De leden van het Servitization Platform kwamen bijeen bij Lely in Maassluis. De marktleider in geautomatiseerde systemen voor melkveehouders stond op dat moment aan de vooravond van de opening van de vernieuwde Lely Campus door koning Willem-Alexander. Een optimale locatie om het succes dat met servitization is te behalen vorm en inhoud te geven. Senior projectmanager Oscar Moers van Lely vertelde over de ontwikkeling van een gedetailleerd predictive maintenance-concept. Co-founder Esben Rasmussen van Dezide lichtte een softwaretool toe die troubleshooting versnelt op basis van historische data.
De leden van het Platform Servitization werden gastvrij ontvangen op de Lely Campus in Maassluis. Foto’s: Sam Rentmeester
– Lely realiseert innovatieve oplossingen voor de melkveehouderij.
– Het heeft altijd al een uitgebreide 24/7 onderhouds- en servicedienst gehad.
– Er wordt een concept ontwikkeld waarmee machineonderhoud optimaal is te voorspellen.
– ‘Onderhoud om de downtime te minimaliseren blijft een spanningsveld tussen de optimale beschikbaarheid en kosten.’
– ‘Probleemoplossende taken nemen enorm veel tijd in beslag.’
Voor het bepalen van hét onderhoudsmoment en dé storingsoorzaak
Op het terrein van Lely wordt op het moment van de bijeenkomst van het Servitization Platform nog druk gewerkt. Een week later opent koning Willem-Alexander de vernieuwde Lely Campus. Het werkoppervlak voor kantoor en fabriek is verdubbeld: dat biedt meer ruimte voor het realiseren van innovatieve oplossingen voor de melkveehouderij. Duurzaamheid, circulariteit en dierenwelzijn staan daarbij centraal.
De producten van Lely sluiten aan bij de behoeften van melkveehouders, des te meer gezien de huidige uitdagingen in de agrarische sector. Lely ziet al langer een mogelijke deeloplossing in innovatie om de veeteeltsector te verduurzamen en de stikstofuitstoot te reduceren. De boerderij van de toekomst is er dan ook op gericht om belangrijke voedingsstoffen te hergebruiken, vers gras te voeren, afval te verminderen, emissies te verlagen en een nauwere band te creëren tussen boer en consument. Hiertoe is de boerderij volledig gerobotiseerd met geïntegreerde oplossingen voor onder meer voeren en melken die 24 uur per dag hun werk kunnen doen.
Voorspellend onderhoud
De voordelen die de robotisering een boerderij biedt, zijn grotendeels afhankelijk van de beschikbaarheid van de technische hulpmiddelen. Uitval van bijvoorbeeld een melkmachine levert vrijwel direct problemen op. Een koe vertrouwt erop dat zij op haar eigen tijd gemolken kan worden dankzij de melkrobot. Als een melkrobot uitvalt, zorgt dit ervoor dat de levende have zich minder prettig gaat voelen.
Lely heeft daarom altijd al een uitgebreide onderhouds- en servicedienst gerund om er 24/7 voor de boeren te kunnen zijn. Een servicegerichte oplossing. Maar nog liever heeft Lely dat er helemaal geen storingen optreden en onderhoud uitsluitend volgens planning verloopt. Om die reden is het bedrijf al geruime tijd bezig met de ontwikkeling van een nieuw onderhoudsconcept voor nieuwe machines waarmee onderhoud optimaal is te voorspellen. Zodanig dat aankomende storingen tijdig worden opgemerkt en opgelost, vóórdat componenten falen of een machine uitvalt.
Oscar Moers, senior projectmanager en tevens head of cyber security, schetst de hindernissen die het bedrijf tegenkomt bij de ontwikkeling van een onderhoudsstrategie die zó ver gaat. ‘Wanneer je aan deze droom invulling wilt geven, ontstaan er bij de reality check wel wat vragen. Hoe nauwkeurig wil je bijvoorbeeld het gedrag kunnen voorspellen, en tegen welke prijs? Is het noodzakelijk om altijd in te grijpen voordat een component faalt en welke invloed heeft dit op de reguliere onderhoudsplanning? Bovendien: is een volle 100 procent uptime eigenlijk wel nodig?’
Back to basics
Lely besloot om terug te gaan naar de basis en vanuit hier, met de kennis en mogelijkheden van nu, een nieuw onderhoudsconcept te ontwikkelen. Moers: ‘Uiteraard doe je dit niet alleen. We hebben onder meer de samenwerking gezocht met de TU Eindhoven en met hen de reality check gedaan. Daarbij zijn we de uitdaging aangegaan om het concept in de basis te ontwikkelen met puur engineering- en ontwerpdata die horen bij een nieuw te ontwerpen machine. Dat betekent dat je geen gebruik maakt van ervaringsdata uit het veld, maar het alleen doet met aannames. In dit geval hebben we een casestudie uitgevoerd op de Lely Discovery Collector, een robotstofzuiger die automatisch koeienpoep uit een stal verwijdert.’
Pauze tijdens de bijeenkomst van het Servitization Platform. Elders wordt nog druk gewerkt. Een week later opent koning Willem-Alexander de vernieuwde Lely Campus.
De eerste uitdaging luidde: ontwerp een multi-objective onderhoudsconcept voor een multi-component machine, met oog voor zowel kosten als downtime. 100 procent uptime is te bereiken door productontwikkeling of door preventief onderhoud. Dit preventieve onderhoud is gebaseerd op enerzijds het gebruik in tijd of bijvoorbeeld afstand en anderzijds de conditie van de machine. Op basis hiervan is voor de robotstofzuiger een preventief onderhoudsconcept ontwikkeld. De frequentie van de onderhoudsbeurten is hierbij variabel: van eens per 3 maanden (t = 0,25) tot eens per 9 maanden (t = 0,75). Het resultaat is te zien in de figuur.
Moers: ‘Het optimum is de zwarte lijn die onder het rode vlak is getekend waarbij onderhoud twee keer per jaar preventief wordt uitgevoerd. Hier is de verhouding tussen kosten en downtime het beste. Op dit moment zitten we op het blauwe sterretje wat betekent dat er potentie is om maximaal 10 procent op de kosten en 23 procent op de downtime te besparen.’
Van oneindig naar eindig
In een tweede stap is gekeken naar het optimaliseren van dit basisonderhoudsconcept waarbij wél de eerder opgebouwde servicegegevens uit het veld zijn betrokken. Het gaat dan om ervaringsdata waarin storingen, kosten en tijdsintervallen zijn meegenomen. Opvallend is de eindige tijdshorizon die Lely daarbij hanteert. Hiermee wijkt het bedrijf af van de gangbare oneindige tijdshorizon waarop de meeste onderhoudsconcepten zijn gebaseerd. Bij zo’n oneindige tijdshorizon wordt preventief onderhoud op vaste, vooraf vastgestelde intervallen uitgevoerd in een oneindige cyclus. Door een eindige tijdshorizon in te voeren, is het onderhoudsconcept echter verder te optimaliseren en tevens dynamisch te maken.
‘Het systeem slaat de uiteindelijke oplossing altijd op en wordt zo weer wat wijzer’
Afhankelijkheden
In een derde ontwikkelingsstap is gekeken naar de structurele, stochastische en economische afhankelijkheden van het model. Structurele afhankelijkheid wil zeggen dat bij het vervangen van een bepaalde component ook direct een andere component wordt vervangen. Stochastische afhankelijkheid richt zich onder meer op schade die wordt veroorzaakt door andere schade. Bijvoorbeeld de belasting die toeneemt wanneer een specifieke component uitvalt, of het falen van verschillende identieke componenten door dezelfde oorzaak. Moers: ‘Kijk je naar de economische afhankelijkheid, dan kun je er onder meer voor kiezen om verschillende werkzaamheden in één onderhoudsbeurt te doen, ook al zou het volgens het model iets later kunnen. Een ander aandachtspunt is om preventief onderhoud uit te voeren wanneer monteurs tóch ter plekke moeten zijn voor een reparatie of een storing. Je bespaart kosten wanneer de situatie zich hiervoor leent, en dat is prettig voor de klant.’
Voorspellend onderhoud
Tot slot komt Lely voor haar dynamische onderhoudsconcept bij de harde technische oplossing bestaande uit sensoren en analysesoftware waarmee daadwerkelijk is vast te stellen wanneer een bepaalde component aan onderhoud toe is. Om het optimale tijdstip te bepalen, kijkt het bedrijf naar de zogeheten P-F-curve.
De horizontale lijn bovenin geeft de optimale conditie van een component aan. Die conditie neemt af door het verstrijken van de tijd en het gebruik van de machine. Dit is voor het eerst detecteerbaar op moment P. Naarmate de tijd vordert, neemt conditie steeds verder af en het component faalt. Dit is moment F. Binnen dit zogenaamde P-F-interval is ruimte om onderhoud uit te voeren.
Moers: ‘Wanneer je dit voor iedere component of storing vastlegt, zal de verzameling data een waardevolle basis zijn om het juiste interval vast te stellen waarin onderhoud gedaan kan worden. Het geeft je een variabele frequentie én drempelwaarde die het mogelijk maken om binnen een bepaalde bandbreedte het onderhoud te plannen. Merk daarbij op dat voorspellend onderhoud dus niet geschikt is voor alle componenten en typen onderhoud. Er moet een grootheid zijn waarvan het belangrijkste faalmechanisme met sensoren is te volgen en waarbij de P-F-interval groot genoeg is om het onderhoud te plannen.’
Het dynamisch onderhoudsconcept van Lely stoelt al met al op een geoptimaliseerd statisch basisconcept, dynamische onderhoudsfrequenties en drempelwaarden, en economische afhankelijkheid. ‘Onderhoud om de downtime te minimaliseren zal altijd een spanningsveld blijven tussen de optimale beschikbaarheid enerzijds en de kosten anderzijds. Door gebruik te maken van sensoren en analysesoftware kunnen we binnen ons nieuwe model echter zeker de beschikbaarheid verhogen bij lagere onderhoudskosten, daarbij rekening houdend met medewerkers en dierenwelzijn.’
Efficiënter troubleshooten
Waar Moers diep in gaat op voorspellend onderhoud, richt de tweede spreker zich juist op data die van waarde kunnen zijn voor correctief onderhoud. Of nog verder: troubleshooting. Esben Rasmussen van Dezide geeft de voordelen aan van het gebruik van een expertsysteem om storingen zo snel, efficiënt en goedkoop mogelijk op te lossen. Hij demonstreert het in eigen huis ontwikkelde, zelflerende platform dat het mogelijk maakt storingen tot 70 procent sneller op te sporen. Hoe meer (correcte) data beschikbaar zijn, hoe nauwkeuriger het systeem een oorzaak kan vaststellen.
‘80 procent van de troubleshooters belt als eerste een collega bij een probleem’
Esben Rasmussen (Dezide): ‘Zoals een priester uit de 18e eeuw ooit opmerkte: het symptoom zegt iets over de oorzaak. De oorzaak leidt tot het symptoom.’
Rasmussen is co-founder van Dezide. Dat ontwikkelt al ruim twintig jaar oplossingen waarmee bedrijven hun efficiëntie kunnen verbeteren op basis van beschikbare data en opgebouwde kennis. Dezide is expert in probleemoplossing met behulp van oorzaken, kansen, acties, vragen, kosten en tijd. Rasmussen: ‘We bieden nu een technisch georiënteerd platform waarmee troubleshooting vooral efficiënter is uit te voeren. In plaats van vijf keer op locatie te moeten gaan, wordt de juiste oorzaak met één bezoek vastgesteld en het probleem opgelost. Soms zelfs op afstand, waardoor de monteur meteen de juiste materialen en gereedschappen kan meenemen. Het platform is bovendien een uitkomst voor nieuwe werknemers die nog niet de kennis en ervaring hebben om storingen efficiënt op te lossen. Last but not least: door snel – het liefste: first time right – de oorzaak te vinden, voorkom je ook kosten die gepaard gaan met het vervangen van onderdelen die niet de oorzaak van het probleem zijn. Dat draagt bij aan duurzaamheid.’
Wat te doen met data?
Veel bedrijven verzamelen veel data, maar maken daar geen maximaal gebruik van, weten ze bij Dezide. Rapportages verdwijnen in de la. ‘Dat is jammer en niet nodig’, vindt Rasmussen. ‘Uiteenlopende meetgegevens van assets, waaronder druk, temperatuur, aan/uit, falen et cetera, vormen waardevolle kennis voor technici. Zij gebruiken de data vervolgens weer om problemen op te lossen. Of zoals een priester uit de 18e eeuw ooit opmerkte: het symptoom zegt iets over de oorzaak. De oorzaak leidt tot het symptoom.’
Rekenkracht
Het verzamelen van data en het verwerken ervan in modellen die informatie opleveren, is specifiek van waarde voor troubleshooting. ‘Probleemoplossende taken nemen enorm veel tijd in beslag. Veel bedrijven hebben honderden of zelfs duizenden technici in dienst voor alleen al het oplossen van machineproblemen. Specialistische kennis beschikbaar stellen kan veel tijd en geld besparen. Bovendien maken data een gestructureerde aanpak van problemen mogelijk, waarbij kennis wordt opgebouwd en onderhouden. Kennis wordt vastgelegd in computermodellen die steeds verder worden verbeterd. Het kan nieuw of minder geschoold of ervaren personeel ondersteunen.’ Collega’s waar ook ter wereld kunnen optimaal gebruikmaken van elkaars expertise.
Troubleshooting met data profiteert van de toenemende rekenkracht van computers, duidt Rasmussen: ‘Bij aanvang is nog onduidelijk welke data wel of niet te maken hebben met het uiteindelijke probleem. Computers kunnen razendsnel data verwerken in een geschikt algoritme. Naarmate er meer data beschikbaar komen uit het veld, kunnen de modellen steeds beter in één keer een probleem vaststellen. En hiermee de oplossing.’
Discussie over de servicemodellen, met hier Eric Lapré van VMI aan het woord.
Rasmussen: ‘Uit onderzoek blijkt dat 80 procent van de troubleshooters als eerste een collega belt wanneer ze voor een probleem staan. Om te overleggen of die collega de symptomen (her)kent en mee kan denken over de mogelijke oorzaak. Zo is voortdurend een groot aantal mensen niet beschikbaar voor andere zaken. Mensen leren langzamer dan computers. De kans is ook groot dat eerder bedachte oplossingen in de vergetelheid raken. Kennis verdwijnt bovendien omdat mensen uit een bedrijf vertrekken en ook dat is te voorkomen door deze kennis gestructureerd onder te brengen in slimme software.’
Daarbij is troubleshooting er niet altijd eenvoudiger op geworden. Storingen kunnen mechanisch van aard zijn, maar net zo goed te maken hebben met software, IT of elektronica. ‘Systemen en machines zijn in de afgelopen jaren sowieso complexer geworden en dat heeft invloed op de troubleshooting.’
Ontwikkeling platform
De softwareoplossing van Dezide is gebaseerd op ‘beslissingstheoretische probleemoplossing’. Rasmussen: ‘Wanneer we een computersysteem bouwen op basis van de beslissingstheorie, neemt dit vaak de vorm aan van een expertsysteem dat advies geeft aan mensen in bepaalde contexten, of dat bepaalde taken semi-automatiseert. Op deze manier creëer je een systeem dat een synthese is tussen menselijke expertkennis en de grote rekenkracht van een computer. Deze fusie is mogelijk door een onderliggend wiskundig model. Hoe beter het algoritme, hoe eerder je tot de daadwerkelijke oorzaak van een probleem komt. Dit versnelt niet alleen de troubleshooting, maar maakt het ook gebruikersvriendelijker.’ Hij noemt het voorbeeld van een klant in grondverzetmachines die voorheen zo’n 30 procent van de tijd kwijt was met het zoeken van de juiste info in papieren of digitale documenten. ‘Een expertsysteem daarentegen leidt je automatisch en op de meest efficiëntie manier door een beslissingsproces. Er leiden vele wegen naar Rome, maar als je de snelste neemt, bespaart dat de meeste tijd.’
Route
Als voorbeeld toont Rasmussen een storing in een auto waarbij het beantwoorden van iedere vraag de gebruiker dichter naar de oplossing leidt. De antwoorden zelf bepalen wat de volgende vraag wordt. Het proces strandt niet als een antwoord niet gegeven kan worden. Zo’n vraag kan de gebruiker overslaan. Het triggert het systeem een andere route te kiezen om toch tot de juiste conclusie te komen. Daarbij worden niet alleen gemeten waarden uit het systeem meegenomen, maar ook andere beschikbare data. Denk daarbij aan de weersomstandigheden (vochtigheid, temperatuur) of de GPS-locatie (luchtdruk).
Afhankelijk van het probleem en het detailniveau waarop informatie beschikbaar is, zal het platform uiteindelijk een of meerdere oplossingen voorstellen. In de laatste fase is het dan óf een kwestie van proberen wat het gewenste resultaat geeft óf de troubleshooter kan zelf de juiste inschatting maken. Rasmussen: ‘In alle gevallen zal het systeem opslaan wat uiteindelijk de juiste oplossing is geweest en wordt zo weer wat wijzer.’
Link magazine editie september 2022 thema Arbeidsmarktkrapte: een zorg, maar ook kansrijk. Lees Link digitaal of vraag een exemplaar op: mireille.vanginkel@linkmagazine.nl’
De tool biedt ook de mogelijkheid om beslissingen te koppelen aan kosten. Hierdoor is het soms makkelijker te kiezen voor het goedkopere voorstel. En achteraf zijn de totale kosten van een gekozen oplossing beter vast te stellen. ‘Het heeft een aantal grote bedrijven al de nodige voordelen opgeleverd’, besluit Rasmussen. ‘Voor het mkb is een dergelijke oplossing minder geschikt, maar vanaf zo’n honderd medewerkers is het zeker de moeite waard om de mogelijkheden te onderzoeken.’
Servitization Platform
Het Servitization Platform is in 2018 opgericht door Link Magazine en sinds oktober 2020 onderdeel van het European Supply Chain Forum (ESCF) van de TU Eindhoven (TU/e). Onder de huidige leden zijn onder meer Lely, Tembo Group, Thermo fischer, Voortman Steel Group, Schneider Electric, ASML , Malvern Panalytical, Vekoma, Moba, Spirotech, VMI en Provincie Noord Brabant. Bij het ESCF ligt de coördinatie van het platform in handen van onderzoeksdirecteur servitization Néomie Raassens (universitair hoofddocent servitization & innovation sourcing aan de TU/e) en network orchestrator servitization John van Ginkel (uitgever Link Magazine). Met het platform moet bewustwording ontstaan over de potentie van servitization als enabler voor continuïteit en winstgevende groei. Servitization is de transitie van producten verkopen naar product-servicesystemen leveren en onderhouden. j.n.v.ginkel@tue.nl (informatieplatform)
Maximaal voordeel
Een van de meest aansprekende voorbeelden uit de praktijk wat Rasmussen betreft, is een storing die na diverse pogingen nog steeds niet opgelost was. Uiteindelijk werd besloten een – dure – unit uit de machine compleet te vervangen. Hiermee was de storing verholpen maar wel tegen een hoge prijs. Wanneer een expertsysteem was gebruikt, was er waarschijnlijk na één sessie uitgekomen dat een specifieke sensor het probleem veroorzaakte. Het uitwisselen van deze goedkope standaardcomponent had dezelfde storing opgelost maar dan vele malen sneller, goedkoper en ook duurzamer.
