Reliability-centred Maintenance (RCM) is een methodiek om onderhoudsconcepten te ontwikkelen. Het start met een Operational Context, op basis waarvan in een Process FMEA het actuele storingsgedrag wordt beschreven. Dit actuele storingsgedrag wordt vervolgens gebruikt om voor iedere storingsvorm een oplossing te vinden die we met berekende intervallen gaan uitvoeren.
Maar storingsgedrag is dynamisch en dus aan verandering onderhevig. Dat maakt het juist interessant. FMEA’s zijn daardoor nooit af. Als storingsgedrag dynamisch is, zijn onderhoudsconcepten ook dynamisch. Maar dan is de reservedelenstrategie dat ook en zijn de bedieningsvoorschriften dat ook.
Dat is nou net de kracht van continu verbeteren. Gebruik makend van voortschrijdende inzichten. Hiermee worden FMEA’s beter en daarmee de onderhoudsplannen die het storingsgedrag beter onder controle krijgen. En dus komen kosten, kwaliteit, beschikbaarheid, betrouwbaarheid, veiligheid, milieu, gezondheid, etc… beter onder controle.
Het klinkt haast te mooi om waar te zijn, maar de logica er achter is zo betrouwbaar als hart beats. Van 11% van de storingsvormen, weten we dat ze vooral leeftijdsafhankelijk plaatsvinden. 89% van de storingsvormen vinden vooral random plaats. Als we niet weten WANNEER storingen plaatsvinden, moeten we erachter komen HOE ze plaatsvinden. Daar zit een uitdaging.
Nowlan, Heap en Matteson hebben van 1960 – 1978, 18 jaar lang wetenschappelijk onderzoek gedaan naar dit storingsgedrag. Dit was het grootste onderzoek ooit naar storingsgedrag en hoe we daar mee om zouden moeten gaan. In die tijd zonder computers, is het grote klasse te noemen om daarmee een methodiek als RCM te ontwikkelen die nu in 2020 nog niet geëvenaard is. We zijn inmiddels meer dan 40 jaar verder. Dat zegt iets over de kwaliteit van de methodiek RCM.
Met Artificial Intelligence Maintenance zijn we in staat storingsgedrag te monitoren en te voorspellen en daarna zelfstandig keuzes te maken. Veranderend storingsgedrag heeft een veranderende kennisbehoefte, onderhoudsbehoefte en reservedelenbehoefte. Deze vorm van Artificial Intelligence Maintenance kan voorstellen doen om bepaalde reservedelen eerder te bestellen. Artificial Intelligence Maintenance kan ook voorstellen doen om onderhoudsintervallen aan te passen of andere typen onderhoudstaken toe te passen die effectiever zijn. Het kan zo ingesteld worden dat het automatisch aanpassingen doet, maar dat is voor veel bedrijven nog een brug te ver.
Dat maakt het zeer interessant om onderhoudsconcepten zo te maken dat we steeds beter al het storingsgedrag kunnen afdekken. Iedereen wil naar een MPE van 100%, zodat we kunnen aantonen dat onze onderhoudsplannen ons actuele storingsgedrag afdekken. Alleen dan zijn we beter dan de concurrentie. Alleen dan produceren we de hoogste rendementen met de laagste kosten. Alleen als we actueel blijven.
Hiervoor is gebruik van software onontbeerlijk. Het storingsgedrag moet eenduidig zijn vastgelegd. Veel signalen uit PLC’s, SCADA systemen, iPC’s, Productie registratie systemen e.d., dragen bij aan meer informatie over het actuele storingsgedrag. Dat actuele storingsgedrag managen is het centrale doel in alles.
We moeten wel. Storingsgedrag is niet statisch. We kunnen geen onderhoudsplan maken voor langer dan 1 jaar. Storingsgedrag managen is de toekomst. En dat lukt alleen als we exact weten waar we op moeten letten. En tegenwoordig hebben we de beschikking over data om onze actuele data te onderhouden en continu te verbeteren.
Om het volgende uit te leggen, moeten we inzoomen. Het actuele storingsgedrag moet worden vastgelegd in een FMEA. Als we volledig willen zijn en een hoge kwaliteit eisen, dan moeten we gebruik maken van een Process FMEA. Zoals RCM dat doet. De Object FMEA’s en Object FMECA’s richten zich meer op laag kritische systemen. Aardig, maar niet goed en helemaal niet perfect.
In die Process FMEA zijn storingsvormen (Failure Modes) vastgelegd. De Storingseffecten (Failure Effects) beschrijven de details van die failure modes. Met Dynamic RCM rekken we dat Failure Effect op tot een gedetailleerde lijst van effectinformatie over die ene failure mode. Dat moet wel, om data van alle systemen te kunnen koppelen. Gaan je op een Quick en Dirty manier om met FMEA’s en dus met de Failure Effects, laat Artificial Intelligence dan maar schieten. Dan ben je er nog niet klaar voor.
Enkele delen van het storingseffect zijn P-info en F-info. P-info is een deel dat informatie over de Potentiële storingen beschrijft. het deel dat over voorspellen gaat. Dat is al die data waarmee aangetoond kan worden dat storingsvormen in ontwikkeling zijn. F-info is het deel dat over het bewijs van dit functioneel falen gaat. En over de oplossing. Data die kosten verhogen, een negatief effect hebben op productierendementen, kwaliteit, ongeplande stilstand, … Als we de FMEA niet goed gebruiken is het gebruik van Artificial Intelligence zinloos.
Let op de nuances. Let op het managen van het ACTUELE storingsgedrag! Als we alle signalen van waarschuwingen aan storingsvormen koppelen, leren we steeds beter welke waarschuwingen waardevol zijn. We leren steeds beter welke signalen of combinaties van signalen waarschuwingen zijn dat het functioneren onder druk komt te staan. Dat disfunctioneren zich aan het ontwikkelen is. Dat we steeds beter in staat zijn de oorzaken van disfunctioneren te voorspellen. Dat we dus in staat zijn onderhoudstaken te bedenken die deze ontwikkelingen op tijd aantonen, zodat we functioneel falen voorkomen. En dus ongewenste kosten voorkomen en effecten op veiligheid, milieu, gezondheid en kwaliteit minimaliseren.
Met DORA Software doen we dat. Bij Friesland Campina zijn we al vanaf 2007 hiermee bezig. DORA Software (www.dorasoftware.com) is trouwens destijds ontwikkeld door experts van Philips en Friesland Foods. Rond 2014 ontstond de wens van meerdere bedrijven om DORA 3 te upgraden naar DORA 4. In die tijd zijn we met 16 internationale werkende productiebedrijven op zoek gegaan naar DE oplossing.
Deze 16 bedrijven kwamen uit verschillende branches. Staal, scheepvaart, voedsel, farma, marine, ziekenhuizen, infra, chemie, petrochemie, … Ze hadden allemaal een CMMS zoals SAP, Maximo, Infor, Ultimo, Hippo, JD Edwards, … En unaniem gaven ze aan dat hun onderhoudsplannen niet in staat bleken hun actuele storingsgedrag te managen. Dat was een eye-opener. Er gingen tientallen miljoenen om aan licentiekosten om kosten en storingsgedrag vast te leggen en niemand was tevreden over het werd onderhouden. En de reservedelen strategie was helemaal niet gebaseerd op op misgrijpeffecten, maar op onderbuikgevoel. Dat kan toch niet waar zijn. We zitten klem is het traditionele idee dat kosten belangrijk zijn. Maar die kosten zijn het gevolg van storingsgedrag dat blijkbaar niet goed word gemanaged. Het kostenfocus geeft blijkbaar onvoldoende informatie hoe het beter moet.
Er moet een mindshift plaatsvinden. Kostenfocus is achterhaald. Kosten is het gevolg van storingsgedrag en niet de oorzaak. We moeten terug naar het managen van storingsgedrag. Meetbaar, verbeterbaar, verdedigbaar, realiseerbaar. De Object FMEA of Object FMECA schiet te kort. Alleen op basis van een Process FMEA, leggen we de juiste data vast. Zijn we in staat PLC data te koppelen met de juiste FMEA data. Alleen dan zijn we in staat onderhoudsplannen te maken die ons specifieke storingsgedrag kan managen. Dan kunnen we veranderend storingsgedrag monitoren door de BTBiFM (Mean Time Between identical Failure Modes) te gebruiken. De MTBF gaat immers over Failures en niet over identical Failure Modes. We moeten stoppen met globale meetmethoden. Heel interessant hoor die MTBF, maar wat is de meerwaarde? Verbetering zit in het managen van de details.
AI helpt bij het meetbaar verbeteren van storingsvormen. We kunnen de waarschijnlijkheid van een combinatie van potentiële storingen steeds beter voorspellen. Hierdoor kunnen we het tijdstip van falen steeds beter voorspellen. Hierdoor kunnen we storingsgedrag steeds beter voorspellen, waardoor we kosten steeds beter kunnen voorspellen. Het begint dus niet met een focus op kosten, maar het eindigt er mee.
Dit is ons vak. We leren uw medewerkers hier mee om te gaan. Wij hebben de kennis, de trainingen, de software en de ervaring. Neem contact om samen een maatoplossing te maken om uw storingsgedrag te managen.
