Big Data Analysis: Uptime Improvement Scania

In de fabriek van Scania te Zwolle bevinden zich twee productielijnen via welke vrachtauto’s worden geassembleerd. De buitenste lijn betreft een lijn met een hoog productievolume, de binnenste lijn is aanvullend en vangt schommelingen op. De fabriek is gebaseerd op lean manufacturing en is het meest efficiënt van alle Scania locaties in termen van takttijd en van mensinzet per afgeleverde vrachtauto.

De Scania-fabriek kent een strakke logistiek waar het gaat om het aanleveren van onderdelen. In de nacht en het weekend staat de productielijn stil en is er mogelijkheid tot uitloop en/of onderhoud. Dankzij een uitgekiende onderhoudsstrategie ligt de totale uptime van deze assembleer lijnen erg hoog, maar is nog geen 100%.

Er blijken toch nog onverwachtte storingen in bepaalde onderdelen van de productielijn voor te komen. Als één onderdeel van deze assembleer lijnen faalt is in het algemeen het gevolg dat, in de sequentie van onderdelen, de gehele productielijn stilligt.

Dit project richt zich op het gebruik van data uit de productie omgeving voor het voorspellen van falen en daarmee voor het reduceren van downtime (stilstand). Scania’s voornaamste doel hierbij is het verhogen van de huidige uptime. Het is bekend dat sensortechnologie het mogelijk maakt veel data te verzamelen en hierop data-analyses uit te voeren om daarmee de van de faalgrens van componenten te detecteren. Het onderzoek richt zich erop om via een systematische aanpak in het gebruik van data de uptime van de productielijn te verbeteren.

Onderwerp

Smart Industry, data-analyse, sensortechnologie.

Doelen

Het doel van het project is vaststellen hoe met data verkregen uit de productielijn van Scania de uptime van de productielijn te verhogen.

Betrokkenen

Scania Production Zwolle B.V., Saxion (penvoerder), Windesheim.

Looptijd

1 december 2018 tot 1 februari 2020.

Financiering

Dit project is mede mogelijk gemaakt door TechForFuture.

Meer informatie

Voor meer informatie kunt u contact opnemen met Jan Veltman, j.w.veltman@saxion.nl