De wereld van onderhoud verandert in hoog tempo

Tinga, hoogleraar Dynamics Based Maintenance ziet de laatste jaren de wereld van onderhoud in hoog tempo veranderen. ‘Historisch gezien is het een traditioneel vakgebied. Niemand maakte zich er al te druk om, het hoorde erbij.’ Maar het tij keert, ziet Tinga. ‘De aandacht van het bedrijfsleven groeit met het besef over de financiële consequenties, maar ook mogelijkheden. Dat valt samen met de technologische ontwikkeling op het gebied van sensoren, data en kunstmatige intelligentie.’

'De grote winst zit in onderhoud dat niet te vroeg, maar ook niet te laat plaatsvindt'

Just-in-time maintenance

Het onderhoud van alle hightech in Nederland kost jaarlijks honderden miljoenen. Vanwege storingen door slecht onderhoud schiet die kostenpost nog eens met een slordige 80 miljoen euro omhoog, weet Tinga. ‘Het meeste onderhoud wordt preventief ingepland. Zeker in de meest kritische sectoren als defensie, de spoorwegen en energievoorziening heerst voorzichtigheid. Daar durven ze niet te wachten en vindt onderhoud vaak te vroeg plaats. Dat is ook begrijpelijk; als NS wil je geen beelden van een stilstaande trein in een weiland in de media, dan krijg je het publiek over je heen. Maar de grote winst zit in onderhoud dat niet te vroeg, maar ook niet te laat plaatsvindt.’

Het komt neer op just-in-time maintenance. Daar zit de uitdaging voor het vakgebied van Tinga. Hij past zijn achtergrond in de materiaalkunde al decennialang toe, onder andere bij het Nederlands Lucht- en Ruimtevaartcentrum. De laatste jaren is de datawetenschap in opkomst en lukt het steeds beter om de fysica te combineren met de data. Juist in die combinatie zit de crux voor just-in-time maintenance, vertelt hij. ‘Als je rekenmodellen vanuit de fysica combineert met de bakken data die je ophaalt door het gebruik van sensoren, en daar weer kunstmatige intelligentie op loslaat… Dan kom je vrij dicht in de buurt van de heilige graal: 100 procent voorspelbaar onderhoud.’

'Met één of twee voorbeelden kun je je algoritme niet trainen'

Trainingsmateriaal

Die heilige graal is echter nog ver buiten handbereik. En dat heeft allemaal te maken met de essentie van het vakgebied. ‘Kunstmatige intelligentie train je met voorbeelden. Bijvoorbeeld Albert Heijn, Netflix of Spotify hebben ongelooflijk veel data om hun kunstmatige intelligentie te trainen. In het geval van onderhoud ligt het trainingsmateriaal – dingen die kapot zijn gegaan – niet voor het oprapen. Integendeel, al die tijd hebben mensen juist geprobeerd te voorkomen dat dingen stuk zouden gaan. En met één of twee voorbeelden kun je je algoritme niet trainen.’

Tinga past zijn onderzoek al zo’n vijftien jaar toe bij de Defensie Academie. Sinds januari vorig jaar leidt hij het Kenniscentrum Smart Maintenance bij de Koninklijke Marine. ‘Hiermee willen we de vertaalslag maken van de wetenschap naar de praktijk. Een wetenschapper schrijft een paper om kennis te verdiepen, niet om iets toepasbaar te maken bij een bedrijf of instantie. En een bedrijf of instantie kan maar moeilijk de kennis uit een paper toepassen. Met dit kenniscentrum hopen we de kloof tussen het wetenschappelijk onderzoek en de praktijk te overbruggen.’

Zr.Ms. De Zeven Provinciën tijdens een hulpverleningsoefening, voor het Engelse Plymouth. Collectie Nederlands Instituut voor Militaire Historie.

Blindelings vertrouwen

Voorspellend onderhoud is al geen sinecure, maar het werkveld van de marine maakt het er niet gemakkelijker op, weet Tinga. ‘Uiteindelijk draait het om betrouwbaarheid en beschikbaarheid. Een marineschip is geen trein die van A naar B rijdt. En zo’n schip is ook niet 24 uur per dag, 365 dagen per jaar actief. Na maanden stilliggen bij de basis in Den Helder, kan het zo zijn dat een schip een paar maanden op uitzending moet naar de Caribische Zee, om vervolgens door te varen naar de Noordpool. Je kan van de ene naar de andere extreme omstandigheid varen. Zeker in het heetst van de strijd, moet je als bemanning blindelings op je materiaal kunnen vertrouwen.’

'Er zijn geen quick fixes, daar is de wereld te complex voor'

De marine kiest daarom logischerwijs voor de voorzichtige weg: preventief onderhoud, liever veel te vroeg dan iets te laat. ‘Defensie heeft natuurlijk geen oneindig diepe zakken. Hoe beter je kunt voorspellen wanneer onderhoud nodig is, hoe efficiënter je kunt werken. Dat hoeft niet tot op de seconde nauwkeurig, maar het helpt om te weten of een schip de missie gaat overleven of niet’, aldus Tinga.

Bewust kapotmaken

Gezien de ‘trainingsachterstand’ van de kunstmatige intelligentie is het daarom zaak om bewust materiaal stuk te laten gaan en dat te meten. ‘Om extra faaldata te genereren’, legt Tinga uit. ‘Dat doe je niet met kritische, dure systemen als vliegtuigmotoren. Maar er zijn best wat componenten waarbij het wel kan. Je wilt uiteindelijk weten of je preventief onderhoud niet toch kunt uitstellen. In een pilot testen we daarom onder gecontroleerde omstandigheden hoe lang bijvoorbeeld de brandstofinjector van de motor van een marineschip meegaat.’

De stip aan de horizon voor het vakgebied? ‘Zoveel mogelijk predictive maintenance toepassen’, zegt de UT-hoogleraar. ‘De ontwikkelingen gaan zo snel dat het fundamenteel ingewikkeld is om te zeggen waar we over tien jaar staan.’ Maar stapje voor stapje gaat het de goede kant op, ziet hij. ‘Het is tegenwoordig prima mogelijk om een storing te detecteren. Een stap verder is om te identificeren wat er precies aan de hand is. Dat soort informatie leidt al tot betere inzichten en modellen om te berekenen wanneer onderhoud nodig is. En zo kom je steeds dichter bij voorspellend onderhoud. Tegelijkertijd moeten we wel realistisch zijn. Dat zeggen we ook tegen bedrijven die bij ons aankloppen: er zijn geen quick fixes, daar is de wereld te complex voor. Ook al maken we steeds sneller stappen, onzekerheid houd je altijd.’