Login                    Nieuwsbrief  |   Agenda   |   Vacatures   |   Forum   |   Advies   |   Adverteer   |   Zoek
Purac's neurale OEE-netwerk
Bron: Procesverbeteren.nl
Software: Lean ICT
^ Data-analyse door neuraal netwerk Neuraal netwerk adviseert over procesverbetering
Purac haalt onderste uit de OEE-kan
Door Dr Ir Jaap van Ede, hoofdredacteur procesverbeteren.nl. Oorspronkelijk gepubliceerd in het vakblad Process Control (juni '08)


Purac verbetert al zeven jaar de productiviteit, door via Overall Equipment Effectiveness (OEE) metingen verborgen verliezen op te sporen en aan te pakken. Om bewustwording te creëren, werd begonnen met een handmatige OEE-registratie, daarna volgde de introductie van software-ondersteuning.

Inmiddels is de laatste en derde stap in volle gang:  Een neuraal netwerk rekent historische gegevens van de héle fabriek door, en komt vervolgens met suggesties om de OEE-waarden nóg verder te verhogen!


Purac in Gorinchem gebruikt Total Productive Maintenance (TPM) om de productiviteit te verbeteren.  CSM, het moederbedrijf van Purac, raakte gecharmeerd van deze methode nadat een fabriek van Unilever werd overgenomen waarin TPM gangbaar was.

Een belangrijk onderdeel van TPM is de registratie van de Overall Equipment Effectiveness (OEE), gedefinieerd als het product van de machinebeschikbaarheid, de machineprestatie en de fractie correct gefabriceerde producten. Aan de hand van OEE-metingen verbeteren multidisciplinaire teams de prestaties van ‘hun’ machines of productielijnen.

Meer cases (semi-)procesindustrie
Andere business cases efficiency-verbetering in de (semi-)procesindustrie kunt u vinden via de link hieronder. Hierbij wordt gebruik gemaakt van ons systeem voor geavanceerd zoeken, waarbij we voor u een aantal keuzes hebben vóórgeselecteerd. U kunt dat zoekprofiel natuurlijk aanpassen!
> lijst cases (semi-)procesindustrie


Fundament
Waarom begon Purac met TPM, en niet met een andere verbetermethode zoals bijvoorbeeld Lean? Dit vraag ik aan TPM-manager Hein Winkelaar1. ‘Omdat TPM mijns inziens het fundament is voor het bereiken van operational excellence’, reageert hij. ‘Toyota is vijftig jaar geleden ook zo begonnen, pas 30 jaar later werd het begrip Lean manufacturing geïntroduceerd.  TPM stelt de mens en de betrokkenheid van de werkvloer voorop. Lean optimaliseert logistieke ketens. Om dat te kunnen moet je met TPM een basis hebben gelegd.’

Heel veel bedrijven doen iets met OEE-metingen, maar slechts 10% daarvan doet het echt goed. ‘Dat komt doordat ze te hard van stapel lopen’, stelt Winkelaar. ‘Daarom hebben wij zeven jaar geleden gekozen voor een implementatie in drie stappen.’

Bewustwording
De eerste stap is bewustwording. ‘Om te zorgen dat de werkvloer verliezen leert zien, kun je in het begin de OEE-waarden het beste handmatig registreren. Gewoon met schrijflijsten, of met Excel-spreadsheets. Alle ogen op de werkvloer moeten worden geopend. Zo voorkom je dat één verbeterteam resultaten boekt, maar dat het TPM-project daarna stopt.’

Stijgen de OEE-waarden na verloop van tijd tot boven de 60%, dan komt de tweede fase in zicht: Het automatiseren van de data-acquisitie. ‘In het begin is het voldoende om alleen machine-storingen te registreren, die langer duren dan tien minuten. Is echter het laaghangende fruit geplukt, dan gaan ook verstoringen van slechts een minuut meetellen. Dat allemaal handmatig bijhouden is gewoon te veel werk.’

De SCADA- en DCS-systemen die gangbaar zijn in de (semi-)procesindustrie verzamelen heel veel procesgegevens, maar dat is niet afdoende. ‘Ik ben wel eens een operatorroom binnen gelopen, waar de muren volhingen met allerlei trends. Daar kun je echter weinig mee. Als er een storing optreedt moet die niet alleen worden geregistreerd, maar de betrokken operator moet ook opgeven wat de oorzaak is. Alleen dan kun je later analyseren welke problemen veelvuldig optreden. Je hebt dus software nodig, die een operator ondersteunt bij een zo volledig mogelijke registratie. Daarvoor bestaat er speciale OEE-software. Bijvoorbeeld de OEE-toolkit van Blom Consultancy, of pakketten zoals Downtime Analist en Informance.’

Frequentie-analyse door neuraal netwerk
Data-analyse door neuraal netwerk


OEE-tool
De OEE-software die Purac gebruikt werd twee jaar geleden ontwikkeld door Wonderware.  ‘Hun OEE-tool krijg je tegenwoordig gratis bij het SCADA-systeem. Bij elk SCADA-alarm wordt een pop-up window actief. Daarin kan de operator aangeven wat de reden is van een bepaald probleem.’

Dankzij de software-ondersteuning werd een gedetailleerdere OEE-registratie mogelijk, waardoor ook relatief kleine verliezen konden worden opgespoord en aangepakt. Daardoor naderden een jaar geleden sommige OEE-waarden de 90%. ‘Dat is zó hoog dat je met OEE-registraties per processtap geen vermijdbare oorzaken van verliezen meer vindt.’

Omdat de verschillende procestappen in de fabriek elkaar beïnvloeden, kan het echter in theorie nóg beter. Om dat uit te leggen, schetst Winkelaar eerst het productieproces bij Purac: ‘Wij produceren melkzuurderivaten. Die worden onder meer afgenomen door de voedingsmiddelenindustrie, bijvoorbeeld als smaakversterker, als zuurte-regelaar of als functioneel ingrediënt. De productie begint met de fermentatie van suiker door melkzuurbacteriën. Dit levert lactaat op, dat we derivatiseren tot onder meer natriumlactaat, ijzerlactaat en magnesiumlactaat. Die derivaten worden in een sproeitoren gedroogd, waar van onderen warme lucht in wordt gevoerd. Het eindproduct is dus meestal een poeder.’

Terabytes
De dichtheid van een poeder moet binnen nauwe grenzen liggen, anders wordt het product afgekeurd. ‘Dat kan dan te maken hebben met iets dat veel eerder is gebeurd, bijvoorbeeld tijdens de fermentatie. De vraag is echter: Hoe kom je daar achter.’

Het antwoord ligt besloten in de terabytes aan historische informatie die het SCADA-systeem verzamelt.
‘Daar kan een mens niets mee, maar een computer wel. Daarmee begeef je je dus op het terrein van Process Intelligence. Wij zien dat als de derde stap bij het verbeteren van de OEE. Hierbij assisteert de automatisering niet alleen bij de data-acquisitie, zoals in stap 2, maar geeft de computer ook advies.’

Process Intelligence is een relatief nieuw vakgebied, maar Purac is niet het enige bedrijf dat zich hiermee bezig houdt. BASF Resins in Heerenveen gebruikt bijvoorbeeld een database, gebouwd door Ordina, die wordt gevuld met productiegegevens uit het ERP-pakket en het Proces Control Systeem. In de database worden vervolgens gegevenskubussen gedefinieerd voor on-line analytical processing (OLAP). Binnen de kubussen kunnen allerlei dwarsdoorsnedes worden gemaakt van de data, om oorzaken van productieverliezen op te sporen.

Het voordeel van deze OLAP-aanpak is, dat het systeem geen black box is. Volgens Winkelaar staan daar echter belangrijke nadelen tegenover: ‘Het duurt lang om alle gegevens van een fabriek door te nemen. Daarom hebben wij een andere benadering gekozen, de toepassing van een neuraal netwerk.’

Data-analyse met neuraal netwerk
De Slipstream-software zoekt naar afwijkende procesparameters, en berekent de kans dat die de oorzaak zijn van productieverliezen.    


Neuraal netwerk

Een neuraal netwerk functioneert op soortgelijke wijze als het menselijke brein. Daartoe wordt een softwaremodel gebouwd, dat bestaat uit neuronen (hersencellen) verbonden door synapsen (zenuwverbindingen). Dit model wordt vervolgens gevoed met een groot aantal input-gegevens en (bijbehorende) output-gegevens.

In dit geval gaat het om historische procesinformatie uit de SCADA-database. Op die manier leert het model uitkomsten voorspellen. Het leerproces bestaat uit het versterken of verzwakken van bepaalde verbindingen tussen de neuronen.

Wonderware Benelux leverde software voor de bouw van het neurale netwerk, afkomstig van het Amerikaanse bedrijf Slipstream.

'Wij konden dat pakket één maand op proef gebruiken. Binnen een dag hadden we het systeem al draaiend. Je hoeft namelijk alleen maar op te geven welke tags uit de SCADA-database je mee wilt nemen in de root cause analyse, zoals de Amerikanen dat noemen.  De software zoekt daarna naar grondoorzaken van productieverliezen, en geeft aan hoe waarschijnlijk het is dat een gevonden verband echt bestaat.’

Sproeidroger
Samenvattend: Purac verbeterde de OEE van haar productie-installaties in drie stappen:

  1. Handmatige OEE registratie
  2. Data-acquisitie ondersteund met software (OEE-module bij SCADA-systeem Wonderware)
  3. Een neuraal netwerk spoort veelkomende oorzaken van storingen op

De OEE van een sproeidroger steeg hierdoor bijvoorbeeld van 60% naar 70% in fase 1, vervolgens naar 85% in fase 2, en tenslotte in fase 3 naar maar liefst 93%.

Winkelaar geeft voorbeelden van vermijdbare productieverliezen die tijdens de verschillende fasen werden ontdekt. ‘Bij de handmatige stilstandsregistratie ontdekten we onder meer dat de afpakmachine, die zakken met poeder afvult, beter moest worden afgesteld.'

'Toen we overstapten op automatische data-acquisitie stelden we vast dat een heel kleine verstoring van een frequentie-regelaar, waardoor er 3% minder lucht wordt toegevoerd, al leidt tot een poederproduct met een afwijkende dichtheid.’

In principe moet de operator bij elke storing de oorzaak daarvan opgeven. ‘Is de oorzaak niet bekend, dan is het de bedoeling dat de operator hulp inroept. Er kan dan bijvoorbeeld een verbeterteam worden geformeerd. Op die manier ontdekten we dat het dichtslaan van een filter te maken had met de samenstelling van de voeding.’

Stoompluim
De verbeterpunten die uit de analyse met het neurale netwerk naar voren kwamen, spreken echter het meest tot de verbeelding! ‘Sproeidroogtorens functioneren het beste op koude winterdagen, want dan is de vochtigheid van de inkomende lucht laag. Het neurale netwerk gaf echter aan dat zelfs dan soms productafkeur optrad, en dat dit met 75% zekerheid te wijten was aan sterke fluctuaties in de luchtvochtigheid. We hebben toen extra vochtigheidsmeters opgehangen, en zijn buiten gaan kijken als er vreemde meetresultaten optraden. Op die manier ontdekten we dat een stoompluim van een nabijgelegen installatie soms richting de sproeidroger werd geblazen.'

De oplossing was dus eenvoudig: Een hoge pijp bouwen om de stoom af te voeren.

Achteraf lijkt dat heel logisch, maar je moet wel op het idee komen dat er iets aan de hand zou kunnen zijn met de luchtvochtigheid buiten. Het neurale netwerk fungeert dus als ideeën generator!
'Met 80% van de suggesties kun je niets, soms raken ze zelfs kant nog wal.’, nuanceert Winkelaar echter.  Zoiets als de ooievaars die in het oosten van het land zouden leiden tot meer geboorten? ‘Ja, of waarheden zoals een koe. Bijvoorbeeld dat er 100% kans is dat het afsluiten van een voeding leidt tot een probleem.’

Maar het gaat uiteindelijk om de 20% ideeën die wél echte eye-openers blijken, besluit Winkelaar. ‘Het neurale netwerk signaleert verbanden, die een mens nooit kan overzien. Zo bleek dat een te hoge PH tijdens de fermentatie, dus enkele processtappen vóór de sproeitoren, leidde tot de vorming van te grove poederkorrels.’  

1) Hein Winkelaar werkt sinds 2008 niet meer bij Purac



Hulp nodig bij de implementatie van Agile en Lean software?

Verwijzen naar dit artikel op internet?
Gebruik als link: http://www.procesverbeteren.nl/data-acquisitie/Purac_OEE_neuraal_netwerk.php