Tweederde van de productie- en industriebedrijven maakt onvoldoende gebruik van predictive maintenance

Bijna de helft van de managers (47%) is goed bekend met de mogelijkheden van predictive maintenance. De interesse in het onderwerp is groot; bijna tweederde van de leidinggevenden wil deze technologie in de eigen organisatie toepassen. In de praktijk gebeurt dit echter slechts op beperkte schaal; slechts een derde van de respondenten vindt dat de eigen organisatie voldoende gebruikmaakt van predictive maintenance.

Dit blijkt uit onderzoek van Axians onder 211 managers van productie- en industriële bedrijven. Wanneer voer je onderhoud uit aan machines? Preventief onderhoud voorkomt dat machines uitvallen, maar zorgt ook voor onnodig onderhoud. Je vervangt in dit geval immers onderdelen die nog functioneren en misschien nog wel langer gebruikt kunnen worden om problemen te voorkomen. Een andere optie is correctief onderhoud, waarbij problemen worden gecorrigeerd door onderzoek uit te voeren. In de praktijk vervang je hierbij onderdelen pas zodra zij de geest hebben gegeven. Dit brengt echter faalkosten en in veel gevallen risico’s met zich mee.

Onderhoud precies het juist moment

Predictive maintenance is een interessant alternatief. Bij deze vorm van onderhoud wordt onderhoud precies het juist moment uitgevoerd. Dit is mogelijk dankzij het gebruik van sensoren, die onder meer trillingen, druk of temperatuur registreren. Blijkt één van deze waarden ongebruikelijk te zijn? Dan is dit een aanwijzing dat onderhoud nodig is.

De belangrijkste reden om geen gebruik te maken van predictive maintenance is met afstand ‘onvoldoende kennis’. Dit is opvallend, aangezien tegelijkertijd slechts drie op de tien managers aangeeft hulp nodig te hebben bij de implementatie van deze onderhoudsvorm. 37% zegt hulp af te wijzen of heeft hierover geen mening. Axians wijst erop dat externe hulp ook kan helpen bij het overwinnen van het op één na grootste struikelblok: onvoldoende data. Dat geldt ook voor andere bezwaren, zoals een gebrek aan een goede business case of het maken van de vertaalslag van theorie naar praktijk.

Data verzamelen

Om aan de slag te gaan met predictive maintenance is het van kritiek belang data uit machines te verzamelen. Nog niet de helft van de bedrijven heeft deze eerste stap gezet. Ook geven respondenten aan moeite te hebben relevante stuurinformatie te halen uit verzamelde machine- en productiedata.

Wel erkennen steeds meer managers de voordelen en mogelijkheden van predictive maintenance. Zo bestempelt bijna twee derde van de respondenten aan dat downtime van machines als één van de grootste bedreigingen van hun organisatie. Vier op de tien stelt dat de gemiddelde downtime van machines in hun organisatie ’te lang’ is. Veel managers zien predictive maintenance als een kans om deze downtime terug te dringen.

Veel machines zijn al voorzien van sensoren

Axians wijst erop dat ‘behoorlijk veel machines’ al zijn voorzien van slimme sensoren die het functioneren van de machine kunnen vastleggen. Deze sensoren vormen de basis waarop predictive maintenance breder kan worden uitgerold binnen de Nederlandse industrie.

In het onderzoek is ook gekeken naar Internet of Things, waarbij allerlei machines, apparaten en systemen met internet worden verbonden. 36% stelt dat hun organisatie al voldoende gebruik maakt van de mogelijkheden van IoT, terwijl 40,8% stelt dat dit niet het geval is. 34,1% beschikt over een duidelijke strategie of beleid op het gebied van IoT, terwijl 47,9% aangeeft dat deze ontbreekt.

Meer informatie is beschikbaar in het onderzoeksrapport ‘Hoever zijn Nederlandse productieen industriële bedrijven met
voorspellend onderhoud?’ van Axians. Het rapport kan hier worden aangevraagd.

Auteur: Wouter Hoeffnagel