benchmarken van assetprestaties biedt altijd meerwaarde

Bij een juist gebruik van waardevolle data kunnen die helpen om de prestaties van een reeks assets zoals windmolens te benchmarken, wat het mogelijk maakt om vast te stellen of en waarom deze ondermaats presteren

Dankzij de vooruitgang van het Internet of Things kunnen bedrijven continu gegevens registreren en hun (vloot van) assets monitoren. Bij een juist gebruik kunnen die waardevolle data helpen om de prestaties van die assets te benchmarken, wat het mogelijk maakt om vast te stellen of en waarom bepaalde assets ondermaats presteren.

Vergelijken van het gedrag van assets

Assetbenchmarking behelst het vergelijken van het gedrag van assets op basis van prestatie-indicatoren zoals kosten, kwaliteit, productie enz. Voor een correcte benchmarking is het noodzakelijk om assets te vergelijken langs drie dimensies: operationele context, vloot en tijd.

Er is altijd wel een benchmarkingmethode die zinvolle inzichten over de vloot oplevert

VERSCHILLENDE operationele contexten

Een eerste vorm van benchmarking bestaat in het vergelijken van de assetprestaties in verschillende operationele contexten. De operationele context definieert de omstandigheden die de prestaties van een asset beïnvloeden. Verschillende gebruikers kunnen assets gebruiken voor verschillende toepassingsdoeleinden, in verschillende omgevingsomstandigheden. Al die contexten kunnen de assetprestaties aanzienlijk beïnvloeden.

Er zijn mogelijk niet altijd data beschikbaar voor alle assets gedurende eenzelfde periode, maar dat is geen probleem bij een vergelijking op basis van de operationele context, omdat de tijdsdimensie dan geen rol speelt.

De uitdaging van dit type benchmarking ligt in het feit dat niet alle relevante contexten bekend zijn. Zelfs als dat wel het geval is, is er nog altijd een kans dat die contexten zich niet laten monitoren; bijvoorbeeld als de assets niet voorzien zijn van passende monitoringapparatuur of sensoren. Bij dergelijke problemen helpt benchmarking in eerste instantie om na te gaan in welke context de assets de neiging hebben ondermaats te presteren. Een volgende stap is een verder onderzoek van die context, om na te gaan of een meer gedetailleerde karakterisering vereist is.

Onderaan de figuur staan zogeheten 'weather bins': elke mogelijk combinatie van windsnelheid en -richting, en temperatuur. Bins worden geordend volgens de assetprestatie. Bovenaan de figuur lees je de evolutie af van de assetprestatie parallel met de evolutie van weerfactoren (op een schaal van 0 tot 1). De figuur toont dat de assetprestatie nauw aansluit op de evolutie van de windsnelheid, hoewel die co-evolutie niet perfect is - de windwsnelheid is de voornaamste 'driver' van de assetprestatie, maar de andere factoren hebben ook een invloed — Onderaan de figuur staan zogeheten 'weather bins': elke mogelijk combinatie van windsnelheid en -richting, en temperatuur. Bins worden geordend volgens de assetprestatie. Bovenaan de figuur lees je de evolutie af van de assetprestatie parallel met de evolutie van weerfactoren (op een schaal van 0 tot 1). De figuur toont dat de assetprestatie nauw aansluit op de evolutie van de windsnelheid, hoewel die co-evolutie niet perfect is. De windsnelheid is de voornaamste 'driver' van de assetprestatie, maar de andere factoren hebben ook een invloed

gelijkaardige units in de vloot

Een tweede vorm van benchmarking bestaat in het vergelijken van de assetprestaties met die van de andere 'collega'-units in de vloot. De vlootprestaties als referentiepunt gebruiken, laat toe om na te gaan welke assets ondermaats presteren, of zelfs in welke operationele contexten vlootassets de neiging vertonen om ondermaats te presteren.

Benchmarking op basis van de vlootdimensie is een perfecte oplossing voor bedrijven die een grote vloot exploiteren en meteen na de invoering van de vloot willen beginnen met benchmarking. De vlootdimensie zorgt bovendien voor een betrouwbaardere benchmarking. De aanname is namelijk dat assets binnen de vloot die in het verleden consistent uniform gedrag vertoonden, dat ook in de toekomst zullen blijven doen.

Anderzijds brengt de vlootdimensie ook een uitdaging met zich mee in verband met de heterogeniteit van de assets. Het kan gaan om verschillende fabrikanten, met verschillende firmware/configuraties, en met verschillende systemen van derden. Al die factoren tellen mee om te komen tot een zinvolle vergelijking tussen de verschillende soorten assets.

Deze figuur toont de verdeling van elke asset in de productievloot, i.e. welke asset over- of ondermaats presteert ten opzichte van de gemiddelde productie van de vloot

eigen prestaties in het verleden

De derde vorm van benchmarking verloopt via vergelijking van de assetprestaties met hun prestaties in het verleden. Dat maakt het mogelijk om te bepalen of de prestaties in de loop van de tijd verslechteren.

Benchmarking met inachtneming van de tijdsdimensie veronderstelt een lange historische staat van dienst van de asset, maar dan nog kan het gebruik van de historische data van één enkele asset om twee belangrijke redenen tot onbetrouwbare resultaten leiden. Ten eerste wordt er bij het vergelijken van de assetprestaties in de tijd impliciet - en in vele gevallen onterecht - van uitgegaan dat de assets altijd in dezelfde operationele context opereren. Bovendien is het bij ondermaatse prestaties niet mogelijk om aan de hand van de analyse van een enkele asset de achterliggende redenen te achterhalen. Is het probleem te wijten aan de specifieke kenmerken van die asset, hangt het af van de ongunstige context waarin die opereert...? Daarom is het noodzakelijk om, waar mogelijk, de vlootdimensie altijd in de analyse op te nemen.

This figure shows the evolution of asset efficiency, i.e. the ratio between observed expected production. The downward trend highlights that the asset is producing less over time — Deze figuur toont de evolutie van de assetefficiëntie: de verhouding tussen de verwachte en de vastgestelde productie. De neerwaartse trend maakt duidelijk dat de asset na verloop van tijd minder goed presteert

EluciDATA Lab
Logo EluciDATA Lab Het EluciDATA Lab van Sirris heeft een lange staat van dienst op het gebied van data-gedreven benchmarking van vloten van industriële assets in verschillende toepassingsdomeinen. Om meer te weten te komen over hoe het EluciDATA Lab u kan ondersteunen bij het aanpakken van uw benchmarking-gerelateerde uitdagingen, kunt u elucidatalab.sirris.be raadplegen of contact opnemen met elucidatalab@sirris.be.

meerwaarde

Een onderneming die lange tijd een vloot van soortgelijke assets exploiteert - eventueel blootgesteld aan uiteenlopende operationele contexten - beschikt over een uiterst waardevolle dataset die zich creatief voor benchmarkingdoeleinden laat inzetten. Zelfs in minder ideale gevallen waarin de verzamelde data in één of meer van de dimensies beperkt zijn, bestaat nog altijd de mogelijkheid om specifieke benchmarkingmethoden te gebruiken om zinvolle inzichten te verkrijgen over de werking en de prestaties van de vloot.

Met medewerking van Sirris

Betrouwbaar benchmarken van assetprestaties