Smart Maintenance Congres

5 oktober 2017  
Ontdekstation Tilburg
10.00 - 17.00
Meld u aan als bezoeker Meld u aan als exposant
09:30-10:00
Ontvangst
10:00-10:10
Welkom door Mikrocentrum

Karin Mous, Manager Themabijeenkomsten, Mikrocentrum

10:10-10:30
Akkermans
Opening door de dagvoorzitter

Henk Akkermans

Deze lezing is beschikbaar als een Adobe Acrobat PDF bestand:

Adobe Acrobat PDF bestand  Henk Akkermans (30 MB)

10:30-11:00
Patrick de Boer
De invloed van cultuur

Patrick de Boer, business improvement manager, Ubbink

Ik zal beginnen met een snelle introductie van het bedrijf en wat vertellen over het machine park wat we hebben. Dan hoe we vanuit het beleid naar TPM gegaan zijn. Ik zal uitleggen hoe wij dit hebben ingericht en hoe de teams zijn opgesteld. Dan zal ik vertellen hoe we naar smart maintenance gegaan zijn. Vervolgens zal ik vertellen hoe we de samenwerking tussen jong en oud hebben toegepast.

Deze lezing is beschikbaar als een Adobe Acrobat PDF bestand:

Adobe Acrobat PDF bestand  Patrick de Boer Ubbink (2.1 MB)

11:00-11:30
Koffie-/ theepauze
11:30-11:55
MartijnAntonissen
Virtual Maintenance and Mixed Reality

Martijn Antonissen, Recreate

Een groot probleem waar menig bedrijf tegenaan loopt, is dat er een kennisgat ontstaat doordat het aanbod van technisch personeel kleiner is. De technische kennis is schaars en zal schaarser worden doordat men steeds breder opgeleid wordt. Recreate heeft de oplossing door middel van het Remote instruction and maintenance systeem ontwikkeld. De Microsoft Hololens kan instructies geven aan monteurs die ingewikkelde reparaties moeten uitvoeren.

Recreate bouwt samen met partners een onderhoudsplatform waarin we die ambities waar maken. Een bidirectionele tool en een solide basis die onderhoud aan uw machine, ketel, auto etc. gemakkelijk maakt. Een ondersteunende tool gebouwd voor de toekomst die rekening houdt met hoe jij graag jouw klant en product serviced.

11:55-12:00
Wisseltijd
12:00-12:25
dr.BibaVisnjicki KevinKostyszynM.Sc.
Data analytics and appropriate worker support using Smart Devices

Dr Biba Visnjicki, Business Development Manager, Fraunhofer Project Center
Kevin Kostyszyn, Project engineer and research assistant, Fraunhofer IPT

The presentation gives insights to the topic of Smart Maintenance. Therefore, data analytics theories for production-, process- and machine-data towards predictive maintenance approaches are introduced. Based on the findings obtained, advanced methods for worker support are outlined. The use of Augmented Reality via Smart Devices such as Glasses, Tablets or Watches plays a crucial role. The presentation will provide fundamental theories, current research results as well as demo projects to show the potentials of Data Analytics and Smart Devices in the field of maintenance.

Lezing in het Engels.

Deze lezing is beschikbaar als een Adobe Acrobat PDF bestand:

Adobe Acrobat PDF bestand  Kevin Kostyszyn Fraunhofer IPT (4.7 MB)

12:25-13:30
Lunchpauze
13:30-14:00
StellaKapodistria
Information and value in big data for maintenance

Stella Kapodistria, Assistant Professor at the Department of Mathematics and Computer Science, Technische Universiteit Eindhoven

Today’s business is characterized by big data. With the increased potential of cheap data storage, the size of the stored data has in the last years skyrocketed. However, big data is not only about volume, but is also about data variety, data velocity, data veracity, and most importantly data value (the five Vs of big data). Big data brings new potentials, as new and interesting information can be extracted, but comes with the additional drawback that the classical data analytics tools need to be appropriately expanded to cover the needs of the five V’s. Some of the challenges of big data include information extraction algorithms of big data in real time; extension of statistical monitoring and prediction methods in order to incorporate real-time covariate data (from sensors or the internet). In this presentation, the focus will be on two successful paradigms of how we overcame the challenges, discovered the information in the data, and designed algorithms for predictive maintenance.

Deze lezing is beschikbaar als een Adobe Acrobat PDF bestand:

Adobe Acrobat PDF bestand  Stella Kapodistria TUe (3.5 MB)

14:00-14:30
leon bemelmans
Smart Systems met Smart Senors voor natte reiniging

Léon Bemelmans, VinciTech BV

Natte reiniging van oppervlakken gebeurt vaak als CIP-proces.
Voor gesloten en mooi gevormde apparatuur zoals buizen, vaten en tanks is dat een beproefde aanpak.
In open systemen met hindernissen en grote oppervlakken wordt nog vaak handmatig gereinigd met hogedrukreinigers. De presentatie gaat in op een mogelijk alternatief bestaande uit waterbestendige light robots voorzien van sensoren voor afstandsbepaling en oppervlakmonitoring.

14:30-15:00
Eveliene Langedijk RobertKok
Smart Maintenance: In de praktijk

Eveliene Langedijk, CEO, UVS Industry Solutions bv
Ronald Kok, CTO, UVS Industry Solutions bv

De termen zien we overal voorbij komen: Smart Maintenance, Predictive Maintenance, Condition Monitoring, Smart Sensors en Big Data.
Maar hoe kun je hier nu als onderhoudsdienst echt iets mee? Hoe en waar begin je?
Wij laten zien dat starten met Smart maintenance oplossingen sneller en makkelijker kan dan je wellicht in eerste instantie dacht.
Bruikbare en effectieve oplossingen aan de hand van een concrete case van een van onze klanten.

Deze lezing is beschikbaar als een Adobe Acrobat PDF bestand:

Adobe Acrobat PDF bestand  UVS Industry Solutions (5.7 MB)

15:00-15:30
Koffie-/ theepauze
15:30-16:30
Met data analyse naar Condition Based Maintenance bij Marel Poultry

Robert Lemmens, Marel stork poultry processing

Voor een select aantal klanten wordt bepaalde data verzameld zoals alarmen, productiesnelheden, waarschuwingen etc. Deze data kan worden gebruikt om:

  • op het moment dat er een storing is, op afstand mee te kijken wat er aan de hand is om klanten snel verder te helpen
  • de klant inzicht te geven in zijn performance (OEE) om zo gericht continuous improvements in gang te kunnen zetten

Binnen dit onderzoek hebben we aan kunnen tonen dat deze data gebruikt kan worden om breakdowns te voorspellen. De resultaten zijn nog high over (omdat de inputdata ook high over is) en daardoor wellicht nog niet direct toepasbaar om ook echt gericht engineers aan te sturen. We verwachten echter dat de methodologie zich wel leent om in de toekomst meerdere parameters mee te nemen zodat we ook specifieker inzicht krijgen in de root cause en engineers gerichter op pad kunnen sturen of klanten gerichter kunnen helpen.

16:30-17:00
Afsluitende netwerkborrel