Voorspellend onderhoud in intralogistiek: Anticiperen op problemen voordat ze zich voordoen

20215410331514_pickcenter-rovolution-2.jpeg

(Advertorial) Ook voor intralogistieke systemen wordt het door Industrie 4.0 mogelijk de conditie van belangrijke componenten te monitoren en stilstand van de systemen te elimineren. “De kunst is de beschikbaarheid van systemen continu te optimaliseren,” aldus Dr Maximilian Beinhofer, Head of Cognitive Systems Development bij TGW. We vroegen hem waarom voorspellend onderhoud ook in intralogistiek belangrijk is.

Wat is het nadeel om onderhoudswerken pas uit te voeren als een onderdeel niet meer werkt?
“Bij deze aanpak, ook bekend als ‘correctief onderhoud’, komt een machine of een systeem tijdelijk tot stilstand. Dit betekent een verminderde beschikbaarheid met ook economische gevolgen. Een ander knelpunt is dat in sommige gevallen een probleemoplossing moet worden opgespoord wat vaak kostbare tijd in beslag neemt.”
 
Is het een alternatief om de slijtdelen op regelmatige tijdstippen te vervangen?

“Het idee van preventief onderhoud is dat specifieke onderhouds- of vervangingscycli worden gedefinieerd op basis van empirisch vastgestelde gegevens. Dit garandeert een zeer hoge systeembeschikbaarheid, maar de keerzijde is dat de kosten hoger kunnen uitvallen omdat sommige onderdelen worden vervangen die nog niet aan vervanging toe waren.
De kern van de zaak is het vinden van het ideale onderhoudsmoment voor zowel de gebruiker van het systeem als voor de onderhoudstechnici. Condition monitoring en voorspellend onderhoud bieden daartoe een uitstekende oplossing. Een ‘digitale twin’ helpt daarbij en levert hiervoor de nodige data. Dergelijke digitale twin wordt dan ook als een van
de belangrijkste innovaties van Industrie 4.0 beschouwd.”
 
Hoe werkt voorspellend onderhoud?
“Met behulp van sensoren die de conditie van de componenten monitoren, kan een softwaresimulatie worden uitgevoerd om te checken of zich problemen voordoen. Dit gebeurt idealiter in realtime of met een minimale vertraging. Zo analyseren we bij TGW met behulp van slimme algoritmen – gebaseerd op technieken uit machine learning en data science – de data aangeleverd door de sensoren. Dat stelt ons in staat om zeer nauwkeurige uitspraken te doen over de staat en slijtage van componenten.“
 
Kunt u een concreet voorbeeld geven?
“In onze bekroonde Rovolution-pickrobot meten we de status van het vacuüm in het grijpapparaat. Als er sprake is van drukverlies, bijvoorbeeld door stofbelasting van de omgeving, kunnen we dat meteen zien en reageren.“
 
Wat doe je met oudere systemen die niet voorzien zijn van de nodige sensoren?
“Het is ook mogelijk om extra sensoren te installeren, bijvoorbeeld om trillingen te meten. Afhankelijk van de grootte van het systeem kan het aantal benodigde sensoren variëren van enkele tot honderden stuks. Om die reden dient vooraf een kosten/batenanalyse gemaakt worden. “
 
Wat is het verschil tussen voorspellend en prescriptief onderhoud?
“Voor voorspellend onderhoud is condition monitoring nodig. Het is echter niet voldoende om te weten of een sensor belast is. Het is ook belangrijk de omvang van de slijtage te kennen. Als deze informatie beschikbaar is, kan voorspellende software worden gebruikt om de waarde van een bepaalde component te berekenen en bijvoorbeeld te weten dat deze nog ongeveer drie maanden zal meegaan. Prescriptief onderhoud adviseert dan precies welke stappen in die drie maanden genomen moeten worden. “
 
Wat zijn de belangrijkste voordelen van voorspellend onderhoud?
“Over het algemeen gaat het erom de systeembeschikbaarheid te optimaliseren en de kosten laag te houden. Bovendien verbetert de feedbackloop continu. Algoritmen zorgen ervoor dat het zelflerende systeem zichzelf continu zal optimaliseren.”
 
Wat zijn de uitdagingen voor voorspellend onderhoud?

“Een uitdaging is om met minimale inspanning een maximale hefboomwerking te creëren. Een andere, technologische uitdaging is de netwerken van het systeem zo te gebruiken dat alle gegevens die nodig zijn voor het voorspellend onderhoud kunnen worden overgebracht. De feedbackloops vormen de derde uitdaging. Als fabrikant moeten wij intelligente methoden ontwikkelen om ervoor te zorgen dat feedback onmiddellijk wordt doorgegeven en tegelijkertijd ook geschikt is voor de automatische evaluatie.”
 
Hoe wordt dit gegarandeerd?
“Om de algoritmen te trainen, moet je precies weten wanneer een onderhoudstaak werd uitgevoerd en waaruit deze precies bestond. Anders neemt het systeem aan dat er vanzelf een verbetering tot stand is gekomen. Die data worden in een rapport gegoten dat bestaat uit gestandaardiseerde antwoorden uit een drop-downmenu. Om een machine learning-systeem te trainen, heb je immers machineleesbare gegevens nodig. Tegelijkertijd moet de feedbackloop snel en eenvoudig bediend kunnen worden, zodat de onderhoudstechnicus snel feedback kan geven.”
 
Voor welke modules ontwikkelt TGW voorspellend onderhoud?
“Condition monitoring is al beschikbaar voor onze Rovolution-pickrobot. Daarnaast ontwikkelen we een specifieke cloudoplossing voor data-acquisitie en -verwerking. Het idee is dat alle data – van mechatronica tot IT – in de toekomst worden vastgelegd, uiteraard volgens de regels van de GDPR en databeveiliging. De data van meerdere klanten zal worden vastgelegd. Dit heeft als voordeel dat een nieuwe klant profiteert van de data van bestaande klanten en advies krijgt van de software om het systeem te optimaliseren.
 
De digital twin is het resultaat van dit proces. Via de herhalingsmodus kan worden geanalyseerd wat er is gebeurd of de status kan realtime worden gecheckt. Een extra stap laat toe om in de toekomst te kijken en voorspellingen te doen.”
 
Hoe zal de vraag naar oplossingen op het gebied van voorspellend onderhoud zich ontwikkelen?

“Ik verwacht dat binnen vijf of tien jaar alle verkochte systemen deze service zullen bieden. Het is vandaag al standaard dat grote individuele machines met een trillingssensor zijn uitgerust.”
 
Zien klanten het voordeel en zijn ze bereid voor deze diensten te betalen?

“Ik geloof dat op lange termijn de bedrijfsmodellen achter onderhoudscontracten zullen veranderen. De nieuwe tools en diensten bieden voordelen voor de klant en deze voordelen zullen uiteindelijk zichtbaar worden in de Total Cost of Ownership (TCO). Bijgevolg zullen ook de businessmodellen worden aangepast.”
 
Link: https://www.tgw-group.com/en/news/press-releases/2021/predictive-maintenance-anticipating-problems-before-they-occur  

Recente nieuwsberichten

Toyota moderniseert pallet- en stukgoedlogistiek bij Danfoss

Danfoss heeft Toyota Automated Logistics aangesteld als hoofdaannemer voor de modernisering van zijn centrale distributiecentrum in Rodekro in Denemarken. Het bestaande logistieke systeem is sinds 2001 in gebruik en wordt de komende jaren ingrijpend vernieuwd. Het project bouwt voort op de samenwerking met viastore, dat sinds april 2026 deel uitmaakt van Toyota Automated Logistics.

AI neemt steeds meer magazijnbeslissingen over

Meer dan de helft van de bedrijven verwacht dat artificiële intelligentie tegen 2028 meer dan een kwart van de operationele beslissingen in hun magazijnen autonoom zal nemen of uitvoeren. Dat blijkt uit een wereldwijd onderzoek van het MIT Center for Transportation & Logistics (MIT CTL) en leverancier van magazijnoplossingen Mecalux. Van de ondervraagde organisaties verwacht 57 procent dat AI binnen twee jaar die mate van autonomie bereikt. Daarnaast is 90 procent van plan de komende twee tot drie jaar meer in AI te investeren. Het onderzoek is gebaseerd op een online-enquête bij 1.967 leidinggevenden en directieleden uit 21 landen, werkzaam bij bedrijven met minstens honderd medewerkers en eigen magazijnactiviteiten.

Inther vernieuwt sorteersysteem bij DHL tijdens lopende operaties

Inther Group is gestart met de vernieuwing van het intralogistieke systeem in het distributiecentrum van DHL in het Nederlandse Beringe. DHL staat er in voor de logistieke activiteiten voor een internationale technologieklant. De installatie werd vijftien jaar geleden door Inther gebouwd en wordt nu grotendeels vervangen en op verschillende punten uitgebreid. De werkzaamheden worden gefaseerd uitgevoerd, zodat de logistieke operaties tijdens het project kunnen blijven doorgaan.

JD Sports verhoogt productbeschikbaarheid met RFID

Sportwinkelketen JD Sports heeft de beschikbaarheid van producten in zijn winkels verhoogd tot 98 procent met een nieuwe RFID-oplossing voor voorraadbeheer van Zebra Technologies. Ook het aanvullen van de winkelvoorraad verloopt nu twintig procent sneller. De retailer wil met de technologie een nauwkeuriger beeld krijgen van zijn voorraden, zodat populaire maten sneller vanuit het magazijn naar de winkel kunnen worden gebracht en onlinebestellingen betrouwbaarder kunnen worden afgehandeld.

Domino introduceert kleinkarakterinkjetprinter met voorspellend onderhoud

Domino Printing Sciences heeft de Ax560i gelanceerd, een nieuwe kleinkarakterinkjetprinter op basis van continuous inkjet-technologie (CIJ) voor het aanbrengen van codes en markeringen op producten en verpakkingen. De printer bouwt voort op de bestaande Ax-serie en is ontwikkeld om ongeplande stilstand en codeerfouten op productielijnen te beperken. Daarbij ligt de nadruk op voorspellend onderhoud, geautomatiseerde reiniging en een eenvoudigere bediening.

Fabory automatiseert voorraadbeheer van kleine componenten met RFID

Fabory zet voortaan RFID-technologie in om het voorraadbeheer van kleine C-onderdelen, zoals bouten, moeren en ringen, te automatiseren. Met de oplossing Fabory Logic RFID wil de leverancier van bevestigingsmaterialen voorkomen dat productieprocessen vertraging oplopen doordat essentiële componenten ontbreken. Tegelijk moet de technologie de administratieve belasting voor inkoop- en magazijnteams verminderen.

Magazijnautomatisering die werkt: 3 lessen uit de praktijk

(Advertorial) Wat maakt magazijnautomatisering ook na de livegang succesvol? Brødrene Dahl deelt 3 praktische lessen uit zijn moderniseringstraject. Ontdek hoe slimme keuzes rond standaardisatie, maatwerk en integratie bijdragen aan succes op lange termijn.

AutoStore wil met Logiqs ook pallets automatiseren

AutoStore heeft een overeenkomst gesloten om het Nederlandse automatiseringsbedrijf Logiqs over te nemen. Met de voorgenomen overname wil de Noorse specialist in compacte robotopslag zijn technologie op termijn uitbreiden naar geautomatiseerde palletopslag. Logiqs, gevestigd in Maasdijk, ontwikkelt onder meer het iCUBE-systeem, dat pallets opslaat en verplaatst met behulp van vierwegshuttles en eigen besturingssoftware.

Körber investeert in software voor gemengde robotvloten

Technologiebedrijf Körber neemt een belang in het Duitse softwarebedrijf NAiSE, dat gespecialiseerd is in merkonafhankelijk vlootbeheer voor de intralogistiek. Met de investering wil Körber zijn softwareaanbod uitbreiden en bedrijven helpen om verschillende soorten geautomatiseerde voertuigen en robots vanuit één omgeving aan te sturen. De samenwerking bouwt voort op een bestaande relatie tussen beide ondernemingen.

Dematic installeert AutoStore op verdiepingsvloer bij GPA

Dematic heeft bij de Franse voertuigrecyclagespecialist GPA een AutoStore-systeem op een verdiepingsvloer in het magazijn geïnstalleerd. De oplossing maakt deel uit van een nieuwe faciliteit in Pont-Sainte-Maxence en moet toelaten om de beschikbare magazijnruimte optimaal te benutten.

Nieuwsbrief

Wenst u op de hoogte te blijven van alles wat reilt en zeilt binnen de supply chain wereld? Registreer dan nu GRATIS op de Value Chain nieuwsbrieven.

Registreer NU

Magazines

U wenst zich te abonneren op de Value Chain Management magazines (print en online) en wenst toegang tot alle gepubliceerde content op onze website? Abonneer NU!

Abonneer NU

Supply Chain Innovations

Hét jaarlijkse netwerkevent voor elke supply chain professional!

Lees meer
Cookies accepteren

Wij houden rekening met uw privacy

We gebruiken cookies om uw surfervaring te verbeteren, gepersonaliseerde advertenties of inhoud weer te geven en verkeer te analyseren. Door op "Alles accepteren" te klikken, stemt u in met ons gebruik van cookies.