Van onderhoud naar assetbeheer

We schuiven voor ons machinepark op naar een system van assetbeheer. We beheren en bewaken de hele levenscyclus van onze assets. Zo evolueren we naar betrouwbare installaties aan de best mogelijke kost.

Onderhoudsstrategie

Brecht Kestemont, afdelingschef Machinepark: “Onze onderhoudsstrategie telt vier niveaus. Het reactieve niveau omvat het traditionele herstel en onderhoud. Tijdsgebonden onderhoud zit onder het preventieve niveau. Op basis van data en sensormetingen voeren we predictief onderhoud uit. Het laatste niveau bestaat uit Reliability Centered Maintenance (RCM). Met die methode optimaliseren we het onderhoud en verhogen we de betrouwbaarheid van ons machinepark.”

We stellen voor elke machine een strategie en een actieplan op in overleg met onze interne partners – distributiecentra en productiesites waar we bijvoorbeeld kaas versnijden of koffie branden. De focus is niet bij elke installatie dezelfde. Soms weegt de operationele kost door, soms de beschikbaarheid. Uiteraard zijn we flexibel genoeg om in te spelen op plotse veranderingen. We houden zo de keten in leven als er grotere productiviteit of een strakkere kostencontrole nodig is.

Van subjectief naar objectief

Vroeger werkten we vaak op het gevoel over de werking van een machine. Dat komt niet altijd overeen met de data. Brecht: “Daarom halen we die subjectiviteit uit onze kriticaliteitsranking – wat is kritiek en wat is dat minder? Daarvoor rekenen we niet enkel op de data die de machine zelf genereert: we combineren die draaiuren, temperatuur- en trillingssensoren met werkverslagen en data over interventies van onze techniekers. Zo krijgen we een vollediger beeld van hoe de installatie draait en waar we mogelijk problemen kunnen verwachten.”

“We zetten dus meer en meer in op ‘data driven maintenance’. Die data bepalen steeds meer onze onderhoudsstrategieën. Vandaag gebeuren reeds onder meer temperatuur-, trillings- en geluidsmetingen om het potential failure interval te bepalen. We willen onze machines nog slimmer maken met extra sensoren en componenten die data genereren.”

Klaar voor de toekomst

In een volgende fase willen we verder evolueren naar IoT (Internet of Things) en artificiële intelligentie. Zo willen we via correlaties in de data oorzaken van falen analyseren. “Op die manier schuiven we naar machine learning. We tillen alles naar een hoger niveau om automatisch alarm te slaan en actiegericht te plannen. Op die manier kunnen we mensen uitsturen nog vóór machines en productieketens het laten afweten: predictieve maintenance op zijn best”, besluit Brecht.

Interesse om te werken bij Colruyt Group Technics en Engineering?