Onderzoeksproject
CIMPLO – Onderhoud voor industrieën voorspellen
Onderzoekers van het Leiden Institute of Advanced Computer Science (LIACS) ontwikkelen een systeem dat automatisch waarschuwingen uitstuurt wanneer onderdelen van motoren de eerste verschijnselen van vermoeidheid beginnen te vertonen. Het project duurt 4 jaar.
- Looptijd
- 2017 - 2021
- Contact
- Thomas Bäck
- Financiering
-
Technology foundation NWO-STW
- Partners
Perfect moment
Samen met KLM, Honda en het CWI en met hulp van Damen, Tata Steel, DAF Trucks en de Universiteit van Amsterdam, zullen onderzoekers nieuwe optimalisatie-algoritmen ontwikkelen voor een cross-industrieel big data platform. Dit platform is bedoeld om het perfecte moment te voorspellen voor onderhoud aan motoren, zowel op het gebied van kosten als veiligheid.
Doel
Het CIMPLO-project heeft als doel om een optimalisatieplatform te bouwen voor het voorspellen van onderhoud. Het platform moet bruikbaar zijn voor uiteenlopende bedrijven en rekening houden met de grote hoeveelheid dynamische factoren die een rol spelen bij onderhoudsplanning. De modellen zijn in staat om de planning tussentijds aan te passen. Zo kan CIMPLO echt de veiligheid verbeteren en tijd en geld te besparen.
Kritieke activiteit
Elke onderneming heeft ermee te maken: onderhoud van machines en infrastructuur. Traditionele onderhoudsconcepten zijn gebaseerd op vaststaande intervallen, die rekening houdt met een veiligheidsmarge. Als gevolg daarvan vindt onderhoud bijna altijd te vroeg plaats, of in ergere gevallen, te laat. Dat maakt het waarschijnlijk één van de meest inefficiënte en tegelijkertijd kritieke, activiteiten in de industrie.
Sensoren met hoog potentieel
Tegenwoordig monitoren ontelbare sensoren alle onderdelen van industriële apparaten. Samen zorgen ze voor een enorme hoeveelheid data, die in potentie bruikbaar zijn voor onderhoud. De motoren van respectievelijk vliegtuigen en auto’s zijn daarvan voorbeelden voor projectpartners KLM en Honda. Sensoren aan boord maken het mogelijk om de [degadation] van onderdelen in beide types motoren te modelleren. De data zijn te gebruiken voor voorspellend modelleren en dynamische onderhoudsplanning.
Voorspellend onderhoud
De juiste infrastructuur voor het verzamelen, voorbewerken en analyseren van big data, zal op zijn beurt de deur openen naar voorspellend onderhoud: het optimaliseren naar het beste moment om onderhoud uit te voeren. Bedrijven kunnen het plannen zoals het hen uitkomt, waarbij ze onverwachte [failures] van hun systemen voorkomen. De aanpak van CIMPLO zal de kosten naar beneden brengen en tegelijkertijd het veiligheidsniveau en de inzet van menselijk kapitaal waarborgen.
Toepasbaar in elke industrie
CIMPLO is een project van het Leiden Institute of Advanced Computer Science, het Centrum voor Wiskunde en Informatica en de industriële partners KLM en Honda. Financiering komt van het onderzoeksfonds STW. Uiteindelijk is het platform bruikbaar voor elke industrie.