Onder de naam ‘Bearing 2.0 – what the future holds’, ging SKF onlangs in op Artificial Intelligence, duurzaamheid en een focus op bruikbaarheid en klantbehoeften. “Ons bedrijf zit midden in een enorme transitie: van productverkopend naar functieleverancier,” zegt Victoria van Camp, CTO en President Innovation and Business Development bij SKF. “We willen onze klanten voorzien van wat ze werkelijk nodig hebben. En dat is niet een overvloed aan lagers, het zijn machines die draaien en draaien.”
De nieuwe strategie stimuleert ieder deel van het bedrijf om de manier waarop ze hun werkzaamheden uitvoeren te heroverwegen, aldus van Camp, en dat omvat ook de kernfuncties voor onderzoek en ontwikkeling van SKF. Om een dienstverlener te worden in plaats van een productfabrikant, is “een totaal andere instelling nodig in R&D,” zegt ze.
“Als je verantwoordelijk bent voor de prestaties van de machine van een klant gedurende de levensduur ervan, hebt je een veel dieper inzicht nodig in hoe jouw producten in die machine worden gebruikt. Worden ze voortdurend blootgesteld aan hete, corrosieve chemicaliën? Wordt er bij installatie met een hamer op geslagen?”
Bruikbaarheid staat voorop
Wat betekent een nieuwe focus op het toegankelijker en gebruiksvriendelijker maken van producten? Een voorbeeld is dat vaak toegepaste producten gecombineerd gaan worden, zodat ze eenvoudiger te kopen, te beheren en te installeren zijn. Hier verwijst van Camp naar het voorbeeld van lagerhuizen met geïntegreerde afdichtingen.
Een ander voorbeeld is SKF Bearing Assist, een mobiele app die richtlijnen biedt voor het monteren van een nieuw lager. De app begeleidt gebruikers stap voor stap door het beste proces voor hun specifieke lager en genereert een installatierapport dat kan worden opgeslagen bij de onderhoudsbestanden van het bedrijf of kan worden bewaard in de SKF-cloud, waardoor toekomstig onderhoud en vervanging eenvoudiger wordt.
Lagerhuizen die uitlijning aangeven
Het bedrijf werkt ook aan nieuwe producten die zijn ontworpen met het oog op bruikbaarheid, zoals lagerhuizen die de operator aangeven wanneer ze goed zijn uitgelijnd. “Zelfs een kleine fout in de uitlijning kan de levensduur van een lager aanzienlijk verkorten, maar deze producten worden vaak geïnstalleerd op moeilijk toegankelijke plaatsen of onder moeilijke omstandigheden zoals ondergrondse mijnen,” zegt van Camp. “We willen het voor onze klanten makkelijker maken om die taken op de juiste manier uit te kunnen voeren.”
Leren van data
SKF maakt ook beter gebruik van de enorme hoeveelheden data die worden gegenereerd door moderne industriële producten. Lagers kunnen worden uitgerust met sensoren die temperatuur en vibratie meten. Connected machines en digitale beheersprogramma’s kunnen data met een schat aan details genereren van de manier waarop apparatuur wordt gebruikt en onderhouden. Maar het omzetten van die data in ‘machines die draaien en draaien’ is een ander type uitdaging.
Artificial Intelligence
“Onze technici zijn experts in het analyseren van prestatiegegevens, maar SKF produceert jaarlijks miljarden lagers,” aldus van Camp. “Toen we begonnen na te denken over het toepassen van deze benaderingen op alles wat we maken, werd het al snel duidelijk dat de taak te groot was voor zelfs een leger van menselijke analisten. De enige manier waarop je dit kunt doen is met kunstmatige intelligentie.”
De SKF AI-groep maakte contact met Presenso, een startup uit Israël, dat zich bezig hield met de toepassing van geautomatiseerd leren van machines op het gebied van industriële betrouwbaarheid. “Het was meteen duidelijk dat er een goede match was tussen wat Presenso deed en wat wij wilden,” zegt van Camp. “Ze hadden een geweldig product en, nog belangrijker, ze hadden een diepgaande kennis van onze markten.”
Data van duizenden klantlocaties
Een van de oprichters van het bedrijf is een wiskundige en statisticus, de andere is een werktuigkundige die gespecialiseerd is in betrouwbaarheid. De match bleek zo goed dat SKF in oktober 2019 het Israëlisch bedrijf overnam. Industriële klanten van SKF profiteren al direct van de technologie van Presenso, die automatisch door de gegevens van een fabriek kan gaan waarbij problemen en verbeteringsmogelijkheden naar boven komen. Maar voor van Camp zal de werkelijke kracht van de AI-gestuurde aanpak komen van de toepassing ervan op de verzamelde gegevens die SKF binnenkrijgt van duizenden klantlocaties.
Machines beter laten presteren
“Onze technici besteden veel tijd aan het onderzoeken van producten die in het veld falen,” zegt ze. “Maar de overgrote meerderheid van onze producten faalt niet, ze gaan langer mee dan de machines waarin ze zijn geïnstalleerd.”
Door een grote populatie lagers in het veld te analyseren, kan AI-technologie de specifieke problemen identificeren die samenhangen met hogere faalpercentages en zo SKF helpen zijn onderzoek te verfijnen en de machines van klanten beter te laten presteren. “Het is van groot belang dat de algoritmes op het juiste moment de juiste data pakken,” licht van Camp toe.
Door de crisis heen innoveren
Terwijl de nieuwe strategie van SKF al uitgerold werd vóór de coronavirus-pandemie begon, is de crisis een katalysator gebleken voor verdere verandering. “Lockdowns waren voor veel van onze klanten een enorme uitdaging,” aldus van Camp. “Ze moesten hun activiteiten draaiende houden ondanks tekorten aan mankracht en beperkte toegankelijkheid.”
SKF heeft de introductie van nieuwe producten en diensten, zoals de app Bearing Assist, naar voren gehaald om deze klanten betere ondersteuning te kunnen bieden. “Met Bearing Assist kan zelfs een relatief onervaren medewerker als expert werken,” zegt ze.
Transitie versneld door COVID-19
Het succes van Bearing Assist en andere projecten tijdens COVID-19 heeft ook de transitie van SKF naar een flexibelere benadering van onderzoek en productontwikkeling versneld. “Vroeger hadden we een rigide routekaart waarin onze plannen tot vijf jaar in de toekomst waren vastgelegd,” aldus van Camp.
“Onze R&D-teams zijn nu veel meer gericht op het aanpakken van de meest urgente uitdagingen van onze klanten, met als doel om binnen weken of maanden nieuwe oplossingen te hebben.”