MENU

Een algoritme met 300 parameters mogelijk?

4 november 2020

Uitdaging

De klant vroeg of het mogelijk was om vroegtijdig lagerproblemen te zien aan komen zonder gebruik te maken van nieuwe metingen op de machine. De machine werkt in extreme omstandigheden en sensoren bijplaatsen zou lastig worden. Vanuit het DCS systeem was er toegang tot meer dan 300 parameters die een mogelijke relatie zouden kunnen hebben met deze case. De uitdaging was daarmee tweeledig:

  1. Is het mogelijk de lagerconditie te voorspellen aan de hand van deze data?
  2. En zo ja, met welke data en hoe?

Oplossingsrichting

We hebben goede ervaringen met het voorspellen van lagertemperaturen in industriële omgevingen. We kunnen tot 2 maanden op voorhand afwijkingen detecteren. Deze aanpak is vooral interessant als er verder geen vibratiedata aanwezig is, iets wat bij deze klant dan ook ontbrak. De klant had wel 300 andere proces- en omgevingsparameters, welke we konden gebruiken. Gezien de extreme bedrijfssituatie die duidelijk afweek van normale industriele toepassingen hebben we afgesproken om samen een proef uit te voeren.

Resultaat

Binnen enkele dagen was het gelukt om een algoritme te maken, waarbij met 6 van de 300 parameters de betreffende lagertemperaturen te voorspellen waren. Ook waren we in staat het faalmoment dat in de historische data zat feilloos eruit te halen. Wat ook bleek uit deze proef, is dat de reactietijd slechts een paar uur voor het falen zou zijn en dat is in de praktijk erg krap.

Parallel hebben we ook de performance van de huidige onderhoudsstrategie bekeken en bleek dat deze behoorlijk effectief bleek en dat grotere investeringen niet zouden opwegen om de rest risico’s nog verder te elimineren.

Advies

Dit laat zien hoe krachtig het toepassen van Predicitive Analytics met, de vaak al aanwezige, data kan zijn. Het uiteindelijke advies voor deze klant was om deze techniek in deze specifieke case niet verder toe te passen. Dit omdat het waarschuwingstermijn te kort is. Daarnaast weegt het verder investeren in bijvoorbeeld nieuwe sensoren niet op tegen het wijzigen van de huidige onderhoudsstrategie.

Case

11 november 2020

Niet meer blind varen?

Probleem Een klant uit de (Petro)Chemie wilde het productieproces verbeteren. Om dat te kunnen bereiken ontbraken er een aantal essentiële proces parameters. De vraag was, om deze parameters in kaart te brengen en deze vervolgens real time aan te leveren zodat de procesingenieurs hierop kunnen anticiperen.   Oplossing Al snel bleek het gebrek aan informatie van […]

Lees meer

Case

22 oktober 2020

Lager falen voorkomen

Bij een grote klant in de metaal- & mijnindustrie hebben we het falen van een haspel motor van 1300KW voorkomen.  Gedetecteerd Vanwege eerdere problemen en de kwetsbaarheid van deze belangrijke elektromotoren deden we een pilot met behulp van onze JOIN solution. Na wat standaard Ruling ingesteld te hebben, bleek al gauw dat er iets niet […]

Lees meer

Case

6 oktober 2020

Uitlijnfout gedetecteerd

Bij een grote klant in de metaal- & mijnindustrie hebben we middels industrie 4.0 direct falen van een ventilator voorkomen. Tijdens een test met onze JOIN oplossing hebben we twee IIOT-sushi sensoren op twee industriële ventilatoren gezet. We zagen direct verhoogde trillingen in ons standaard mee geleverde demo dashboard. Op dat moment waren er nog […]

Lees meer