Hoe datagestuurd onderhoud de materiaalverwerking transformeert

 

Datagestuurde inzichten kunnen helpen de prestaties, het onderhoud en de duurzaamheid van magazijnautomatisering en materiaalbehandeling te optimaliseren, legt Dan Migliozzi, Sales & Marketing Director, uit bijInvar-groep.

 

De huidige apparatuur voor materiaalbehandeling en intralogistiek is verbazingwekkend betrouwbaar. Niettemin kan er veel misgaan – al die mechanische onderdelen zoals rollen, lagers, motoren, riemen en niet te vergeten schakelaars, sensoren en de rest van de elektronica. Voor veel bedrijven is deze apparatuur van cruciaal belang: als deze offline is, stopt alles.

 

Onverwachte storingen en ongepland onderhoud en reparaties verhogen niet alleen de kosten en belemmeren de klantenservice, ze hebben ook directe en aanzienlijke gevolgen voor het milieu en de duurzaamheid. Maar door datagestuurde onderhoudsstrategieën te implementeren, kunnen deze kosten, prestaties en milieueffecten aanzienlijk worden verminderd.

 

Wees niet met de ogen knipperend

Sommige bedrijven, vooral bedrijven met beperkte interne capaciteiten, werken op een 'als het niet kapot is, repareer het dan niet'. Dit lijkt misschien onnodige downtime en kosten te verminderen, maar het is een strategie met een hoog risico. Er is een bekende wet die bepaalt dat als er iets kapot kan gaan, dat ook zal gebeuren, en wel op het slechtst mogelijke moment: tijdens het hoogseizoen, bij spoedorders, tijdens het weekend van de feestdagen wanneer de reserveonderdelenwinkel gesloten is. Niet aanbevolen.

 

Een meer geavanceerde aanpak is die van gepland, gepland onderhoud. Componenten die onderhevig zijn aan slijtage of anderszins defect kunnen raken, worden met regelmatige tussenpozen vervangen – zoals aanbevolen door de fabrikant van de apparatuur, of op basis van bittere ervaringen. Ook deze aanpak heeft nadelen.

 

De verwachte levensduur van een onderdeel is een statistische constructie – sommige zullen vroegtijdig falen; anderen kunnen veel langer goed zijn. Onderhoudsintervallen zijn vaak gebaseerd op de kalender, in plaats van op de hoeveelheid en de aard van het gebruik dat de apparatuur heeft ervaren. Meestal worden alle onderdelen van een bepaalde 'levensduur' vervangen, ongeacht of ze deze nu nodig hebben of niet. Perfect goede onderdelen worden als schroot verzonden. Ondertussen kunnen de prestaties van andere componenten verslechteren, ruim vóór de vervangingsdatum. Dit kan domino-effecten hebben op de aandoening of

levensduur van andere systeemcomponenten, terwijl het verbruik van energie, smeermiddelen en andere verbruiksartikelen toeneemt. Niets van dit alles is goed voor de duurzaamheid.

 

Een intelligente datagedreven aanpak

Onderhoud hoeft niet zo willekeurig te zijn. De meeste automatisering van materiaalbehandeling verzamelt een overvloed aan conditiebewaking en andere gegevens die kunnen worden gebruikt bij een preventieve onderhoudsaanpak. Belangrijke parameters, bijvoorbeeld het energieverbruik van motoren of de temperatuur van lagers, kunnen worden gemonitord en waarschuwingen genereren vóór de het ergste gebeurt.

 

Maar in plaats van dat het onderhoudspersoneel alleen maar reageert op waarschuwingen dat een onderdeel buiten zijn prestatiebereik valt of op het punt staat te presteren, kunnen we intelligente analytische software gebruiken om het onderhoudsproces in de meest efficiënte en duurzame richting te sturen.

 

We kunnen zowel historische als realtime gegevens samenbrengenSCADAen andere systemen, om storingsgebieden en oorzaken te identificeren – zowel eenmalige gebeurtenissen als regelmatige slijtage, gemiddelde tijden tussen storingen en uitvaltijden die nodig zijn om actie te ondernemen. We kunnen gegevens over daadwerkelijke belasting en gebruik gebruiken, in plaats van verstreken tijden, om te voorspellen welke componenten waarschijnlijk moeten worden vervangen en wanneer – en welke identieke componenten nog steeds in orde zouden moeten zijn. Op alle sites die we installeren, staan ​​deze gegevens klaar om te worden gebruikt en we beschikken over de softwaretools die deze gegevens kunnen analyseren, zodat we beslissingen kunnen nemen over de meest geschikte, proportionele acties die we moeten ondernemen.

 

Bovendien maakt software het leren mogelijk, waardoor voortdurende verbetering wordt gestimuleerd en mogelijk wordt onthuld waar investeringen in nieuwe apparatuur, of passende upgrades en verbeteringen – of zelfs training van personeel en operators – nodig kunnen zijn.

 

Datagestuurd onderhoud zorgt ervoor dat apparatuur langer op maximale capaciteit kan werken en dat kleine storingen en andere incidenten worden verminderd, terwijl de noodzakelijke stilstand kan worden geoptimaliseerd om aan de werkpatronen te voldoen. Hierbij wordt optimaal gebruik gemaakt van technisch personeel (intern of extern) om te anticiperen op de behoefte aan en de beschikbaarheid van de noodzakelijke reserve- en vervangingsonderdelen te garanderen, zodat stilstand door onderhoud niet wordt verspild.

 

Duurzaamheidsstrategieën

Gegevensanalyse van magazijnautomatisering en de onderhoudsbehoeften ervan draagt ​​bij aan een breder scala aan milieudoelstellingen en -strategieën.

Analytics maakt een efficiënt gebruik van een uiterst kritische hulpbron mogelijk: het plannen van waar en wanneer getraind personeel nodig zal zijn, en wat hun trainingsbehoeften zijn.

Effectieve onderhoudsstrategieën ondersteunen de doelstellingen voor afvalvermindering door het onnodige gebruik van dure (in economische en ecologische termen) vervangende onderdelen te verminderen. Onderdelen kunnen worden teruggewonnen als ze nog kunnen worden gereviseerd in plaats van te worden gesloopt.

 

Gegevensgestuurd preventief onderhoud zorgt voor efficiënte prestaties van de automatisering, waardoor het verbruik van energie en verbruiksartikelen wordt verminderd. Een sterk versleten transportband kan 2-6 keer zoveel energie verbruiken als een transportband die in goede staat verkeert. Meer in het algemeen kunnen analyses worden gebruikt om de automatisering in de meest energie-efficiënte modi aan te sturen.

 

Het verbruik en de verspilling van verpakkingsmaterialen en hun inhoud, beschadigd door slecht presterende of defecte apparatuur, wordt verminderd. Automatisering vermindert of elimineert ook het gebruik van meer vervuilende vormen van materiaaltransportapparatuur zoals heftrucks.

 

Automatisering kan veel van de gezondheids- en veiligheidsrisico's die gepaard gaan met magazijnactiviteiten, zoals tillen, verminderen of elimineren. Apparatuur die goed wordt onderhouden om binnen het ontworpen operationele bereik te blijven, is inherent veiliger.

 

Belangrijk is dat analyses verschillen in de levenscyclusimpact van onderdelen en materialen van verschillende leveranciers aan het licht kunnen brengen, wat kan helpen bij het vormgeven van een duurzaam inkoopbeleid.

 

En terwijl de fysieke onderhoudswerkzaamheden onvermijdelijk gepaard gaan met stilstand en een nieuwe ronde in de eeuwenoude strijd tussen operaties en engineering, betekent machinemonitoring dat de noodzaak om de lijn stil te leggen voor inspectie en beoordeling grotendeels wordt geëlimineerd. Ironisch genoeg is het demonteren van apparatuur voor inspectie op zichzelf een erkende oorzaak van falen!

 

We maken ons allemaal terecht zorgen over de duurzaamheid van de bedrijfsvoering van onze bedrijven. Intelligente magazijnautomatisering ondersteund door een data-analytische benadering van onderhoud die apparatuurstoringen voorspelt en voorkomt, de uitvaltijd zal verminderen, de kosten en het serviceniveau zal verbeteren en de impact op het milieu van activiteiten, onderhoud en reparaties aanzienlijk zal verminderen.