SAP Consultancy

De ervaring van onze medewerkers ligt grotendeels op het gebied van SAP en deze ervaring is opgedaan tijdens intensieve consultancytrajecten bij grote, nationaal en internationaal opererende organisaties.

Predictive Maintenance en Big Data

Predictive maintenance is een onderhoudsmethodologie die er op gebaseerd is dat een machine zelf het juiste moment aangeeft wanneer het specifiek onderhoud nodig heeft. Doelstelling van deze methodologie is om kosten te besparen en beschikbaarheid te vergroten. Een andere belangrijke doelstelling is het vergroten van de veiligheid door het voorkomen van storingen. Deze vorm van onderhoud wordt steeds meer mogelijk gemaakt door het koppelen van slimme sensoren aan machines. Deze sensoren meten de conditie van de machine en geven deze informatie verder. Ook in het dagelijks leven is deze vorm van onderhoud steeds meer zichtbaar. Denk maar aan de auto, die ons tegenwoordig vertelt dat olie bijgevuld moet worden, dat de dikte van de remschijven een kritische waarde krijgen, dat de luchtdruk van de banden onvoldoende is, etc.

Productiebedrijven passen al vele jaren predictive maintenance toe. Om de conditie van machines te controleren, hebben de meeste bedrijven een programma om via sensoren de trillingen van lagers van draaiende machines te meten, analyses uit te voeren van de olie die in machines gebruikt wordt en de temperatuur te meten van kritische elektronische componenten. Op basis van de uitslag van deze gegevens wordt besloten of onderhoud uitgevoerd wordt en welk onderhoud in dat geval moet plaatsvinden. Wat de meeste bedrijven nog niet doen, is gebruik maken van de procesgegevens die op de werkvloer worden vastgelegd in de verschillende shopfloorsystemen (MES, SCADA). Deze procesgegevens bevatten “verborgen” informatie over de toestand van de verschillende machines. Deze informatie is echter niet zo gemakkelijk te ontsluiten uit deze grote berg aan gegevens. Welke data kun je gebruiken om de toestand van een bepaalde machine te analyseren en hoe zit de informatie opgesloten? Hiervoor zijn specialistische teams nodig met kennis van de processen, kennis van de mogelijke storingsvormen die kunnen optreden en kennis van statistische en analytische modellen.

De hierboven genoemde procesgegevens zijn een typisch voorbeeld van Big Data. Het vormt een grote dataset, hetgeen niet met een reguliere database verwerkt kan worden door de snelheid waarmee het binnenkomt en de diversiteit aan data. De data moet ook nog eens snel bewerkt kunnen worden om online de verborgen gegevens boven water te krijgen. De komst van de in-memory databases zoals SAP HANA bieden nu de mogelijkheid de Big Data te analyseren. Op dit moment is SAP bezig het gereedschap te ontwikkelen om de specialisten te helpen de benodigde informatie uit de procesgegevens te halen. Hiervoor heeft SAP allerlei statistische- en transformatiefuncties gebouwd om toe te passen op Big Data in een SAP HANA systeem. Daarnaast moet de mogelijkheid komen om op een slimme manier, al dan niet automatisch, patronen te ontdekken die wijzen op komende storingen van een bepaald type machine. Vervolgens kan automatisch in de procesgegevens gezocht worden naar deze patronen en bij herkenning kan er op tijd een waarschuwing gegeven worden, zodat de veiligheid vergroot wordt en onnodige uitval en kosten voorkomen worden.

Newitera is een van de partners van SAP om deze nieuwe techniek binnen Nederland te helpen introduceren. De doelstelling is nog dit jaar de grote mogelijkheden die SAP HANA biedt in de praktijk toe te passen op de procesgegevens van een eindklant. Dit biedt u een unieke gelegenheid samen met Newitera (de SAP partner op het gebied van EAM) te profiteren van een opmerkelijke besparing op uw onderhoudskosten en tegelijkertijd uw veiligheid te vergroten. Bel voor meer informatie met Paul Hensgens: 06-11751038.

SAP Consultancy | Predictive Maintenance en Big Data | Newitera