Predictief onderhoud slaat op het gebruiken van sensoren en data analyse om op voorhand te gaan voorspellen wanneer een onderdeel of toestel dreigt uit te vallen. "Je gaat dus niet wachten tot iets breekt", zegt Matthias Reyntjens, partner bij PwC. "Je kan een onderhoud inplannen op een moment dat het jou beter uitkomt." PwC voerde samen met Mainnovation een onderzoek uit naar de maturiteit van dit voorspellend onderhoud bij bedrijven in ons land, en in de buurlanden. Opvallende conclusie: dit is een domein waar België voorligt.
...

Predictief onderhoud slaat op het gebruiken van sensoren en data analyse om op voorhand te gaan voorspellen wanneer een onderdeel of toestel dreigt uit te vallen. "Je gaat dus niet wachten tot iets breekt", zegt Matthias Reyntjens, partner bij PwC. "Je kan een onderhoud inplannen op een moment dat het jou beter uitkomt." PwC voerde samen met Mainnovation een onderzoek uit naar de maturiteit van dit voorspellend onderhoud bij bedrijven in ons land, en in de buurlanden. Opvallende conclusie: dit is een domein waar België voorligt. Dat komt, onder meer, door cases als die van Infrabel, de beheerder van het Belgische spoornet. "Bij Infrabel zijn we bezig om onze spoorweg intelligenter te maken, " legt Pieter Verlinden, team lead data science bij Infrabel uit. "Bedoeling is uiteindelijk dat de infrastructuur iets weet van zichzelf." Tot voor enkele jaren werkte Infrabel vooral met 'time based maintenance'. Om de drie jaar moest een wissel eens volledig uit elkaar worden gehaald, bijvoorbeeld. Om de drie maanden werd hij gesmeerd. "Er werd toen ook al veel gemeten, maar die vele gegevens werden zo snel mogelijk gefilterd. We gingen kijken waar er echt een probleem was en de rest werd meteen weggegooid." Voor moderne data analytics vormen al die gegevens natuurlijk een schat aan informatie. "Nu houden we die allemaal bij, " zegt Verlinden, "We halen er natuurlijk nog altijd de storingen uit, maar kunnen er ook andere dingen mee doen. Je kan trends gaan bijhouden om te zien of die wissel aan het degraderen is, bijvoorbeeld, en hem vergelijken met data over alle andere wissels." Die gegevens worden verzameld op verschillende manieren. Bepaalde 'assets', zoals nieuwe wissels, zijn uitgerust met eigen sensoren. Daarnaast zijn er nog alle sporen, kabels en dies meer. Die worden gecheckt met een meettrein, een rijdende sensor die een heel gamma aan informatie in één keer verzamelt. "We zijn hier al een paar jaar mee bezig," zegt Verlinden. "Met onze data-analyse kunnen we voorspellen wanneer bijvoorbeeld een wissel het zal begeven." Om het management te overtuigen van hun kunnen, bouwde het team een portaal dat de resultaten van al die analyses visualiseert. In dat portaal kan u bijvoorbeeld video bekijken van de panthograaf (de vork bovenaan de trein die contact maakt met de elektrische kabels), en kan u zien waar die een schok krijgt, op die geografische plek is er misschien een verzakking die dan ter plaatse kan worden onderzocht. De spoorwerkers besparen zo tijd omdat ze niet zelf het hele spoor moeten checken, en omdat ze vaak al weten welke vervangonderdelen ze moeten meenemen. "Datzelfde konden we niet voor bijvoorbeeld wissels, want daar is geen video, " gaat Verlinden verder. "Daarom hebben we daarvoor een model gemaakt met voorspellingen." In het portaal staat bijvoorbeeld een ranglijst van de wissels die waarschijnlijk het snelst stuk zullen gaan. Een vorm van sociale druk om het management mee te krijgen met het verhaal, legt Verlinden uit. "Als een wissel uit jouw regio daar al twee weken op kop staat en die faalt, dan wordt het steeds gênanter als je daar niets aan gedaan hebt." Verlinden zegt er meteen ook bij dat het ook voor zijn team een goede oefening was. "Als onze voorspellingen niet zouden werken, dan is dat ook meteen duidelijk." Eens iedereen mee is, blijkt de volgende stap kunstmatige intelligentie. Pieter Verlinden: "Je kan bijvoorbeeld stroomcurves van de verschillende wissels in een neuraal netwerk oplijsten, en dan kijken welke curves buiten het normale liggen. Als er bijvoorbeeld meer kracht nodig is om een treinspoor te wisselen, dan is dat misschien omdat er meer wrijving is. Dat kan je dan oplossen door dat toestel te smeren. Het is een langetermijnproject met veel quick wins, waarin je de manier waarop je aan onderhoud doet gaat veranderen." Uiteindelijk is het de bedoeling om zoveel mogelijk tijd te sparen, en eventuele defecten te snel af te zijn. Dat is vooral belangrijk omdat een defect meteen effect heeft op de reiziger, die zo hopelijk minder vaak vertragingen oploopt. ELS BELLENS"Het is een langetermijnproject met veel quick wins, waarin je de manier waarop je aan onderhoud doet gaat veranderen"