet. Maar welk bedrag zijn mensen bereid te betalen? En waar ligt het optimum in bezetting en opbrengst?

een aanpak op maat

Om je organisatie beter te leren kennen, schuift een aantal Incentronauten voor korte tijd op locatie bij je aan. Later kunnen we steeds meer op afstand regelen. Verder gaan we aan de slag met interactieve workshops, om te ontdekken wat je precies wil gaan meten, aan welke eisen dit moet voldoen, in welke vorm je dit het liefst gepresenteerd krijgt en wat hierbij de prioriteiten zijn. Door veel vragen te stellen komen we tot de kern van het probleem. En vinden we een passende oplossing. Zo maken we je organisatie samen datagedreven – op basis van keiharde feiten, in plaats van nattevingerwerk.