Evenementen, beurzen & congressen AI biedt echter nu al kansen voor anomaly detection Voorspellend onderhoud op big data nog stap te ver Op 21, 22 & 23 april a.s. vinden in Evenementenhal Gorinchem de vakbeurzen Maintenance en Worksafe gelijktijdig plaats. Samen vormen deze events een uniek platform in Nederland voor veilig onderhoud binnen de industrie. Bezoekers vinden hier zowel oplossingen die bijdragen aan de optimalisatie van onderhoud en asset management, als methodes en technologie om onderhoudswerkzaamheden veiliger uit te kunnen voeren. De aanwezige exposanten presenteren toepasbare technologieën en werkwijzen voor ambities en doelen. Redactie Process Control A ls aanloop naar deze beurzen spreken we met professor Tiedo Tinga over de ontwikkelingen op het gebied van voorspellend onderhoud. Komt dat er nu echt aan, of blijft het vooral bij praten in buzzwords? Prof. dr.ir. Tiedo Tinga werkt als hoogleraar aan de Universiteit Twente en als hoogleraar aan de Nederlandse Defensie Academie op het KIM (Koninklijk Instituut voor de Marine) in Den Helder. We spraken Tinga zo’n twee jaar geleden in het kader van het SUPREME project (zie kader SUPREME) waarbij Tinga onderzoek deed naar voorspellend onderhoud bij de Hisarna plant van Tata Steel. Hoewel twee jaar tijd op industrieel gebied niet zo gek lang is, zijn die twee jaren op het gebied van digitale ontwikkelingen, zoals Big Data en Smart Industry, misschien wel lichtjaren. “Ik merk vanuit de industrie inderdaad een toename in interesse als het om voorspellend onderhoud gaat. Iedereen heeft het over Big Data, AI, en IoT. Er is geen industrie meer die denkt dat ze zonder kunnen. Ook op het gebied van maintenance zijn er veel partijen die zich realiseren dat er veel potentie in die ontwikkelingen zit. Aan de andere kant zijn er nog steeds geen enorme doorbraken geweest in de praktijk waarbij AI leidde tot een verhoogde mate van predictive maintenance.” Algoritmes leren Waar men een paar jaar geleden nog dacht dat het genereren van enorme hoeveelheden data, in combinatie met een slim (AI) algoritme eigenlijk vanzelf wel tot predictive maintenance zou leiden, is het realisme in de industrie weer enigszins teruggekeerd (Zie kader ‘model based vs data based’). De vraag op dit moment is of big data en AI in de toekomst überhaupt voor predictive maintenance zullen gaan zorgen, of dat het idee a priori niet werkt. “Met de data die nu doorgaans beschikbaar is, kunnen de huidige algoritmes niet de patronen zien die je nodig hebt”, legt Tinga uit. “Dat zit hem enerzijds in de kwaliteit en de relevantie van de data. Veel data is niet hetzelfde als goede data. Anderzijds wil je zo’n algoritme leren om failures te herkennen en dat is lastig, want die vinden, als het goed is, bijzonder weinig plaats.” Hondenbrokjes In een nieuw project, getiteld PrimaVera, waarbij een aantal universiteiten met elkaar samenwerken, wordt er specifiek gekeken naar een manier om failures te simuleren. Tinga: “We gebruiken daarbij fysische modellen waarin we failures simuleren. Daarmee probeHet SUPREME project SUPREME staat voor Smart Sensoring and Predictive Maintenance in Steel Manufacturing. Met dit project richt Tinga zich met zijn onderzoeksgroep zich op slimme sensoren en voorspellend onderhoud in de staalindustrie. De HIsarna plant bij Tata Steel vormde de afgelopen jaren de pilotplant voor het onderzoek. Vorig jaar werd echter bekend dat het HIsarna proces niet op volledige schaal in Nederland zal worden gerealiseerd, maar in India. Voor het SUPREME project is daarom uitgeweken naar een case studie bij een andere Tata Steel plant. 36 | nummer 1 | 2020
37 Online Touch Home