Print:

Data als waardevolle asset

Simon Jagers, Founder

LinkedIn profiel

“Voorspelbaar onderhoud is over 10 jaar de standaard”

Simon Jagers is een van de twee oprichters van Semiotic Labs. Het doel: onderhoud voorspelbaar maken. In 2015 begon het bedrijf met het toepassen van algoritmes op onderhoud, met als einddoel voorspelbaarheid. Jagers zelf noemt onderhoud ‘één van de belangrijkste bedrijfsfuncties, die niet de aandacht krijgt die het verdiend’ – omdat zeker 5% van de begroting van een procesindustrie-bedrijf richting onderhoud gaat. “Ik vind dit leuker om te doen dan werken met beurskoersen of clickstreams.” In het kader van de training Data Analytics voor Predictive Maintenance, waar Jagers als docent op zal treden, interviewde IIR hem.

Vraag naar efficiency

Met name efficiënt onderhoud en veiligheid op basis van kunstmatige intelligentie zijn onderwerpen waarvoor binnen de industrie steeds meer interesse is. “Het kan ook niet anders”, meent Jagers. “Deze technologie is al een aantal jaar in opkomst, de ontwikkeling gaat hard. Toch wordt onderhoud nog niet op grote schaal bediend. Dit maakt het voor ondernemers een dankbaar domein om actief in te worden.”

Efficiency is een onderwerp dat steeds relevanter wordt. “Er is steeds minder kwalitatief personeel te vinden, machines worden steeds complexer, en er is steeds minder tijd beschikbaar om gedegen onderhoud te plegen”, aldus Jagers. “Time based maintenance was tot een paar jaar geleden het beste alternatief voor Run to Failure modellen. Maar de fundamentele vraag blijft: “Heeft deze asset onderhoud nodig”? Wij beantwoorden die vraag met een grote mate van zekerheid. Daardoor kan personeel efficiënt worden ingezet en alleen werken aan de productiemiddelen die daadwerkelijk onderhoud nodig hebben”.

Time based maintenance

Mean time between failure houdt geen rekening met de conditie van een asset. “Daar brengen we verandering in”, zegt Jagers. “De enige goede reden om onderhoud te plegen is als een machine gaat falen, of als de prestaties achteruit gaan. Alles wat eerder gebeurd kost geld. Als voorbeeld: als een pomp om de drie jaar kapot gaat en je iedere twee jaar onderhoud pleegt, voorkom je 95% van de faaloorzaken. Dit betekent echter ook dat een groot deel van het onderhoud te vroeg wordt uitgevoerd. Je meet immers geen conditie, enkel tijd.”

Voorspelbaarheid

Nederland staat volgens Jagers in de top drie wereldwijd als het gaat om ontwikkeling en toepassing van onderhoud. “Nederland is een innovatief land”, legt hij uit. “Amerikanen die de overstap naar Europa maken, beginnen om die reden vaak in Nederland.”

Data science druppelt langzaamaan het onderhoudsdomein binnen. “Over tien jaar is 100% voorspelbaar onderhoud de nieuwe norm”, gaat Jagers verder. “Sensoren worden beter en goedkoper, computergebruik en data- opslag zijn bijna gratis, en er zijn veel ontwikkelingen op het gebied van algoritmes. Als je de juiste sensor combineert met de juiste algoritmes kun je in principe met een hoge mate van betrouwbaarheid de conditie van een asset vaststellen. Vul dat aan met ervaring en voorbeelden van falen, en je kunt heel snel leren wanneer falen tot uitval gaat leiden. Ik denk dat we de komende tijd steeds beter gaan ontdekken per type asset hoe je het beste kunt vaststellen of ze onderhoud nodig hebben. Vervolgens kun je kijken of je überhaupt nog wel onderhoud wilt plegen, of dat je wilt vervangen.”

Data- driven onderhoud

Waar nog winst geboekt kan worden, is op het gebied van data science. “Er is al een boel data beschikbaar die gebruikt kan worden bij procesoptimalisatie”, aldus Jagers. “Op het gebied van conditiemonitoring is dat minder het geval. Conditiemonitoring vraagt over het algemeen om hoogfrequente data. Daarvan is veel minder beschikbaar. Het is dus zaak om de komende jaren met extra aandacht te kijken naar sensortechnologie, waarmee data als grondstof voor algoritmes kan worden verzameld.”

Tijdens de training hoopt Jagers dan ook het belang van het vak van data scientist over te brengen, maar ook hoopt hij zelf wat te leren van de onderhoudskant. “Aan het eind van de training zullen de cursisten begrijpen welke componenten van data science belangrijk zijn als het gaat om het verbeteren van betrouwbaarheid”, legt hij uit. “Daarnaast wil ik cursisten beter laten begrijpen waarom het opslaan en vergaren van data belangrijk zijn. Data is geen bijproduct meer, maar een waardevolle asset. Onderhoudsprofessionals moeten meer als data scientists gaan denken.”

Data science is volgens Jagers te belangrijk om níet mee aan de slag te gaan. “Er is veel winst te behalen door data-driven te gaan opereren”, concludeert hij. “Ik hoop dat de Chief Marketing Officer in de toekomst vervangen wordt door een Chief Maintenance Officer: iemand die als data scientist kijkt naar onderhoudsprocessen, iemand die binnen zijn organisatie het belang van data benadrukt. Want de beste reclame voor een bedrijf is het betrouwbaar leveren van goede producten. Onderhoud speelt daarbij een cruciale rol.”

De nieuwe training van IIR, Data Analytics voor Predictive Maintenance, start 3 april 2017.

Wij gebruiken cookies om IIR.nl gemakkelijk te maken. Bezoekt u onze website, dan gaat u akkoord met deze cookies meer informatie

De cookie-instellingen op deze website zijn ingesteld op 'toestaan cookies "om u de beste surfervaring mogelijk. Als u doorgaat met deze website te gebruiken zonder het wijzigen van uw cookie-instellingen of u klikt op "Accepteren" hieronder dan bent u akkoord met deze instellingen.

Sluiten