Slimmer onderhoud is goedkoper onderhoud

De vierde industriële revolutie is in volle gang: big data analytics, internet of things, cloudcomputing,  3-D printen, augmented reality … machines zijn steeds meer met elkaar en met het internet verbonden. Zo kan je dus op afstand gegevens verzamelen over de toestand van een machine. En dan rijst de vraag: wat kan je met die data doen? Samen met enkele collega’s ontwikkelde professor Robert Boute algoritmes die bedrijven helpen om het onderhoud van hun machines slimmer te plannen, waardoor het goedkoper wordt, en waarmee ze ook de voorraden van reserveonderdelen kunnen optimaliseren.

Correctief of preventief? Conditiegestuurd!

Auto’s, ziekenhuisscanners, productiemachines, treinen, kernreactoren – als een onderdeel van zulke dure machines het begeeft, vervang je meestal niet het hele apparaat, maar herstel je het kapotte onderdeel, als dat economisch zinvol is. Om de levensduur van dure activa te verlengen, ga je ze onderhouden, liefst zo goedkoop mogelijk.

Correctief onderhoud (CO) herstelt het defecte onderdeel, preventief onderhoud (PO) gebeurt op vaste tijden, los van enige schade. Een belangrijk nadeel van CO is dat je je machine niet kan gebruiken tot ze weer hersteld is. Precies daarom nemen de meeste bedrijven hun toevlucht tot PO. Dat heeft dan wel als nadeel dat je een deel van de kostbare levensduur van een onderdeel verspilt, maar je doet dat om veel duurdere stilstand te vermijden.

Door nu de gegevens over de toestand van een apparaat of onderdeel te verzamelen en te analyseren kan je nauwkeuriger voorspellen wanneer dat apparaat of dat gemonitorde onderdeel het gaat begeven en je preventief onderhoud slimmer plannen: niet te vroeg, niet te laat. Dat is conditiegestuurd onderhoud (CGO), en dankzij internet of things is dat vandaag de dag ook echt mogelijk.

Twee drempels

Bij CGO ga je dus een onderdeel vervangen als een vooraf bepaalde slijtagedrempel bereikt wordt. Er zijn er twee die het mogelijk maken om de voordelen van CGO maximaal te benutten:

  • Opportuniteitsdrempel: de slijtage is op een punt gekomen dat PO nuttig is, op voorwaarde dat het kan gecombineerd worden met het PO of CO van andere onderdelen of machines, zodat je extra verplaatsingskosten vermijdt.
  • Interventiedrempel: de slijtage heeft het punt bereikt waarop onderhoud niet langer kan uitgesteld worden, wil je een defect voorkomen.

Heb je een machine met verschillende onderdelen waarvan er één, het meest kritieke, gemonitord wordt –of verschillende van die machines – dan kies je een eerste slijtagedrempel, de opportuniteitsdrempel, en een tweede drempel, de interventiedrempel, waarop je terugvalt als de opportuniteit om onderhoudsinterventies te bundelen zich niet heeft voorgedaan.

Optimale combinatie

Het is dan zaak die drempels zo te kiezen dat de gemiddelde onderhoudskosten per bedrijfsuur minimaal zijn.

Robert en zijn collega’s ontwikkelden een algoritme dat de optimale combinatie van drempelwaarden bepaalt, rekening houdend met de kostprijs van het onderdeel in kwestie, de kosten ten gevolge van schade, verplaatsingskosten, en diverse andere parameters, zoals de tijd nodig om extra onderhoud te plannen, het slijtageverloop en de kansdichtheidsfuncties van de levensduur van het gemonitorde onderdeel.

Ze gingen uit van een scenario waarbij CGO wordt toegepast voor het gemonitorde onderdeel van een machine, en PO en CO voor de andere onderdelen. “De meeste bedrijven gebruiken momenteel enkel PO en CO”, legt Robert uit. “Om voor alle machines en alle onderdelen over te schakelen op CGO is nog een stap te ver. Dat beperk je voorlopig beter tot de kritieke onderdelen van je belangrijkste machines.” 

Verplaatsingskosten versus kosten van stilstand

Uit de simulaties bleek dat zo’n onderhoudsscenario belangrijke besparingen kan opleveren. Dat geldt des te meer voor onderdelen die langzaam verslijten, maar een heel onvoorspelbare falingskans hebben en waarvan de kosten ten gevolge van schade hoog zijn.

Verder toont het algoritme ook aan dat het in sommige gevallen aangewezen is om met twee drempels te werken, in andere volstaat er een”, vertelt Robert. “Als de verplaatsingskosten hoog zijn is vooral de opportuniteitsdrempel nuttig, terwijl de interventiedrempel belangrijk is in situaties waarin de kosten van een defect groot zijn, zeker bij lage verplaatsingskosten. Voor onderdelen met een lange levensduur is de economische waarde van de opportuniteitsdrempel het grootst, voor onderdelen met een korte levensduur is dat die van de interventiedrempel.”

Businesscase voor digitale technologie

Hoewel het algoritme werd ontwikkeld en gevalideerd voor een OEM gespecialiseerd in persluchtgereedschap en compressoren, en de gebruikte parameters dus specifiek zijn voor die OEM, is het mits de nodige aanpassingen bruikbaar voor andere situaties. Heeft elke organisatie nu baat bij CGO? “Voor sommige is de economische waarde groter dan voor andere”, antwoordt Robert, ”en met ons algoritme kan je die waarde kwantificeren.”

“Het algoritme is dus niet alleen praktisch bruikbaar om het onderhoud slimmer te plannen, het biedt ook een antwoord op de vraag ‘moeten we investeren in die nieuwe digitale technologieën, zoals internet of things’? Machines met elkaar en met het internet verbinden, onderdelen monitoren en gegevens gebruiken, het is immers allemaal niet gratis.”

Onderhoudsstrategie bepaalt de vraag

Nu is het evident dat je onderhoudsstrategie een impact heeft op je benodigde voorraad reserveonderdelen en je voorraadbeheer:

  • Correctief onderhoud (CO): je weet niet wanneer een onderdeel het begeeft en dus gerepareerd moet worden. De vraag naar reserveonderdelen is dan ook nagenoeg onvoorspelbaar, wat het voorraadbeheer erg moeilijk maakt.
  • Preventief onderhoud (PO): de vraag naar reserveonderdelen is perfect voorspelbaar waardoor het voorraadbeheer veel gemakkelijker wordt – de vraag verbonden aan onverwachte interventies voor CO niet te na gesproken.
  • Conditiegestuurd onderhoud (CGO): de vraag naar reserveonderdelen is minder voorspelbaar dan bij PO, maar omdat je de slijtage monitort weet je ongeveer wanneer een onderdeel het zal begeven.

Omdat je bij PO en CGO het onderdeel in kwestie eigenlijk te vroeg vervangt, nl. voor het stuk is, zal de vraag en dus ook de voorraad reserveonderdelen groter zijn dan bij CO. Simulaties toonden aan dat de voorraadkosten bij PO gemiddeld 20 tot 84% hoger zijn dan bij CO, terwijl dat voor CGO beperkt blijft tot minder dan 20%.

Alles op één hoop

Robert: “Maar wat gebeurt er nu in de praktijk? Zelfs als men op de een of andere manier probeert om het verbruik aan reserveonderdelen te voorspellen, maakt men meestal geen onderscheid naargelang het doel waarvoor die reserveonderdelen gebruikt worden. Er wordt geen enkele rekening gehouden met de onderhoudsstrategie, terwijl die wel degelijk een impact heeft op de vraag, en dus op de benodigde voorraden. Het helpt natuurlijk ook niet dat doorgaans twee verschillende afdelingen verantwoordelijk zijn voor onderhoud en voorraadbeheer.”

“Wat er ook van zij, van een onderdeel nodig voor PO of CGO weet je vooraf dat je het nodig hebt. Het zou dus interessant zijn om die voorafgaande informatie over de vraag, of advanced demand information (ADI), te gebruiken bij je voorraadbeheer.”

De vraag bepaalt de voorraad

Aan de hand van een algoritme ontwikkeld voor dezelfde OEM, bepaalden Robert en zijn collega’s de impact van het gebruik van voorafgaande informatie over de vraag (ADI) bij verschillende onderhoudsstrategieën, rekening houdend met allerlei factoren, zoals installed base, slijtageverloop, onderhoudskosten en kosten van stilstand. In hun simulaties optimaliseerden ze zowel het voorraadbeheer als de onderhoudsstrategie (lengte van het onderhoudsinterval en de interventiedrempel bij CGO).

Ze toonden aan dat het gebruik van voorafgaande informatie over de vraag de nadelen van PO en CGO, namelijk het grotere verbruik van reserveonderdelen, tempert of zelfs opheft: “Volgens onze simulaties kan je bij PO je voorraadkosten dankzij ADI tot 15% drukken, al blijven ze wel hoger dan bij CO. Maar als je CGO toepast, dan leidt het gebruik van ADI tot een besparing van 14%. Sterker nog, de voorraadkosten kunnen dan zelfs lager zijn dan die bij CO.”

Silo’s doorbroken

Ook dit algoritme is perfect toepasbaar in andere organisaties. “Het laat zien hoe je gegevens uit de ene afdeling gebruikt om de andere kostenefficiënter te laten werken – je doorbreekt de silo’s. Maar belangrijker nog: je kan voorraadkosten besparen zonder in te boeten aan service.”

En hij besluit: “Het mag duidelijk zijn dat het de moeite loont om zowel je onderhoudsstrategie als je voorraadbeheer van reserveonderdelen te optimaliseren. Onze algoritmes helpen om voor beide de businesscase te maken.”

Bron: De papers ‘A hybrid condition-based maintenance policy for continuously monitored components with two degradation thresholds’ en ‘Numerical study of inventory management under various maintenance policies’ werden gepubliceerd in gerenommeerde wetenschappelijke tijdschriften. Je kan ze opvragen bij de auteurs.

  • Poppe J, Boute R, Lambrecht MR (2018). A hybrid condition-based maintenance policy for continuously monitored components with two degradation thresholds. European Journal of Operational Research, Vol. 268, Issue 2, pp. 515-532.
  • Poppe J, Basten R, Boute R, Lambrecht MR (2017). Numerical study of inventory management under various maintenance policies. Reliability Engineering & System Safety, Vol. 168, December, pp. 262-273

Over de auteurs:
Robert Boute is Full Professor in Operations Management aan de Vlerick Business School en aan de faculteit Economie en Bedrijfswetenschappen van de KU Leuven. Rob Basten is Associate Professor aan de School of Industrial Engineering van de TU Eindhoven. Marc Lambrecht is Professor (emeritus) in Operations Management aan de faculteit Economie en Bedrijfswetenschappen van de KU Leuven. Joeri Poppe is als doctoraal onderzoeker verbonden aan het Research Center for Operations Management van de faculteit Economie en Bedrijfswetenschappen van de KU Leuven.

Ontdek onze expertise in digitale transformatie

Benieuwd hoe de digitale toekomst van jouw bedrijf er uit zou kunnen zien? Niet alles wat je leest over digitale transformatie mag je zomaar voor waar nemen. Laat ons je gids zijn doorheen alle ruis.

Accreditaties
& rankings

Equis Association of MBAs AACSB Financial Times