41
Predictief onderhoud op
basis van machine learning
kan flink kosten besparen
>
Dit schema geeft SKF Enlight AI’s Automated
Machine en deep learning engine weer
Eitan Vesely, AI Offering
Manager van SKF
A
utomated Machine Learning (AutoML) past vooraf
getrainde machine learning-algoritmen toe op
real time procesgegevens om abnormale patro-
nen te identificeren en technici te waarschuwen
voor dreigende machinedefecten. AI kiest welke
machine learning-modellen worden toegepast en onderhoudt
deze modellen terwijl deze in de productie actief zijn. Dit maakt
een snellere modellering en hogere nauwkeurigheid mogelijk.
Eitan Vesely, AI Offering Manager van SKF: “Wat deze ontwik-
keling echt boeiend maakt, is dat we de trillingsgegevens van
assets kunnen combineren met temperatuur- en andere soorten
procesgegevens die assets genereren. We kunnen stellen dat ‘2
+ 2 = 5’ wanneer we de waarde van de gecombineerde gegevens
set extrapoleren en zien wat dit aan nuttige inzichten oplevert.
Voor klanten betekent dit dat ze vroeger worden gewaarschuwd
voor defecten en inzichten krijgen die onderhoudstechnici de
nodige tijd en informatie geven om onderhoud te plannen en
een diagnose te stellen voordat een machine uitvalt.”
Ondersteuning nieuwe bedrijfsmodellen
Predictief onderhoud op basis van AutoML is op zichzelf
een krachtige tool om defecten te voorspellen en een grondig
inzicht te krijgen in de gezondheid van assets op sensor-, asset- en
bedrijfsniveau. Maar het wordt pas echt indrukwekkend als we het
effect ervan op bedrijfsmodellen bekijken. De AutoML-oplossing
van SKF – SKF Enlight AI – maakt het mogelijk om bedrijfsmodellen
op basis van resultaten te implementeren, waarbij klanten een
vast bedrag betalen voor een gecombineerd aanbod van SKF. Dit
kan lagers, sensoren, smering, afdichtingen en reconditionering
omvatten. SKF Enlight AI en de beslissingskennis die het oplevert
stellen de klant en SKF in staat om samen de prestaties van de
machine te verbeteren vanuit het oogpunt van zowel producti-
viteit als duurzaamheid.
“Dankzij de kennis en inzichten in de machineprestaties die
AutoML ons biedt kunnen we samen met de klant op een volledig
nieuwe manier onderhoud plannen en voorraden van reserveon-
derdelen optimaliseren. Eenvoudig gezegd, het vermijden van
ongeplande downtime levert significante voordelen op voor alle
betrokkenen,” legt Vesely uit.
40-41-42-43_skf.indd 41 08-03-21 16:48
