Predictief onderhoud, in het Engels Predictive Maintenance, is een actie om de toestand van een bedrijfsmiddel te controleren en de noodzaak van preventieve of corrigerende maatregelen te voorspellen. Een tijdige detectie van degradatie biedt mogelijkheden om tijdig onderhoud uit te voeren en zo het overmatig energieverbruik en materiaalverlies (door off-spec productie) te vermijden. Dankzij de opvolging en combinatie van verschillende parameters kunnen slimme algoritmes in een vroeg stadium aankomende storingen detecteren en wordt zo dus energieverlies vermeden. Bovendien wordt vaak ook energieverbruik gemonitord of berekend en zal een onverwachte stijging in energieverbruik een trigger zijn voor het waarschuwen voor een nodige onderhoudsinterventie. Door het combineren van verzamelde toestandsdata en procesdata kan, aan de hand van “predictive analyses” met AI en Machine Learning, veel beter de toestand van een asset worden ingeschat. Bovendien wordt er ook een moment van falen voorspelt. Het algoritme geeft ook de meest waarschijnlijke oorzaken aan. Op basis van de analyse van gecombineerde data, kan met grotere zekerheid een bepaalde grondoorzaak naar voren geschoven worden. Meestal wordt ook de kans op dat falen meegegeven. Voorspellend onderhoud is de meest optimale methode om aan toestandsafhankelijk onderhoud te doen. Door aankomende storingen nog vroeger en correcter te detecteren is het mogelijk om het juiste moment in te grijpen (met de minste impact op het proces). Er is dan minder nood aan wisselstukken, minder interventietijd en minder productiestilstand nodig (efficiënter materiaalgebruik en energieverbruik). Assets zullen op deze manier ook een optimale levensduur hebben, doordat functioneel en catastrofaal falen maximaal wordt voorkomen (efficiënter materiaalgebruik).
Idem aan toestandsafhankelijk onderhoud en preventief.
Voorbeeld:
Een predictief onderhoudsalgoritme verwerkt zowel procesdata (druk, temperatuur, debiet, …) en conditiedata (trillingsdata, ultrasoon geluid, stroom, spanning, …) om zo goed mogelijk de toestand van een pomp in te schatten en de resterende levensduur in te schatten. Als er een afwijking optreedt, bijvoorbeeld het verlagen van het debiet, zal het algoritme waarschuwen voor een mogelijk probleem en aangeven wanneer dit kan leiden tot een functioneel falen. Men kan dan beslissen te vervangen zonder verdere gevolgschade. Een slim algoritme kan daarnaast aan de hand van druk en debiet-metingen een inschatting maken van de pomp-efficiëntie. Door tijdig te waarschuwen voor afwijkende werkingspunten, kan onnodig energieverbruik vermeden worden. In combinatie met extra sensoren (trilling, ultrasoon geluid) kan bijvoorbeeld ook gewaarschuwd worden voor cavitatie (met een fatale impact op de levensduur) of problemen met bijvoorbeeld lager smering. Als een pomplager echter niet tijdig wordt gesmeerd, zal via correctief onderhoud het lager pas worden vervangen wanneer er een functioneel of catastrofaal falen van de pomp zich voordoet waarbij gevolgschade (schade aan de waaier, pomphuis, as) waarschijnlijk is. Dit gaat gepaard met extra materiaal gebruik en tijdens de degradatiefase ook met verhoogd energieverbruik. Predictief onderhoud kan ook toegepast worden op statisch equipment (bv reactoren, warmtewisselaars en leidingen). Door het opvolgen van de temperatuur, druk en debiet kan goed ingeschat worden wat de graad van degradatie is (bv verstopping) en hoelang de asset nog gebruikt kan worden.