Voorspellend onderhoud: wat het is en hoe het energieverbruik en machinestilstand vermindert

Een installatie gaat zelden plotseling kapot. Bijna altijd geeft ze wekenlang signalen af: ze trilt iets meer, verbruikt enkele ampères extra, wordt warm op plaatsen waar dat eerder niet gebeurde of draait langer om hetzelfde resultaat te bereiken.

Voorspellend onderhoud omvat technieken die deze signalen detecteren en omzetten in geplande onderhoudsinterventies, in plaats van te wachten op een storing of onderdelen die nog goed functioneren volgens een vast schema te vervangen.
Er is echter een aspect waarover weinig wordt gesproken, terwijl het vooral belangrijk is voor gebouwbeheerders: lang voordat een machine stilvalt, begint een verslechterende machine meer energie te verbruiken. Dit extra verbruik wordt dagelijks betaald en blijft onopgemerkt omdat het geen onderbreking van de dienstverlening veroorzaakt.

Kort samengevat:

• Voorspellend onderhoud is gebaseerd op de werkelijke toestand van de machine, niet op een kalender en niet uitsluitend op onderhoud na een storing.
• Het vereist continue metingen van enkele belangrijke parameters, historische gegevens en een systeem dat afwijkingen omzet in werkorders.
• Kunstmatige intelligentie is nuttig wanneer er voldoende historische gegevens beschikbaar zijn. In veel gevallen levert een goed ingestelde grenswaarde al een groot deel van het resultaat op.
• Het minst erkende voordeel heeft betrekking op energie: een installatie die achteruitgaat, verbruikt maandenlang meer energie voordat ze defect raakt.

Wat het is en waar het past

De onderhoudsterminologie is gestandaardiseerd: UNI EN 13306:2018 definieert de algemene termen binnen de sector. In de praktijk worden drie categorieën onderscheiden.
Correctief onderhoud vindt plaats na een storing. Preventief onderhoud vindt vooraf plaats, op vastgestelde intervallen en ongeacht de werkelijke toestand van het onderdeel. Voorspellend onderhoud vindt eveneens vooraf plaats, maar is gebaseerd op gemeten parameters die wijzen op een voortschrijdende verslechtering.
Het praktische verschil tussen de eerste twee categorieën, met voorbeelden en de voordelen van beide, wordt uitgelegd op de pagina over het verschil tussen preventief en correctief onderhoud. Hier ligt de nadruk op voorspellend onderhoud.
Een verduidelijking is nodig, omdat die in commerciële communicatie vaak verloren gaat. Voorspellend betekent niet dat software de datum van een storing raadt. Het betekent dat een fysische grootheid die samenhangt met de conditie van een onderdeel wordt bewaakt en dat er wordt ingegrepen wanneer die grootheid afwijkt van het normale gedrag.

Hoe het werkt, van sensor tot werkorder

De cyclus bestaat uit vier stappen, waarvan de vierde het vaakst wordt overgeslagen.
Meten. Trillingen, temperatuur, elektrisch stroomverbruik, drukverschil, bedrijfsuren en debiet. De keuze van de meetwaarden hangt af van de machine: bij een ventilator zijn trillingen en stroomverbruik belangrijk, terwijl bij een warmtewisselaar temperaturen en drukverlies belangrijk zijn.
Vaststellen wat normaal is. Zonder een referentiewaarde die over meerdere weken bedrijf is opgebouwd, is elke grenswaarde willekeurig. Deze fase vereist het meeste geduld en wordt vaak ingekort.
Afwijkingen detecteren. Een waarde buiten de grens, een geleidelijke afwijking of gedrag dat niet overeenkomt met de externe omstandigheden of de belasting.
De interventie genereren. De afwijking wordt een werkorder die aan iemand wordt toegewezen, met een deadline en een onderhoudshistorie. Een melding die per e-mail binnenkomt en vervolgens blijft liggen, is geen voorspellend onderhoud maar slechts een extra alarm dat kan worden genegeerd.

Wat kunstmatige intelligentie daadwerkelijk doet

Over dit onderwerp bestaat veel verwarring, dus nauwkeurigheid is belangrijk.
Machinelearningalgoritmen helpen patronen te herkennen die een vaste grenswaarde niet kan detecteren: combinaties van meerdere parameters, gedrag dat verandert afhankelijk van de belasting of het seizoen, en afwijkingen die alleen onder bepaalde bedrijfsomstandigheden optreden.
Om te functioneren hebben ze historische gegevens nodig, vooral gegevens over storingen. Een model dat is getraind op een installatie die nooit defect is geraakt, heeft weinig om van te leren. Dit is de meest voorkomende praktische beperking in gebouwen, waar weinig gegevens worden verzameld en deze vaak onregelmatig beschikbaar zijn.
De praktische conclusie is duidelijk. In de meeste gevallen kunt u het beste beginnen met goed ontworpen regels en grenswaarden voor enkele meetwaarden, gedurende één of twee jaar gegevens verzamelen en modellen introduceren zodra er voldoende trainingsmateriaal beschikbaar is. Het tegenovergestelde doen, dus een algoritme kopen voordat er gegevens zijn, is de meest voorkomende en duurste fout.
De volgende stap is voorschrijvend onderhoud, waarbij het systeem niet alleen een afwijking meldt, maar ook een corrigerende actie voorstelt en het effect ervan inschat. Dit is een reële ontwikkelingsrichting, maar vereist dat alle voorgaande stappen zijn uitgevoerd.

Het verband met energieverbruik

Dit is het onderdeel dat rechtstreeks van belang is voor gebouwbeheerders en dat in industriële beschouwingen over voorspellend onderhoud vaak over het hoofd wordt gezien.
Een vuil luchtfilter verhoogt het drukverlies, waardoor de ventilator meer vermogen verbruikt om dezelfde hoeveelheid lucht te verplaatsen. Een vervuilde warmtewisselaarbatterij draagt minder warmte over, waarna de installatie dit compenseert door langer te draaien.
Een koelcircuit met een verminderde koudemiddelvulling levert bij dezelfde hoeveelheid werk minder prestaties. Een verkeerd gekalibreerde sensor zorgt ervoor dat de installatie maandenlang op basis van een onjuiste waarde wordt geregeld.
Geen van deze situaties veroorzaakt een stilstand. Ze leiden geleidelijk tot hogere energierekeningen en blijven onzichtbaar totdat iemand het verbruik vergelijkt met dat van dezelfde periode in het voorgaande jaar.
Hieruit volgt het nuttigste praktische inzicht: elektrisch stroomverbruik is zowel een indicator van energieverbruik als een indicator van de toestand van apparatuur. Dezelfde meting die wordt gebruikt voor monitoring van het energieverbruik, kan de verslechtering van een onderdeel signaleren zonder dat speciale diagnosesensoren nodig zijn.
Daarom kunnen energiemanagement en onderhoud het beste op hetzelfde platform worden gecombineerd, in plaats van in twee systemen die slechts eenmaal per maand gegevens uitwisselen.

Wat de cijfers werkelijk zeggen

Daarom kunnen energiemanagement en onderhoud het beste op hetzelfde platform worden gecombineerd, in plaats van in twee systemen die slechts eenmaal per maand gegevens uitwisselen.
Het position paper van Deloitte uit 2017 vermeldt een daling van de totale onderhoudskosten met 5 tot 10%, een stijging van de beschikbaarheid van apparatuur met 10 tot 20% en een vermindering van de tijd voor planning met 20 tot 50%.
Hetzelfde document vermeldt ook veel hogere gemiddelden, zoals 70% minder storingen, zonder de onderliggende berekeningsbasis te specificeren.
Het PwC-Mainnovation-onderzoek uit 2018, uitgevoerd onder 268 bedrijven in Nederland, Duitsland en België, is voorzichtiger: 60% van de bedrijven die voorspellende methoden invoerden, behaalde een gemiddelde stijging van de uptime met 9%.
Hieruit volgen twee praktische inzichten. Ten eerste komen de hoogste cijfers bijna altijd uit industriële omgevingen waar kritieke machines continu in bedrijf zijn. Dat zijn omstandigheden die niet kenmerkend zijn voor gebouwen in de dienstensector.
Ten tweede is voor een investeringsbeslissing alleen het cijfer relevant dat is afgeleid van de eigen gegevens over stilstand en onderhoudsinterventies, niet een benchmark uit de sector.

Wat nodig is om te beginnen en wanneer het niet rendabel is

Er zijn vier zaken nodig: sensoren voor relevante meetwaarden, continue gegevensverzameling, een onderhoudsbeheersysteem dat afwijkingen ontvangt en omzet in taken, en iemand die de gegevens regelmatig controleert.
U hoeft niet met de volledige installatie te beginnen. Het is verstandig om u te richten op onderdelen waarvan storingen het duurst zijn, door onderbrekingen van de dienstverlening of door de kosten van noodreparaties: koelinstallaties, verwarmingscentrales, liften, pompen en hoofdschakelborden.
Voorspellend onderhoud is niet rendabel voor goedkope onderdelen die eenvoudig te vervangen zijn. Een goedkope lamp of klep kan beter volgens een schema of pas na een defect worden vervangen. Dit openlijk erkennen hoort bij een eerlijk project.

Typische voorbeelden in gebouwen

Bij luchtbehandelingskasten worden het drukverschil over filters, het stroomverbruik van ventilatoren en de toevoer- en retourluchttemperaturen bewaakt. Deze drie parameters signaleren gezamenlijk vervuilde filters, losse riemen en vervuilde warmtewisselaarbatterijen.
Bij koelinstallaties zijn de drukken, condensatie- en verdampingstemperaturen en het stroomverbruik in verhouding tot de belasting van belang, omdat het rendement al sterk afneemt voordat de installatie uitvalt.
Bij pompen kan de combinatie van trillingen en stroomverbruik slijtage aan lagers en cavitatie van waaiers vroegtijdig signaleren.
Bij elektrische schakelborden detecteert periodieke thermografie losse verbindingen, die vaak storingen veroorzaken en een brandrisico vormen.
Bij liften geven het aantal ritten, de bewegingstijden en herstelinterventies veel informatie over de toestand van de installatie. Deze gegevens worden al door de besturingskast gegenereerd.

De hulpmiddelen

De onderhoudssoftware van UTwin is geïntegreerd in een digitale tweeling van het gebouw: elk onderdeel is op de plattegrond geplaatst en heeft een eigen fiche, historie en documenten. Interventies worden toegewezen en gevolgd en blijven raadpleegbaar, ook wanneer de onderhoudsdienstverlener verandert.
Wat deze aanpak onderscheidt, is de integratie met de energiemanagementsoftware. Gegevens van slimme meters en IoT-sensoren ondersteunen tegelijkertijd de verbruiksanalyse en de bewaking van de toestand van installaties. Daardoor kan een afwijking in het stroomverbruik een werkorder genereren zonder handmatige gegevensoverdracht tussen twee afzonderlijke systemen.
Als er al een automatiseringssysteem aanwezig is, werkt het platform daarnaast en leest het de gegevens ervan uit. De relatie tussen gebouwautomatisering en digitale tweelingen wordt op de betreffende pagina uitgelegd.

Veelgestelde vragen

• Wat is het verschil tussen voorspellend en preventief onderhoud?

  Preventief onderhoud vindt plaats op vooraf vastgestelde intervallen, ongeacht de toestand van het onderdeel. Daardoor kunnen onderdelen worden vervangen terwijl ze nog goed functioneren, of kan onderhoud te laat plaatsvinden. Voorspellend onderhoud is gebaseerd op gemeten parameters die wijzen op voortschrijdende verslechtering en past de onderhoudsfrequentie aan de werkelijke toestand van de machine aan.

• Is kunstmatige intelligentie altijd noodzakelijk voor voorspellend onderhoud?

  Nee. Algoritmen zijn nuttig wanneer er voldoende historische gegevens beschikbaar zijn en signalen van verslechtering afhankelijk zijn van een combinatie van meerdere variabelen. Bij veel gebouwinstallaties levert een goed ingestelde grenswaarde voor twee of drie belangrijke meetwaarden al het grootste deel van de voordelen op en kunnen tegelijkertijd de gegevens worden verzameld die later nodig zijn.

• Hoeveel kunt u werkelijk besparen met voorspellend onderhoud?

  Gepubliceerde schattingen lopen sterk uiteen. Deloitte vermeldde in 2017 een daling van de onderhoudskosten met 5 tot 10%, terwijl het PwC-Mainnovation-onderzoek uit 2018 bij 60% van de deelnemende bedrijven een gemiddelde stijging van de uptime met 9% vaststelde.
  De veel hogere cijfers die vaak worden genoemd, hebben doorgaans betrekking op kritieke industriële installaties. Een betrouwbare schatting moet daarom worden gebaseerd op de eigen gegevens over stilstand en onderhoudsinterventies.

• Met welke installaties kunt u het beste beginnen?

  Begin met installaties waarvan storingen het duurst zijn, door onderbrekingen van de dienstverlening of de kosten van een spoedinterventie: koelinstallaties, verwarmingscentrales, pompen, liften en hoofdschakelborden. Bij goedkope onderdelen die snel kunnen worden vervangen, levert deze aanpak geen rendement op.

• Wat is het verband tussen voorspellend onderhoud en energiebesparing?

  Het verband is nauwer dan het lijkt. Vervuilde filters, vervuilde warmtewisselaarbatterijen, onvoldoende koudemiddel en verkeerd gekalibreerde sensoren verhogen het energieverbruik lang voordat een stilstand optreedt. Omdat het stroomverbruik zowel een verbruiksgegeven als een indicator van de toestand van apparatuur is, dient monitoring beide doelen met dezelfde installatie.