Smart Maintenance Experience

Het Smart Maintenance 2019 congres op 5 november leek mij veelbelovend. Terwijl ik er naar toe reed kwamen er een paar vragen bij mij boven. Hoe kunnen onze klanten een maximale machinepark uptime realiseren met Robotarm scherm operatorPredictive Maintenance. Dat is immers een belangrijke driver van Asset Utilization: zorgen dat je machinepark optimaal benut wordt. En: kan met behulp van IoT data het machineonderhoud een stuk slimmer, eenvoudiger en goedkoper worden? Wat als je op basis van data eventuele verstoringen -nog voordat ze zich gaan voordoen- preventief aanpakt?

Voor Togetr wilde ik valideren of de Servitization trend in de maakindustrie doorzet. En of het zo is dat Smart Maintenance een betere integratie vereist tussen engineering, werkvoorbereiding, productie en onderhoud tijdens de product levensscylus? Wat voor ons ook een belangrijke roadmap vraag is: biedt Togetr SignalZ (IoT platform) voldoende Asset Utilization functionaliteit? En hoe belangrijk is dit in verband de Togetr Digital Twin (PLM / product Configurator / IoT ontwikkeling?

Het bleek een zinvol bezoek. Na afloop trok ik een paar conclusies:

1. Smart maintenance is de hype voorbij.

Zoals ook bij onze Togetr klanten blijkt, is Predictive Maintenance de hype voorbij. IoT platformen, machine learning hebben een valide plek binnen het moderne maakbedrijf gekregen. Het betekent dat time series databases, dashboards en machine learning daadwerkelijk aanvullende inzichten bieden naast bestaande business applicaties, low-code, AR- en Cloud ontwikkelingen. Bij veel bedrijven zijn installaties op leeftijd en moeten toch nog een tijdje mee. En dat kan alleen door goed onderhoud, lagere kosten en hogere beschikbaarheid. Traditioneel correctief of preventief onderhoud is te duur. Conditie-afhankelijk onderhoud bestaat al lang, maar krijgt nu een echte boost door de technologische ontwikkelingen.

2. IoT ontwikkeling moet integraal plaatsvinden binnen logistieke bedrijfscontext.

Het vinden van de business case lijkt voor diverse bedrijven niet altijd eenvoudig. Predictive Maintenance voor de robot armen in de assemblage lijn van Philips Drachten blijkt bijvoorbeeld relevant door het grote aantal robot armen. Als inzicht in de utilization van de assets ontbreekt, is predictive maintenance nog een brug te ver.

3. Servitization vraagt om Life-cycle Management.

Het belang van goed inzicht in de diverse stadia van een product wordt steeds groter. Het betreft zowel IoT gegevens van het gebruik als ook de engineering data, werkvoorbereidingsgegevens en productie gegevens. Het toevoegen van de product kennis aan IoT-gegevens zorgt voor een grotere betekenis van deze data. Let wel: voor markten als Infra, fleet-maintenance gelden wellicht andere regels.

4. Succes hangt af van goed samenspel tussen organisatorische, bedrijfseconomische en technologische factoren.

Gegeven het research karakter van diverse projecten is een verankering binnen een organisatie belangrijk. Een te enge focus op het ICT aspect of de business case ondergraaft het succes. Zorg voor een multidisciplinaire aanpak waar de breedte van de onderneming in wordt betrokken. Diverse Field-Labs geven hiervan overtuigende voorbeelden.

Interesse? Neem contact op!
Bent u geïnteresseerd in onze ervaringen met onze klanten, onze technologie propositie (Togetr MES, Togetr Digital Twin, Togetr SignalZ, Togetr Planning), wilt u een demonstratie op basis van een praktijk casus, neem dan contact met ons op.

 

Meer lezen over onze concepten? Bezoek onze kennisbank

Togetr MES Shopfloor

 

 

Bericht delen: