artikel

ProSeLo ontwikkelt model voor vervangingsbeslissingen DAF

Supply chain Premium

ProSeLo ontwikkelt model voor vervangingsbeslissingen DAF

Voor veel bedrijven is machine up-time van essentieel belang, want stilstand resulteert doorgaans in hoge kosten en/of het mislopen van enorme inkomsten. Componenten te vroeg vervangen, is echter ook kostbaar. Daarom is het belangrijk om precies op het juiste moment te vervangen, vlak voor ze zouden falen. Echter, het bepalen van het optimale vervangingsbeleid is voor bedrijven lastig. Wouter Fleuren heeft in het kader van het Dinalog R&D-project ProSeLo voor DAF Trucks een model ontwikkeld dat vervangingsbeslissingen afstemt op de inzet van de truck.

De markt van trucks is zeer competitief. Om haar concurrentiepositie te verbeteren, focust DAF Trucks op het bieden van hoge kwaliteit van de producten en service tegen lage prijzen, en daarin speelt het onderhouds- en vervangingsbeleid een cruciale rol. Echter, componenten die een door DAF gespecificeerde reliability target halen, werden tot op heden pas vervangen nadat het component gefaald was. Andere componenten werden periodiek vervangen. Zowel te laat als te vroeg vervangen leidt tot onnodige kosten van down-time, componenten en monteurs. Door het vervangingsmoment af te stemmen op de conditie van het component, genaamd proactieve vervanging, kunnen deze kosten geminimaliseerd worden.

Component selectie

Hoe interessant proactieve vervanging is, hangt af van een aantal factoren. In het algemeen is proactieve vervanging interessanter als:

  • De truck een lange levensduur heeft;
  • De investeringskosten in het vervangingsbeleid laag zijn, waaronder kosten van dataverzameling en -verwerking.

Op component niveau is proactieve vervanging interessanter als:

  • De frequentie van falen hoog is;
  • De consequenties van falen hoog zijn, zoals down-time en gevolgschade;
  • De voorspelbaarheid van falen hoog is.

Op basis van deze component specifieke factoren kan een prioriteitenlijst voor onderzoek opgesteld worden. Bij de trucks van DAF blijkt de starter motor de hoogste prioriteit te hebben.

Selectie van conditie-indicatoren

Het bepalen van het optimale vervangingsmoment begint met het selecteren van conditie-indicatoren die kunnen helpen bij het voorspellen van component falen.

Sensor informatie

DAF heeft de mogelijkheid om te investeren in Fleet Management Systems (FMS) in de truck: dit zijn ‘black boxes’ die allerlei informatie verzamelen over de werkelijke truck inzet, en over een draadloos netwerk sturen naar DAF’s hoofdkantoor. Met deze conditie-indicatoren zou men gericht de conditie kunnen monitoren en dus gerichte vervangingsbeslissingen kunnen nemen. Hier staat echter ook een investering tegenover, dus is het erg belangrijk om de waarde van het proactieve vervangingsbeleid te bepalen in termen van kostenbesparingen en verbeterde up-time.

Service contracten

De meeste proactieve vervangingsmethoden zijn gebaseerd op sensorinformatie of andere technieken die een grote investering vergen. Veel bedrijven hebben deze data nog niet, en dan vormt de benodigde investering een grote drempel. Daarom heeft Wouter Fleuren ook onderzocht hoe DAF haar huidige informatie kan gebruiken voor proactieve vervangingsbeslissingen. DAF heeft service contracten met klanten waarin informatie is opgenomen over zowel de truckconfiguratie als de verwachte inzet van de truck (bijvoorbeeld verwachte aantal kilometers, verwachte procent off-road, type goederen dat vervoerd wordt). Omdat de truckinzet en -configuratie invloed kunnen hebben op het faalgedrag, bevatten zelfs de service contracten nuttige elementen om een proactief vervangingsbeleid te ontwikkelen.

In het project van Wouter Fleuren is voor beide typen data onderzocht hoe een optimaal beslissingsmodel opgesteld kan worden, en wat de potentiële besparingen zijn.

Voorspellen van component falen

Met behulp van bovengenoemde data en statistische methoden zoals Cox Proportional Hazards Model, kan de statistische relatie tussen conditie-indicatoren en falen in kaart gebracht worden, zoals weergegeven in de figuur. Deze figuur bevat ter illustratie drie klanten met verschillende verwachte truck inzet (zoals geregistreerd in het service contract). Voor iedere klant is de overlevingskans van de starter motor weergegeven als functie van de tijd, wanneer het component niet preventief vervangen zou worden. De figuur laat het enorme verschil in overlevingskans zien: terwijl de ‘light user’ maar liefst 90 procent kans heeft om 4 jaar te overleven, is deze kans voor de ‘heavy user’ minder dan 50 procent. Deze figuur illustreert dus het belang om het vervangingsbeleid af te stemmen op de klant.

 

Praktische implicaties voor beslissingsmodel

Het optimale vervangingsmoment hangt in het algemeen af van de volgende factoren:

  • Faalkans, die afhankelijk is van de conditie;
  • Kosten van proactieve en correctieve vervanging;
  • Type conditie-indicatoren.

Het type conditie-indicatoren heeft als volgt invloed op het vervangingsmodel:

  • Voor het vervangingsbeleid op basis van service contract data is alle benodigde data al beschikbaar wanneer de truck in gebruik wordt genomen. Op dat moment kan dus al het beste statische vervangingsmoment bepaald worden. Met behulp van een Excel-tool kan DAF de verwachte onderhoudskosten (inclusief down-time) schatten van zowel correctieve vervanging als één of meer preventieve vervangingen, en hieruit de beste optie kiezen.
  • Voor het vervangingsbeleid op basis van FMS-data wordt data verzameld gedurende het gebruik van de truck. Deze data maakt het mogelijk om het vervangingsmoment af te stemmen op het werkelijke gebruik, zodat beslissingen op een dynamische manier worden gemaakt. Met behulp van een Excel-tool op basis van dynamisch programmeren, kan DAF periodiek beslissen om direct te vervangen ofwel te wachten.
  • Wanneer DAF FMS-data zou verzamelen van slechts een sample van trucks, dan kan men hieruit informatie halen over de relatie tussen werkelijke truckinzet en faalgedrag. Deze informatie kan ook gebruikt worden voor trucks zonder FMS, voor het bepalen van het beste statische vervangingsmoment.

Kostenbesparingen

Het onderzoek van Wouter Fleuren toont aan dat DAF met behulp van de service contract data al substantiële besparingen kan behalen: gemiddeld 1,5 procent van de onderhoudskosten inclusief down-timekosten, en voor de zwaarste truck gebruikers zelfs 13 procent. Omdat de benodigde data al beschikbaar is, zijn de investeringskosten minimaal. DAF gebruikt deze methode inmiddels in haar onderhouds- en vervangingsbeleid. Wanneer in FMS-data geïnvesteerd is, kunnen de besparingen oplopen tot wel 20 procent.

Bovendien zijn de ontwikkelde methoden toepasbaar voor andere bedrijven, met besparingen die mogelijk zelfs groter zijn dan de besparingen van DAF. Beperkte informatie kan hiervoor al zeer waardevol zijn.

Reageer op dit artikel