Met AI het onderhoud van machines voorspellen

XAIPre is gericht op onderhoud in de maritieme industrie. Het huidige onderhoud in de maritieme industrie wordt vaak met regelmaat en een hoge frequentie uitgevoerd om incidenten tot een minimum te beperken. Hierdoor wordt onderhoud vaak te vroeg uitgevoerd, waardoor het een van de meest inefficiënte industriële activiteiten is.

Bovendien geven bestaande predictieve onderhoudsmethoden geen inzicht op wat er gebeurt tussen de input- en de outputgegevens. Het is daarom vaak niet direct duidelijk waarom apparatuur slecht functioneert en welke acties ondernomen moeten worden om het probleem op te lossen.

Het proces kan dus efficiënter en transparanter uitgevoerd worden.

Het doel van dit project is predictieve onderhoudstechnologie te ontwikkelen die enerzijds transparant en gebruiksvriendelijk is voor ingenieurs, en anderzijds inzicht kan bieden in de huidige conditie van de machine. Binnen dit project wordt specifiek gewerkt aan een onderhoudstechnologie binnen de maritieme sector.

Dit project ontwikkelt een prototype waarmee een ingenieur of monteur de huidige staat van een machine op afstand kan beoordelen. De sensoren in de machine sturen gegevens over belangrijke indicatoren, zoals warmte of wrijving, naar het algoritme. Dit algoritme toont een risicoanalyse (bijvoorbeeld, onderhoud is nodig voor het vertrek van het schip) en de belangrijkste indicatoren waar deze analyse op is gebaseerd (bijvoorbeeld, een onderdeel warmt sneller op dan zou moeten). Zo kan er specifiek en op het juiste moment actie ondernomen worden, of juist onnodige actie voorkomen worden als de machine in een prima staat verkeert.

Het nieuwe systeem heeft drie grote voordelen:

Veiliger: Onderhoudsincidenten vormen de op één na grootste incidentencategorie in de maritieme industrie, na die van de bedieningsapparatuur. Gebrek aan kennis is vaak de oorzaak van deze incidenten. Begrijpbare machine learning helpt om aan te geven waarom apparatuur slecht functioneert, waardoor het begrip en de veiligheid toenemen. Ook wordt het risico op onveilige werksituaties verkleint, door onnodige of ontijdige acties te voorkomen.

2. Duurzamer: Goed functionerende apparatuur verbruikt minder stroom, en vermindert ook de behoefte aan gespecialiseerd personeel en onderdelen die naar afgelegen locaties moeten worden vervoerd. Dit resulteert in een kleinere CO2-voetafdruk.

3. Economisch gunstiger: Predictief onderhoud leidt tot een verkorting van de doorlooptijd voor onderhoud en een verlaging van de totale onderhoudskosten. Ook vergroot het de levensduur van apparatuur en machineonderdelen.

Door de wisselwerking tussen het onderzoek en de industrie wordt een technologie ontwikkeld die direct toepasbaar is in de praktijk.

Dit project richt zich op het onderhoud van scheepsschroeven van Heerema Marine Contractors. Echter kan de ontwikkelde technologie later in meerdere industrieën toegepast worden. Denk hierbij aan scheepsontwerp (C-Job Naval Architects), productie van staal (Tata Steel Europe), vliegtuigmotoren (AirFrance/KLM) en de autoindustrie (Volkswagen Group en Honda Research Institute Europe).