Partners
- IJssel Technologies
- Sorama
- Fontys ICT
- TU/e
- JADS
IJssel Technologies heeft een testopstelling ontwikkeld voor het implementeren van voorspellend onderhoud (Predictive Maintenance) aan zware transportrollen in de Tata Steelfabrieken in IJmuiden. In deze fabriek worden jaarlijks 3500 van de in totaal 15000 transportrollen onderhouden via tijdsafhankelijk onderhoud (TAO). Deze testopstelling is ontworpen om het huidige TAO-systeem te verbeteren en om storingsafhankelijk onderhoud (SAO) te voorkomen door gebruik te maken van gegevensafhankelijk onderhoud (GAO) met behulp data afkomstig van sensoren en van een AI-model.
Doelstellingen
- Voorspellen van Onderhoud: Implementatie van een AI-model om te voorspellen wanneer onderhoud aan de transportrollen nodig is.
- Minimaliseren van SAO: Voorkomen van onverwachte storingen die de productie stilleggen.
- Verhogen van Efficiëntie: Verlengen van de levensduur van transportrollen en optimaliseren van onderhoudsschema's.
Sensoren en Dataverzameling
De testopstelling maakt gebruik van diverse sensoren om relevante data te verzamelen:
- Trillingssensoren: Monitoren trillingsniveaus om afwijkingen in de rolbeweging te detecteren.
- Temperatuursensoren: Meten van de temperatuur van de lagers en aandrijvingen om verhoogde temperaturen te meten, die duiden op verhoogde weerstand tgv slijtage.
- Energieverbruiksmetingen: Bewaken van het energieverbruik van de aandrijvingen om inefficiënties op te sporen.
- Geluidsmetingen met een Geluidscamera van Sorama: Monitoren van de productielijn op afstand. De geluidscamera detecteert afwijkende geluiden veroorzaakt door bijvoorbeeld slecht draaiende lagers.
AI-Model en Data-analyse
Het AI-model is verantwoordelijk voor de analyse van de verzamelde data en het identificeren van anomalieën. Het model richt zich op de volgende aspecten:
- Anomalie Detectie: Herkennen van uitschieters en afwijkende patronen in de data die wijzen op mogelijke problemen met de transportrollen.
- Predictieve Analyses: Voorspellen van onderhoudsbehoeften op basis van historische en real-time data.
- Visualisatie: Weergave van de resultaten en inzichten in een begrijpelijk dashboard voor de technici.
Procesbeschrijving
- Data Verzameling: De sensoren verzamelen continu data van de transportrollen.
- Dataoverdracht: De verzamelde data wordt in real-time naar een centrale database gestuurd.
- Data-analyse: Het AI-model analyseert de data en identificeert mogelijke afwijkingen.
- Waarschuwingen: Bij detectie van een mogelijke storing, genereert het systeem waarschuwingen voor de onderhoudsteams.
- Onderhoudsplanning: De onderhoudsteams gebruiken de gegenereerde inzichten om onderhoud te plannen voordat er storingen optreden.
Voordelen
- Verminderde Stilstand: Minder onverwachte stilstanden en verhoogde productiviteit.
- Kostenbesparing: Verlaging van onderhoudskosten door preventieve maatregelen en efficiëntere onderhoudsplanning.
- Levensduur Verlenging: Verlenging van de levensduur van de transportrollen door tijdig onderhoud.
Wat kun je leren
Uit deze testopstelling kunnen diverse waardevolle lessen worden getrokken:
- Betrouwbaarheid van AI in Onderhoud: De effectiviteit van AI-modellen in het tijdig detecteren van afwijkingen en het voorspellen van onderhoudsbehoeften.
- Sensorintegratie en Datakwaliteit: Inzichten in de integratie van verschillende sensoren en de kwaliteit van de data die ze genereren.
- Data-analyse Processen: Verbetering van data-analyse processen en technieken voor nauwkeurigere predictieve analyses.
- Operationele Efficiëntie: Het potentieel voor verhoogde operationele efficiëntie en verminderde stilstand door voorspellend onderhoud.
- Kosten-Baten Analyse: Evaluatie van de kosten versus de baten van het implementeren van een voorspellend onderhoudssysteem.
- Samenwerking tussen Technici en AI: Inzicht in de samenwerking tussen onderhoudstechnici en AI-systemen voor optimale resultaten.
Deze inzichten kunnen bijdragen aan de verdere optimalisatie van voorspellende onderhoudssystemen, niet alleen binnen Tata Steel, maar ook in andere industriële omgevingen waar voorspellend onderhoud cruciaal is voor de operationele continuïteit en efficiëntie.
Conclusie
De testopstelling voor voorspellend onderhoud bij IJssel Technologies vertegenwoordigt een innovatieve stap in het onderhoudsbeheer van de Tata Steelfabrieken in IJmuiden. Door gebruik te maken van geavanceerde sensortechnologieën en AI-modellen, kan de efficiëntie van het onderhoudsproces aanzienlijk worden verbeterd, wat resulteert in een betrouwbaardere en kostenefficiëntere productieomgeving.
