Big Data en Maintenance Gemma Kleen Instrumentele Zaken EINDHOVEN
Agenda Korte inleiding LUMC data Weibull en Crow-AMSSA, resultaten Toekomst 2 Insert > Header & footer 13-feb-17
Korte inleiding LUMC, Leids Universitair Medisch Centrum Doelen in het ziekenhuis: Patiëntenzorg Onderzoek Onderwijs Doelen binnen Instrumentele Zaken mbt apparatuur Veiligheid en continuïteit t.a.v. apparatuur borgen Optimaliseren onderhoud Kosten Onderhoud versus storingen, patronen vastleggen Leveranciersevaluaties Vervangen Asset Management Systeem
LUMC Data Onderhoud Management Systeem: Ultimo Apparatuur: Ongeveer 40.000 apparaten Ongeveer 4.000 verschillende apparaten Medisch, laboratorium en facilitaire apparatuur Direct patiënt gerelateerd, dus hoogrisico, maar ook apparatuur voor wetenschappelijk onderzoek Onderhoudscontracten Planningen voor onderhoud Storingen, Correctief onderhoud Alle apparaten hebben een eigen nummer, eigen job s, eigen planningen
LUMC Data Optimaliseren onderhoud op basis van feiten en grafieken Nu: Handmatig Straks: Gebruik tools zoals: Weibull analyses Crow AMSSA Enz.
Weibull analyse Weibull: Voorspelling van time-to-failure van producten of onderdelen Voorspelling van aantal storingen specifiek apparaat, specifieke uitval, populatie Berekening van Optimale vervangingsmoment (OH) financieel Kostenbesparing met en zonder vervanging(oh) Voor deze techniek lijkt het LUMC in eerste instantie voldoende data te hebben. Data is lastig splitsbaar, bv onderdelen zijn wel vastgelegd in de werkbonnen dus is niet eenvoudig met een druk op de knop uit de database te halen Om toch een weibull plot te realiseren hebben we aannames gedaan Bv: de job omschrijving hebben we gebruikt als 1 faalvorm, bv: lek, lekkage, water onder het apparaat.
Weibull analyse Aanname: Preventief Euro 10,= per vervanging; Correctief Euro 450,=??
Weibull analyse In plaats van 40 ongeplande reparaties worden er nog maar 2
Crow AMSSA Crow-AMSSA: Betrouwbaarheidsgroei van systemen meten Toekomstige storingen te voorspellen Vergelijken van de huidige betrouwbaarheidsgroei t.o.v. soortgelijke systemen en/of statistische standaards Betrouwbaarheidsperiodes voorspellen Real time monitoring om trendbreuken te signaleren en op koers te blijven om de gewenste reliability doel te behalen Omdat het bij de Crow-AMSAA methode niet noodzakelijk is de analyse per faalvorm te maken, is de beschikbare data volledig geschikt voor deze analyse. Op basis van alle reparaties data is een vergelijking gemaakt tussen de 2 afdelingen met vergelijkbare apparaten.
Crow AMSSA ABC Failure Rate per XYZ unit = Constant Failure Rate ABC unit = Stijgend
Crow AMSSA Crow-AMSSA analyse is direct bruikbaar op de data uit het LUMC. Deze data is voor het LUMC zeer bruikbaar, we kunnen verklaren waarom de data van de XYZ constant is en van de andere afdeling toeneemt. De data van de ABC afdeling is data van oudere apparatuur. Dit is intern gecommuniceerd en positief ontvangen. Ondertussen is 1 van de oudere apparaten vervangen.
Toekomst Doelen: Analyses helpen om onderhoud te optimaliseren Maar eerst: Kennis opbouw noodzakelijk Kennis over statistiek in huis halen, eigen mensen opleiden tot experts Kennis mbt statistiek begrijpen en kunnen uitdragen in het LUMC Meer en betere data De huidige database wordt op korte termijn vervangen Nieuwe processen inrichten voor de verbetering van het vastleggen van data omtrent het onderhoud en de storingen
Dank u voor uw aandacht Voor vragen kunt u contact met mij opnemen: Gemma Kleen Projectleider Instrumentele Zaken LUMC Tel: 071-5263288 Emailadres: G.M.C.A.L.Kleen@lumc.nl 13 Insert > Header & footer 13-feb-17