<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=974250883405448&amp;ev=PageView&amp;noscript=1">
Predictive Maintenance - Voraussetzungen, Vorteile und Strategien

Industry 4.0

,

Digital Advisory

Predictive Maintenance - Voraussetzungen, Vorteile und Strategien

Techedge | Sep 09, 2021

In einer Welt mit immer fortschrittlicheren, vernetzten und intelligenten Maschinen und Anlagen ist das Thema Instandhaltung von zentraler Bedeutung für jedes Unternehmen, das eine kontinuierliche Verbesserung von Produktivität und Qualität anstrebt. In diesem Artikel erörtern wir das Thema Predictive Maintenance. Angefangen bei der Definition und den möglichen Ansätzen zur Umsetzung bis hin zu den Vorteilen, die es den Unternehmen bringen kann, die sich für seine Einführung entscheiden.

Was ist Predictive Maintenance und wie unterscheidet es sich von anderen Instandhaltungsstrategien?

Es gibt viele Arten von Instandhaltungsstrategien und nicht alle davon sind Alternativen. Bevor wir uns mit dem beschäftigen, was uns in diesem Artikel wirklich interessiert, wollen wir einen kurzen Blick auf die möglichen Alternativen werfen.

Reaktive Instandhaltung (Reactive Maintenance)

Diese Art der Instandhaltung ist das Ergebnis von Dringlichkeit. Es überrascht nicht, dass die reaktive Instandhaltung erst nach dem Auftreten eines Fehlers erfolgt, häufig dann, wenn die betroffene Komponente das Ende ihres Lebenszyklus erreicht hat. In solchen Fällen wird die Produktion unterbrochen und der Fehler kann negative Auswirkungen auf andere Komponenten, die Sicherheit und sogar die Umwelt haben.

Vorbeugende Instandhaltung (Preventive Maintenance)

In diesem Fall wird die Maschine in regelmäßigen Abständen gewartet, bevor ein Fehler auftritt. Die zur Fehlervermeidung ausgetauschten Teile können jedoch voll funktionsfähig sein. Ein Beispiel für die vorbeugende Instandhaltung ist die zustandsorientierte Instandhaltung, bei der die Notwendigkeit von Eingriffen durch die Überwachung und Bewertung der Funktionsfähigkeit eines Bauteils oder einer Maschine ermittelt wird (z. B. durch die Überprüfung, ob die Schlüsselparameter eines Prozesses oder einer Maschine innerhalb der erforderlichen Schwellen- oder Grenzwerte liegen).

Vorausschauende Instandhaltung (Predictive Maintenance)

Predictive Maintenance ist eine proaktive Strategie, die Daten analysiert und Änderungen in der Produktion, Planung und Wartung vorschlägt, um Fehler zu vermeiden und Maschinenausfälle zu verhindern. Bei dieser Strategie werden die Daten und die Verarbeitungshistorie der Maschinen in Informationen umgewandelt, die dann als Grundlage für Analysen und die Verbesserung der Wartungsprozesse dienen.

Die vorausschauende Instandhaltung ähnelt in gewisser Weise der zustandsorientierten Instandhaltung, verwendet jedoch Logiken und Modelle, die die Datenhistorie analysieren und die Verschlechterung des Bauteils im Laufe der Zeit bewerten, um auf dieser Grundlage den Zeitpunkt für die Überprüfung von Fehlern zu bestimmen.

 

7 Vorteile von Predictive Maintenance

Im nächsten Teil werden wir die wichtigsten Faktoren beschreiben, die die vorausschauende Wartung zum modernsten Paradigma für die anwendbare Instandhaltung machen.

1. Höhere Erträge

Die Einführung proaktiver Wartungsroutinen verringert das Risiko ungeplanter Ausfallzeiten und ungeplanter Verlangsamungen aufgrund unvorhergesehener Ausfälle. Dies bedeutet, dass die Produktivitätsraten aufrechterhalten werden, was sich wiederum positiv auf die Erträge auswirkt.

2. Reduzierte Personalkosten

Die Verringerung und Optimierung der Anzahl der Wartungsarbeiten ermöglicht ein effizienteres Kostenmanagement und führt zu einer erheblichen Reduzierung der für die Wartung aufgewendeten Betriebszeit. Außerdem können durch die Angabe, wo und wann Wartungsarbeiten durchgeführt werden sollen, Eingriffe geplant, die Anzahl der Ausfälle und damit die Dauer der Reparaturzeiten verringert werden, da weniger Komponenten ausgetauscht werden müssen.

3. Weniger Produktionszeitverluste durch Wartungsarbeiten

Die Ergebnisse der vorausschauenden Analysen ermöglichen es, Fehler Tage oder Wochen im Voraus zu erkennen und somit die Stillstandszeiten der Anlage zu dem Zeitpunkt zu planen, an dem sie die geringsten Auswirkungen auf die Produktivität haben.

Diese Aufgabe wird durch die Definition der so genannten P-F-Kurven erleichtert, in denen die Zeitintervalle zwischen potenziellen Ausfällen, P (der Punkt, an dem die Maschine beginnt, sich zu verschlechtern und auszufallen), und einem Funktionsfehler, F (der Punkt, an dem die Maschine ihre Nutzungsgrenze erreicht hat und nicht mehr funktioniert), dargestellt sind. Je größer das P-F-Intervall ist, desto größer ist der verfügbare Spielraum für die Planung der Instandhaltung.

 

Predictive Maintenance: P-F curve

 

Die Tatsache, dass sich ungeplante Ausfallzeiten direkt auf die OEE (Overall Equipment Effectiveness) auswirken und eine Kaskade auslösen, in der eine Reihe von Ineffizienzen entlang der Produktionskette auftreten, die sowohl interne (Versanddienste, Lager usw.) als auch externe Kunden (Transporteure, externe Depots, Endkunden usw.) einschließen kann, macht die Planung umso wichtiger. 

4. Geringere Maschinenkosten

Die Möglichkeit, Wartungsarbeiten an einem Bauteil durchzuführen, bevor es zu einem kritischen Ausfall kommt, reduziert die Kosten für das defekte Teil und die für die Reparatur dieses Teils erforderliche Arbeit, anstatt die gesamte Maschine ersetzen zu müssen. Durch die Verringerung der Anzahl der Ausfälle erhöht sich auch die durchschnittliche Lebensdauer der Maschine.

5. Geringere Umwelt- und Sicherheitsrisiken

Eine unmittelbare Folge der Lösung potenzieller Probleme, bevor sie auftreten, sind sicherere und umweltfreundlichere Arbeitsbedingungen, da das Risiko von kritischen Zwischenfällen und Leckagen in die Umwelt verringert wird.

6. Gesteigerte Effizienz des Wartungspersonals

Durch eine sorgfältige Planung der Wartungsarbeiten lässt sich die Effizienz des Wartungspersonals verbessern.

7. Erstellung der Datenbank

Ein weiterer Vorteil von Predictive Maintenance ist die Möglichkeit, eine historische Datenbank der Maschinenleistung und des Maschinenverhaltens zu erstellen, die zur Erhöhung der Vorhersagegenauigkeit in der Zukunft genutzt werden kann.

 

Die 3 grundlegenden Voraussetzungen für die Ausarbeitung einer Predictive Maintenance Strategie

Um einen optimalen Plan für Predictive Maintenance zu erstellen, müssen Sie über folgende Schlüsselelemente verfügen

  1. Maschinendaten, die von Historian-, IoT- oder anderen Systemen über einen signifikanten Zeitraum gesammelt wurden, der Ausfallereignisse umfasst
  2. Die Fehler-Historie der von der Maschine aufgezeichneten Fehler, einschließlich möglichst vieler Daten
  3. Erfahrenes Personal in der Bedienung der Maschinen, das in der Lage ist, Fehlerursachen zu diagnostizieren, indem es sowohl die gesammelten Daten als auch andere Indikatoren liest, die möglicherweise nicht von Historian, IoT oder anderen Systemen verwaltet werden

 

3 Strategien für die Planung und Umsetzung von Predictive Maintenance

Bei Techedge haben wir drei alternative Ansätze ausgewählt, die sich entweder durch die Art der Umsetzung oder die Art der Verwaltung unterscheiden.

Benutzerdefinierter Ansatz (Custom Approach)

Der benutzerdefinierte Ansatz umfasst die Entwicklung und Implementierung von Systemen zur vorausschauenden Wartung durch die Definition benutzerdefinierter Algorithmen auf Open-Source-KI-Plattformen.

Während diese Lösung einerseits die Möglichkeit bietet, den Algorithmus auf die spezifischen Bedürfnisse des Prozesses und der zu wartenden Maschinen zuzuschneiden, erfordert sie andererseits die Verfügbarkeit von Prozessoren und Mechanikern mit starken technischen Fähigkeiten sowie von Datenwissenschaftlern, die in der Lage sind, komplexe prädiktive Wartungsalgorithmen zu entwickeln.

Dieser Ansatz bedeutet auch, dass die Verwaltung des gesamten Systems vollständig in den Händen der Mechaniker/Prozessoren und Datenwissenschaftler liegt, die es entworfen und implementiert haben.

Hauptmerkmale eines benutzerdefinierten Ansatzes:

  • Die Investitionskosten für die Entwicklung und Implementierung eines maßgeschneiderten Systems sind hoch.
  • Die Entwicklungs- und Implementierungszeiten sind im Durchschnitt länger.
  • Die Zeit, die benötigt wird, um Ergebnisse zu sehen, ist umgekehrt proportional zu der für die Entwicklung aufgewendeten Zeit. Je ähnlicher das Modell und der zu überwachende Prozess sind, desto schneller können Ergebnisse erzielt werden.
  • Der Einsatz von Personal für die Entwicklung und Verwaltung des Systems erhöht das interne Know-how.

Hybrider Ansatz (Hybrid approach)

Beim hybriden Ansatz wird ein auf dem Markt erhältliches Produkt mit vorgefertigten Modellen für Predictive Maintenance eingesetzt, die trainiert und kalibriert werden müssen.

Diese Lösung erfordert verfügbare Mechaniker und Prozessoren für die Modellkonfigurationsphase; es ist jedoch nicht notwendig, KI-Algorithmen zu verstehen, um diese Lösung zu implementieren, was bedeutet, dass die typischen Fähigkeiten eines Datenwissenschaftlers nicht erforderlich sind. Die gleichen Prozessoren sind auch für die Verwaltung des Systems im Laufe der Zeit verantwortlich.

Hauptmerkmale des hybriden Ansatzes:

  • Die Investitionskosten für die Einrichtung der Modelle sind bescheiden.
  • Sie müssen die Kosten für die Softwarelizenzierung tragen.
  • Wie schnell Ergebnisse erzielt werden, hängt davon ab, wie einfach die verfügbaren Modelle konfiguriert werden können. Je größer die Freiheit bei der Modellkonfiguration ist und je mehr das Modell der Realität entspricht, desto schneller werden die Ergebnisse erzielt.

"Off the shelf"-Ansatz

Ähnlich wie beim hybriden Ansatz werden bei der Standardlösung auf dem Markt erhältliche Produkte eingesetzt, die konfigurierbare Modelle für Predictive Maintenance verwenden. In diesem Fall erhält der Käufer jedoch nicht nur Software, sondern auch einen Support-Service, der sowohl die Modellkonfiguration als auch das Fehlermanagement und die Analyse über Jahre hinweg abdeckt.

In diesem Fall ist also kein spezifisches Fachwissen auf Seiten des Kundenunternehmens erforderlich.

Der "off the shelf"-Ansatz wird in der Regel von Maschinenherstellern angeboten, die im Laufe der Zeit mit einer Reihe von Kunden solide Erfahrungen in diesem Bereich gesammelt haben und daher in der Lage sind, vergleichende Analysen zur Maschinenleistung in allen Anlagen ihrer Kunden zu erstellen.

Hauptmerkmale des "Off the shelf"- Ansatzes:

  • Ein relativ hohes wirtschaftliches Engagement, um die Lizenzkosten und das Servicemanagement aufrechtzuerhalten
  • Die Zeit, die benötigt wird, um Ergebnisse zu sehen, ist in der Regel länger als bei den anderen beiden Ansätzen.

 

  Implementierung Management
Benutzerdefinieter Ansatz Intern Intern
Hybrider Ansatz
Extern Intern
Off the shelf Ansatz Extern Extern

 

Um nun einen Vergleich anzustellen, haben wir ein Radardiagramm erstellt, das die Unterschiede zwischen den drei vorgeschlagenen Ansätzen anhand der folgenden Elemente veranschaulicht:

  • CAPEX
  • Kosten für Lizenzen und Verwaltungsdienste
  • Fähigkeit zur Anpassung
  • Geschwindigkeit der Entwicklung/Implementierung
  • Zeit bis zum Vorliegen von Ergebnissen
  • Steigerung des Unternehmens-Know-hows
  • Vergleich mit Dienstleistungen Dritter

 

Predictive maintenance - Comparison between Custom, Hybrid and Off the shelf approach

Im Allgemeinen geht es nicht um die besten oder schlechtesten Ansätze, sondern darum, einen Ansatz zu finden, der den spezifischen Bedürfnissen Ihres Unternehmens in Bezug auf Budget, internes Know-how und den anderen Faktoren, die wir erörtert haben, gerecht wird.

Für eine Verbesserung ist es nie zu spät: Kontaktieren Sie uns!
Unsere Consultants helfen Ihnen gerne dabei, die beste Strategie für Predictive Maintenance Ihrer Anlagen zu finden.

 

Abonnieren!