Lezing ANVR, Utrecht, 8 maart 2012 Meer met minder: Hogere beschikbaarheid tegen lagere kosten Geert-Jan van Houtum Hoogleraar Maintenance & Reliability
Technische systemen PAGE 1
Moore s Law PAGE 2
Lange-termijn trends Onderhoud complexe systemen wordt te ingewikkeld voor gebruikers zelf Gebruikers eisen hogere beschikbaarheid (minder stilstand) Gebruikers kijken naar TCO PAGE 3
Lange-termijn trends Onderhoud complexe systemen wordt te ingewikkeld voor gebruikers zelf Gebruikers eisen hogere beschikbaarheid (minder stilstand) Gebruikers kijken naar TCO Onderhoud wordt uitbesteed naar een derde partij of OEM (pooling resources, pooling data, remote monitoring) Extremer: Men verkoopt de functie plus beschikbaarheid Feedback naar design (betere systemen, hogere duurzaamheid) PAGE 4
INHOUD Inleiding Meer met minder Voorbeeld 1: Slimme spare parts planning Voorbeeld 2: Redundantie inbouwen Voorbeeld 3: Condition based maintenance Conclusie PAGE 5
Meer met minder PAGE 6
Meer met minder Systeembeschikbaarheid 100% TCO PAGE 7
Minder met minder Stilstand TCO PAGE 8
Stilstand vs. TCO Stilstand = ST x (DM + RT) Stilstand ST: Aantal storingen per jaar DM: Tijd voor diagnose en aanvoer middelen RT: Reparatietijd TCO PAGE 9
Onderzoeksthema s Stilstand ST DM RT Thema 1 Thema 2 Thema 3 Thema s: 1. Service Supply Chain Voorbeeld 1 2. Onderhoudsconcepten Voorbeeld 3: CBM 3. Design for Availability Voorbeeld 2 PAGE 10
Voorbeeld 1: Slimme spare parts planning (cf. Kranenburg & Van Houtum [EJOR, 2009]) PAGE 11
Probleem Gegeven: OEM van high-tech systemen 19 lokale voorraadpunten 1451 SKU s (dure t/m goedkope) Men gebruikt laterale shipments op operationeel niveau Kosten: Voorraad- en transportkosten Vraag: Hoeveel leg je op voorraad? (tactisch beslissingsprobleem) PAGE 12
Ontwikkeld: Voorraadmodel met laterale shipments Model voor meerdere lokale voorraadpunten Lokale voorraden Klanten Integrale voorraadbeheersing Multi-item setting! PAGE 13
Vergelijking Scenario 1: Houdt geen rekening met laterale shipments op tactisch planningsniveau (planning per voorraadpunt) Gebruik wel laterale shipments op operationeel niveau Scenario 2: Houdt al wel rekening met laterale shipments op tactisch planningsniveau (integrale planning) PAGE 14
Vergelijking (2) Scenario 1: Houdt geen rekening met laterale shipments op tactisch planningsniveau (planning per voorraadpunt) Gebruik wel laterale shipments op operationeel niveau Scenario 2: Houdt al wel rekening met laterale shipments op tactisch planningsniveau (integrale planning) => Scenario 2 is 32% efficienter dan scenario 1 PAGE 15
Voorbeeld 2: Redundantie inbouwen (Cf. master thesis Vlasblom [2009]) PAGE 16
Deliverable Een calculatiemodel voor de bepaling van de systeembeschikbaarheid en TCO van een gegeven systeemontwerp in de early-sales phase van een project Focus: Baggageafhandelingssystemen PAGE 17
Model ontwikkeling Configuratie van een systeem Transport zone Check in zone Check in area Section: Belt floorveyor Section: Weighing belt section level (building blocks) zone level area level system level PAGE 18
Model ontwikkeling (2) Invloed op beschikbaarheid via betrouwbaarheid Hogere betrouwbaarheid - Hogere beschikbaarheid - Hogere investering Equipment System redundancy Inspections and Preventive Maintenance Modifications and Retrofits Constant Meer inspecties - Hogere beschikbaarheid - Hogere onderhoudskosten Meer redundantie - Hogere beschikbaarheid - Hogere investering PAGE 19
Model ontwikkeling (3) Invloed op beschikbaarheid via stilstand Equipment System redundancy Inspections and Preventive Maintenance Modifications and Retrofits Constant Constant Constant Hogere spare parts voorraad - Hogere beschikbaarheid - Hogere investering in spare parts PAGE 20
Case 2 ontwerpalternatieven: met en zonder redundantie PAGE 21
Case (2) Ontwerp met redundantie: Initiële investering: 21% Maar: TCO: 5% Stilstand: 30% PAGE 22
Voorbeeld 3: Condition based maintenance (Cf. master thesis Cakir [2011]) PAGE 23
Customer support netwerk Centraal niveau: Verzamelen van veel parameters Aanvoer spare parts Reg. repl.: 1-2 weken Centraal voorraadpunt Emergency Shipm.: 1-2 dagen Locaal voorraadpunt Laterale verzendingen: Een paar uur Klanten met contracten Klanten met contracten Directe verkopen Reg. repl.: 1-2 weken Locaal voorraadpunt PAGE 24
Data verzameld op centraal niveau (voor 1 bepaalde kritische module) Condition data: parameters die directly of indirect gerelateerd zijn aan de gezondheid van Module X Faaldata: faaltijdstippen MACHINE NUMBER TIME STAMP VALUE Sample Data MACHINE TYPE SITE ID CUSTOMER CONTINENT CUSTOMER COUNTRY CUSTOMER NUMBER PARAM ID M1297 17 Dec 09 8.856 T0010 1288 Asia South Korea 188 3756 M2572 22 Oct 09 8.9597 T0005 665 Asia Singapore 2046 990 M2488 30 Jul 09 3.9977 T0083 755 Other Other OT01 981 M0822 14 Jul 09 4.0141 T0016 1284 Asia South Korea 188 960 M1621 08 May 09 3.8854 T0010 1294 Asia South Korea 1146 957 North M1647 23 Oct 09 3.9167 T0001 277 America USA 196 966 M0003 21 Jul 09 3.873 T0010 1291 Asia South Korea 188 990 M0004 21 Feb 09 3.8264 T0010 1291 Asia South Korea 188 966 M2862 27 Aug 09 3.7398 T0004 629 Asia Taiwan 222 993 M2631 06 Jan 09 8.551 T0004 801 Europe France 192 972 M1141 10 Aug 09 6.8885 T0011 1290 Asia South Korea 1146 966 M3241 22 Apr 09 8.551 T0010 629 Asia Taiwan 222 963 M0051 05 Sep 09 8.9597 T0008 1178 Asia Taiwan 386 996 M1171 28 Feb 09 3.9977 T0006 629 Asia Taiwan 222 987 M1171 12 Aug 09 6.8885 T0006 629 Asia Taiwan 222 990 M1614 04 Dec 09 8.551 T0007 1284 Asia South Korea 188 990 M1951 16 Jul 09 8.9597 T0019 1286 Asia South Korea 188 960 M2785 05 Jul 09 3.9977 T0010 1291 Asia South Korea 188 996 PAGE 25
Data: geordend per machine MACHINE NUMBER TIMESTAMP MACHINE TYPE CUSTOMER ID P955 P956 P957 P958 P959 P960 P961 M0005 07 Jan 09 T0007 C1058 6.8961 6.8860 6.8910 6.9177 6.8542 6.8860 3.7979 M0005 13 Feb 09 T0007 C1058 7.3892 7.3831 7.3862 7.4487 7.3123 7.3805 4.3121 M0005 16 Feb 09 T0007 C1058 7.4847 7.4738 7.4792 7.5021 7.4451 7.4736 4.3567 M0005 17 Feb 09 T0007 C1058 7.5400 7.5320 7.5360 7.5974 7.4640 7.5307 4.3823 M0005 19 Feb 09 T0007 C1058 7.5305 7.5201 7.5253 7.5479 7.4915 7.5197 4.3793 M0005 01 Mar 09 T0007 C1058 7.6871 7.6767 7.6819 7.7032 7.6489 7.6761 4.5276 M0005 07 Mar 09 T0007 C1058 7.7783 7.7686 7.7734 7.7954 7.7414 7.7684 4.6072 M0005 10 Mar 09 T0007 C1058 7.7222 7.7109 7.7165 7.7396 7.6819 7.7107 4.6219 M0005 06 Apr 09 T0007 C1058 8.0890 8.0804 8.0847 8.1049 8.0527 8.0788 4.9698 M0006 06 Apr 09 T0007 C1058 7.9700 7.9602 7.9651 7.9858 7.9337 7.9597 4.9725 M0006 22 Apr 09 T0007 C1058 8.1674 8.1635 8.1654 8.2214 8.0994 8.1604 5.1675 M0006 01 Jun 09 T0007 C1058 8.5568 8.5504 8.5536 8.5730 8.5239 8.5484 5.6113 M0006 09 Jun 09 T0007 C1058 8.5599 8.5553 8.5576 8.6090 8.4949 8.5519 5.6860 M0006 22 Jul 09 T0007 C1058 8.7384 8.7350 8.7367 8.7869 8.6755 8.7312 6.2033 M0006 24 Jul 09 T0007 C1058 8.8330 8.8257 8.8293 8.8461 8.8004 8.8232 6.1697 M0006 14 Aug 09 T0007 C1058 8.9163 8.9142 8.9153 8.9639 8.8553 8.9096 6.3815 M0006 14 Aug 09 T0007 C1058 8.9392 8.9371 8.9381 8.9871 8.8776 8.9323 6.3531 M0006 16 Aug 09 T0007 C1058 8.8599 8.8574 8.8586 8.9078 8.7988 8.8533 6.4169 PAGE 26
Analyse van faaldata 0-1 -2-3 -4 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121 126 131 136 141 146 P1 P2 P3 P4 P5 P6-5 -6 Failure Instant -7-8 STERKE CORRELATIE TUSSEN FAAL- EN CONDITIE DATA PAGE 27
Voorspelling van failures Resultaten: Ontwikkelde voorspelmethode was in staat om 70% van de failures te voorspellen Geen valse voorspellingen Tijdstip van een failure kan een paar weken vooruit voorspeld worden. Volgende stap: Hoe kan dit worden gebruikt voor preventieve vervangingen? PAGE 28
Conclusie PAGE 29
Meer met minder kan! Creëer pooling voor je data en resources Ontwerp je systemen anders Er zit veel potentie in remote monitoring & CBM PAGE 30
Vragen? PAGE 31