Predictief Onderhoud voor koel-installaties op basis van Machine Learning

De klant

Sabcobel is een Belgisch bedrijf dat koelelementen levert voor zowel de detailhandel als de industriële sector. De onderneming werd opgericht in 1958 en telt vandaag ongeveer 80 werknemers verspreid over België en Luxemburg. Het biedt een complete koeloplossing aan voor zijn klanten, van ontwerp tot implementatie, gevolgd door een 24/7-bewaking van het systeem.

De context

Sabcobel monitort en controleert honderden koelinstallaties, verspreid over verschillende warenhuizen. Elke koeling is van cruciaal belang omdat ze de kwaliteit en levensduur van de producten die ze koelt (bijv. voedingsproducten) bepaalt. Daarom moet de koeling nauwlettend worden bewaakt en moet er tijdig worden ingegrepen wanneer er temperatuurschommelingen optreden.

Elke koelinstallatie bestaat uit koelelementen waaraan sensoren zijn bevestigd die gegevens over de koelelementen capteren en doorsturen naar Sabcobel. De gegevens van de sensoren worden elke 2 tot 10 minuten verzonden. Op die manier wordt onmiddellijk een alarm geactiveerd zodra een koelelement defect is. Eens een alarm afgaat, kan Sabcobel snel een interventie uitvoeren om het defect op te lossen. Elk defect resulteert echter in reparatiewerkzaamheden, evenals downtimekosten voor de klant; kosten die de klant natuurlijk zo laag mogelijk wil houden. Daarom wilde Sabcobel zijn onderhoudsorganisatie, omvormen van een “breakfix-model”  tot een “preventief optimalisatiemodel”, waarbij het de storingen van een systeem zou voorspellen en een preventieve oplossing zou gaan bieden.

De oplossing en hoe element61 hiertoe heeft bijgedragen

Sabcobel ging in zee met element61 om op basis van de sensordata een systeem op te zetten om

  1. een realtime kijk te hebben op de koelinstallaties op alle locaties en
  2. voorspellend onderhoud toe te passen door storingen en alarmsignalen te voorspellen voordat ze optreden.

element61 bood hulp in het end-to-end traject bij het ontwikkelen van deze oplossing. Als eerste stap werd het bewakingssysteem opgezet met behulp van Microsoft PowerBI om het onderhoudsteam interactieve rapportagemogelijkheden te bieden en om proactieve meldingen van falende systemen te genereren via sms en e-mail.

Ten tweede werd, met behulp van alle historische sensordata, een “Machine Learning Prediction Model” gebouwd in Microsoft Azure om te voorspellen wanneer een alarm zou worden geactiveerd, maar ook wat de oorzaak van dat alarm zou zijn. Dit laatste is voor Sabcobel van belang om te begrijpen of een voorspeld alarm echt tot een defect zou leiden en een technicus zou moeten worden gestuurd of dat het alarm van op afstand gemakkelijk zou kunnen worden opgelost. De geboden oplossing geeft meerdere keren per dag realtime voorspellingen uit op basis van alle beschikbare gegevens. Dankzij de laatste nieuwe gegevens leert het Machine Learning-model zich dynamisch aan te passen aan de nieuwe patronen die ontstaan. element61 zorgde voor de end-to-end oplevering van deze oplossing voor voorspellend onderhoud.

Predictief Onderhoud voor koel-installaties op basis van Machine Learning

Figuur 1. voorbeeld van het interactieve dashboard

Als onderdeel van de voorspellende tool heeft element61 ook een feedbackmechanisme uitgewerkt dat wordt gebruikt om Sabcobel te vragen de voorspellingen te evalueren. Deze feedback wordt verwerkt in het model om zo de input te gebruiken om de prestaties van het model op te krikken. Naast het voorspellende model plaatste element61 een bewakingsmechanisme om ervoor te zorgen dat de tool permanent loopt en dat er een waarschuwing volgt in het geval van een defect in het realtime model.

Conclusie

Door Machine Learning toe te passen en hun data als een strategische asset te beschouwen, was Sabcobel in staat om zijn serviceorganisatie te hertekenen naar een preventieve serviceorganisatie. Sabcobel is nu in staat om de onderhoudskosten te verlagen, aangezien het - goedkoper - preventief onderhoud in plaats van - dure - breakfixactiviteiten uitvoert. Bovendien hebben de klanten van Sabcobel nu koelinstallaties met een beperkte downtime waardoor de klanttevredenheid toeneemt.

"Tijdens de warme zomer van 2018 heeft het monitoringsysteem van element61 zijn waarde meteen bewezen. Het was meer accuraat en responsief dan ons vorige alarmcentrale. Dit zorgt ervoor dat de kwaliteit en responsiviteit van onze dienst gewaarborgd is, zelfs wanneer het druk is."

- Matthias Coppens, Service Manager Sabcobel