Predictief onderhoud voor datacentersystemen
Predictief onderhoud gebruikt sensordata en analyse om te voorspellen wanneer een component zal falen, zodat vervanging plaatsvindt voor de storing optreedt. In datacenters, waar ongeplande stilstand duizenden euro's per minuut kost, is de businesscase evident. Het verschuift onderhoud van tijdsgebaseerd naar conditiegebaseerd.
Nederlandse context
Nederlandse kennusinstellingen als TNO en TU Delft publiceren onderzoek naar predictief onderhoud voor industriële installaties. In de datacentersector passen partijen als Equinix en NorthC predictieve modellen toe op koelinstallaties en UPS-systemen. De NEN-EN 13306 (onderhoudsterminologie) biedt het kader voor de classificatie van onderhoudsstrategieën.
Kernbegrippen
- Conditiegebaseerd onderhoud
- Onderhoud op basis van de gemeten toestand van een component in plaats van op basis van een vast tijdschema. Voorkomt zowel te vroeg als te laat ingrijpen.
- Vibratieanalyse
- Meting van trillingen in roterende apparatuur (ventilatoren, pompen, compressoren) om slijtage van lagers en onbalans vroegtijdig te detecteren.
- Thermografie
- Warmtebeeldanalyse van elektrische verbindingen en schakelapparatuur. Hotspots wijzen op losse verbindingen of overbelaste circuits die kunnen leiden tot brand of uitval.
- Trendanalyse
- Vergelijking van sensorwaarden over tijd om degradatiepatronen te herkennen. Een geleidelijk stijgende motortemperatuur kan wijzen op verminderde koelmiddelstroom.
- Mean Time Between Failures
- Statistische verwachte tijd tussen twee storingen van een component. Basis voor het bepalen van onderhoudsintervallen en reserveonderdelenbeleid.
Hoe het werkt
Predictief onderhoud begint bij het verzamelen van de juiste data. Installeer trillingssensoren op ventilatoren en pompen, temperatuursensoren op lagers en transformatoren, en stroommeters op individuele circuits. De meeste moderne koelinstallaties en UPS-systemen hebben ingebouwde sensoren die via BACnet of Modbus te lezen zijn.
De verzamelde data wordt geanalyseerd op patronen. Basisanalyse werkt met drempelwaarden: als een lagertemperatuur boven een bepaalde grens stijgt, wordt een werkorder gegenereerd. Geavanceerde analyse gebruikt machine learning om subtielere patronen te herkennen, zoals een geleidelijk veranderende trillingssignatuur die weken voor de feitelijke storing detecteerbaar is.
De implementatie is stapsgewijs. Start met de meest kritieke en duurste componenten: koelcompressoren, UPS-modules en generatoren. Meet de resultaten: afname van ongeplande storingen, verlenging van componentlevensduur en verlaging van onderhoudskosten. Breid vervolgens uit naar minder kritieke systemen. Het doel is niet om preventief onderhoud volledig te vervangen, maar om de twee strategieën naast elkaar in te zetten waar elk het meest effectief is.
Verwante onderwerpen
Volg het laatste nieuws over dit onderwerp via Datacenterbeheer op FM Radar →