Asset health analyse

Gegevens kunnen uit vele bronnen komen: uit procesinstrumenten, uit periodieke inspectierapporten, uit continue monitoringsystemen, uit CMMS-systemen, uit handmatig ingevoerde (onderhouds)logboeken, ...

Weten welke gegevens moeten worden verzameld, is de eerste stap naar asset performance management. 

Voordat modellering & analyse kan beginnen, moeten gegevens toegankelijk zijn. Dit kan variëren van het digitaliseren van handmatig ingevulde gegevenslogboeken, het verzamelen van periodieke gegevensdumps van handinspectietools en gegevensoverdracht van afwijkingen tot realtime volledige gegevensoverdracht. Gegevens kunnen worden overgebracht naar cloudomgevingen, maar ook decentraal worden gewaard ("fog computing").

Ondanks de naam gaat big data-analyse niet over enorme hoeveelheden data in een computerprogramma gooien, in de verwachting dat het nieuwe correlaties zal uitspugen. Het groeperen van gegevens in modellen rond faalmechanismen versnelt de analyse aanzienlijk. Dit behelst het bouwen van algoritmen die leren om anomalieën en faalmechanismen te detecteren op basis van historische fouten (vingerafdrukken). 

In deze volgende stap kijken we naar wat het verzamelde model ons vertelt over asset performance. Het gaat hierbij om het bepalen van de betrouwbaarheid van de modellen, het voorkomen van vals positieve en valse negatieve indicaties, het trekken van de juiste conclusies en het bouwen van business cases om de beste manier van opvolging te bepalen.

Het visualiseren van gegevens op dashboards met grafieken en tabellen verbetert het inzicht en biedt daarmee belangrijke beslissingsondersteuning. Dit kan een mix zijn van historische data die trends laten zien, real-time alerts en voorspellingen over de conditie/kans op specifieke storingen. Grote IT-leveranciers als IBM, Emerson en OSIsoft leveren de software, die vervolgens moet worden geconfigureerd en afgestemd op jouw specifieke KPI's.

Weten dat iets gaat falen, bepaalt niet meteen wat de corrigerende actie moet zijn. Opties zijn onder meer het toepassen van online onderhoudstechnieken, het risico nemen om te wachten op de volgende geplande turnaround en het voortijdig stilleggen van de fabriek. In het geval van voorgeschreven onderhoud worden deze beslissingen geautomatiseerd, maar anders moeten mensen beslissen. Hoe dan ook, beslissingen moeten worden omgezet in werkorders die ervoor zorgen dat de juiste mensen op het juiste moment met de juiste tools worden gestuurd om de acties uit te voeren.