De Deep Dive-methode wordt primair toegepast, om te achterhalen welke data als informatie verzameld kan/moet worden om het functioneren van het object te monitoren en potentieel falen van het object te detecteren, te voorspellen en/of te voorkomen.
De term ‘Deep Dive’ wordt gebruikt omdat binnen RWS de Failure Mode Effect & Criticality Analysis (FMECA) en technische decompositie niet op elk object voldoende is uitgewerkt om een data- en informatiebehoefte aan te koppelen. Daarbij zijn faalmodi vaak niet specifiek genoeg gedefinieerd of niet gelinkt aan het juiste decompositie niveau. Dit is wél nodig om de voor DGAM benodigde informatiebehoefte te bepalen.
Met de Deep Dive -methode bespreekt de totale AM-driehoek, bestaande uit Regio, PPO en Service provider, de faalmechanisme-gebaseerde detectieanalyse van kritische bouwdelen/ elementen. Het uitvoerende team bestaat uit vertegenwoordigers van Regio, PPO en Service provider. (Toe-) leveranciers/OEM’s (Original Equipment Manufacturer) nemen deel als kennisdrager.
Doel Deep Dive
Het hoofddoel van de DD is om een volledige (specifieke) data- en informatiebehoefte vast te leggen voor (de gekozen) kritische bouwdelen en componenten per object. Tijdens de DD wordt ingezoomd op een gedeelte van de object decompositie en wordt ingegaan op ‘wat’ in een bouwdeel of element tot falen kan leiden, wat hiervan de faalmodi is, ‘hoe’ dit gedetecteerd kan worden en welke sensor(-data) hiervoor nodig is.
Waar dat bij (kritieke) bouwdelen (die worden behandeld in de DD) nodig is, zal naast de bestaande drie (beheer object – elementen – bouwdelen) een dieper niveau: ‘component’ worden toegevoegd. Dit is dan de spreekwoordelijke ‘laagste maintainable unit’, zie bijlage 4.1 Decompositie.
Doordat de DD wordt uitgevoerd met een focus op een gedeelte van de technische decompositie van het object, kan het nodig zijn over tijd meerdere Deep Dives per object uit te voeren.
Het resultaat van de DD is een vastgestelde data- en informatiebehoefte welke is opgehaald bij alle AM-stakeholders binnen het uitvoerende team (Regio, PPO en Service provider). Deze data- en informatiebehoefte wordt tijdens de DD vastgelegd in een template en heet als resultaat de ‘Faaldetectie-analyse’, zie hoofdstuk. 2.3.2/2.3.3.
De Faaldetectie-analyse geeft inzicht in welke bouwdelen en elementen kunnen falen, hoe deze kunnen falen (faalmodi), wat hiervan de Storing Voorspellende Grootheden (SVG) zijn en welke databronnen nodig zijn om deze SVG beschikbaar te stellen/maken.
- Een voorbeeld van een SVG is:
- De temperatuur van een lager in een aandrijfmotor die stijgt tot een ‘Y’ temperatuur en daarmee afwijkt van de normaal temperatuur ‘X’.
- Een voorbeeld van databronnen kunnen zijn:
- (nog te installeren) additionele sensoren.
- Al aanwezige SCADA/ODS-data.
Naast inzicht in de data- en informatiebehoefte voor DGAM, bieden de resultaten uit DD- methode ook inzichten die gebruikt kunnen worden in assetmanagement processen. Zoals het optimaliseren van:
- Het Onderhoud Management Systeem:
- Technische decompositie;
- Faal mechanisme/modi.
- Prestatie gestuurd instandhoudingsplannen (P-IHP’ s) en;
- RCM-Cost.
Deep Dive in het 4-Fasen Plan
De DD is onderdeel van het 4-Fasen Plan. In Fase II ‘Analyse’ waar de informatiebehoefte wordt bepaald, heeft de DD een prominente plek.
log in of registreer om te reageren.