Scania 4: Voorspellen van Storingen

Dit project is het vierde Tech For Future (TFF) project op rij dat bij en met Scania uitgevoerd wordt met als doel het verhogen van de uptime van productie. Dit onderzoeksproject is een samenwerking van Saxion met de Hogeschool Windesheim en TFF. Hierbij richt Saxion zich op het verzamelen en analyseren van de datan en brengt Windesheim de kennis van mechanica en faaloorzaken in. In het vorige TFF project (Scania 3), ‘ROFA Productielijn: van corrective  naar predictive maintenance’ , is een eerste stap gemaakt naar het inwinnen gedetailleerde informatie met sensoren uit de carrier gedurende de rondgang door de productielijn. 
Met deze data worden de verschillende detail parameters van de carrier gedurende de productie runs vastgelegd om daarna geanalyseerd te worden om inzicht te krijgen in hoe de stap van corrective (na het ontstaan van een storing) maintenance naar predictive maintenance (voorspellend) gemaakt kan worden. 
De aanzet en uitkomsten van dit prototype zijn voor Scania de motivatie om een dergelijke data logging op alle carriers te plaatsen.

Dit 4e Scania project richt zich niet alleen op het terugdringen van productiestops door het uitvallen van de carriers, maar vooral ook op het beantwoorden van de vraag “hoe kan Scania voor de productielijn storingen voorspellen om zo ‘predictive maintenance’ te faciliteren?”. 
De onderzoeksrichtingen zijn tweeledig en versterken elkaar. Als eerste wordt onderzocht hoe (detail carrier) data gebruikt kan worden voor het voorspellen van falen en daarmee voor het reduceren van downtime (stilstand). Als tweede worden de carriers mechanisch geanalyseerd om daaruit faaloorzaken te detecteren. Door beide onderzoeken te combineren moet dit leiden tot Scania’s voornaamste doel het verhogen van de huidige uptime van 96 % tot 99 %. Als middel wordt ingezet op het kunnen voorspellen van storingen en hiervoor preventief onderhoud uit te voeren.

Hiertoe wordt sensortechnologie ingezet voor het verzamelen van detail data uit de carriers. Ook data vanuit o.a. machines, logbestanden, onderhoud, omgeving, product, en ERP wordt ingezet om retrospectief storingen te analyseren. Daarnaast zal, als er genoeg historische data verzameld is, machine learning ingezet worden om modellen te genereren die storingen kunnen gaan voorspellen. Door de mechanische analyses en falen aan verkregen data te koppelen wordt verwacht dat via een systematische aanpak de uptime van de productielijn te verbeteren is.

Doelen

Daar waar het vorige project als onderzoeksvraag “hoe kan de synergie van data-analyse en modelmatige aanpak van faalanalyses toegepast worden voor predictive maintenance?” had is het doel van dit project op de uitvoering gericht om de synergie tussen data-analyse en modelmatige faalanalyse te gebruiken voor predictive maintenance. 

Partners

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

Looptijd

1-9-2021 tot 1-2-2023

Meer informatie

Voor meer informatie kunt u contact opnemen met Jan Veltman.

Financiering

Dit project is mede mogelijk gemaakt door Tech For Future: http://techforfuture.nl/