Swen Deobald
 - 20. September 2019

Predictive Maintenance [Teil 1]

Predictive Maintenance (PdM) ist eine Wartung, die die Leistung und den Zustand von Geräten während des normalen Betriebs überwacht, um die Wahrscheinlichkeit von Ausfällen zu verringern. Auch bekannt als zustandsorientierte Instandhaltung, wird die vorausschauende Instandhaltung seit den 90er Jahren in der Industrie eingesetzt.

Das Ziel der vorausschauenden Instandhaltung ist das Vorhersagen wann ein Geräteausfall auftreten könnte, gefolgt von der Vermeidung des Ausfalls durch regelmäßige und korrigierende Wartung.

Bei diesem Blogbeitrag zu Predictive Maintenance handelt es sich um eine Blogreihe, der zweite Teil wird vor allem die Instandhaltungstechnologien behandeln und  geht am 27.09.2019 online.

Vorbeugende Instandhaltung kann es nicht ohne Zustandsüberwachung geben, die definiert ist als die kontinuierliche Überwachung von Maschinen unter Prozessbedingungen, um den optimalen Einsatz von Maschinen zu gewährleisten. Es gibt drei Aspekte der Zustandsüberwachung: online, periodisch und remote. Unter Online-Zustandsüberwachung versteht man die kontinuierliche Überwachung von Maschinen oder Produktionsprozessen mit Daten über kritische Drehzahlen und wechselnde Spindelpositionen. Die periodische Zustandsüberwachung beschreibt hingegen die Kontrolle von Maschinen in regelmäßigen Intervallen. Bei der Remote Zustandsüberwachung werden die Maschinen hingegen über lokal installierte Agenten von einer Fernverwaltung kontrolliert.

Wie IoT, Smart Data und Predictive Analytics Fehler beheben, bevor sie entstehen

Heutzutage wird die Datenbasis, für die vorausschauende Instandhaltung und Wartung, von IoT, Predictive Analytics und Big Data geliefert.

Vorausschauende Analysen gestatten uns einen Blick in die Zukunft, das was vor ein paar Jahren noch unvorstellbar klang. Sie verraten uns mit Hilfe verschiedener Technologien welche Ereignisse in der nächsten Zeit eintreffen werden. Technologien wie: Data-Mining, Machine Learning und künstliche Intelligenzen, erkennen eine mögliche Gefahr bevor sie entsteht und rät aufgrund dessen zu Wartungs- oder Instandhaltungsarbeiten.

Unterschiede zwischen vorausschauender Instandhaltung und vorbeugender Wartung

Beide Technologien verhindern im Voraus, dass beschädigte Systeme die Arbeit einstellen. Damit dies gewährleistet werden kann, muss die Anwendung regelmäßig durchgeführt werden, was sowohl bei der vorausschauenden Instandhaltung als auch bei der vorbeugenden Wartung der Fall ist. Der Unterschied der beiden Technologien liegt vor allem darin, dass die vorausschauende Instandhaltung aus geschäftlicher Sicht effizienter ist, denn dort wird nur eingegriffen, wenn Teile einer Maschine wirklich kurz vor dem Ausfall sind. Im Gegensatz dazu werden bei der vorbeugenden Wartung auch routiniert Teile einer Maschine ausgetauscht, wenn diese noch einige Wochen oder auch Monate länger funktioniert hätten.

Predictive Maintenance

Predictive Maintenance erkennt eine Störung, bevor sie überhaupt entsteht. Handeln Sie nicht in der letzten Minuten, sondern jetzt! Unser Whitepaper zeigt wie und warum.

Predictive Maintenance: Kriterien und Einsatzszenarien

Einsatzszenario für die vorausschauende Instandhaltung

Um den Return on Investment zu erzielen und die Maschinen auf Höchstleistung zu bringen, müssen die Anlagen einen stärkeren Schwerpunkt auf die vorausschauende Instandhaltung legen.

Da Betrieb und Management darauf hinarbeiten, Kosten zu senken und die Produktivität zu steigern, wird die Notwendigkeit einer vorausschauenden Instandhaltung deutlich, weil es ohne sie schwierig wird, kostengünstige, langfristige Entscheidungen für eine Anlage zu treffen.

Der Wert der vorausschauenden Instandhaltung ergibt sich aus einem kosten- und/oder zeitsparenden Ansatz, da die Wartung nur bei Bedarf durchgeführt wird. Tatsächlich fanden mehrere Studien des Federal Energy Management Programs des US-Energieministeriums heraus, dass ein ordnungsgemäß funktionierendes prädiktives Wartungsprogramm Einsparungen von 30-40 Prozent bei der reaktiven Wartung und 8-12 Prozent bei der präventiven Wartung ermöglicht.

Kriterien für eine erfolgreiche PdM-Strategie

Damit eine PdM-Strategie erfolgreich ist, müssen mehrere Kriterien berücksichtigt und erfüllt werden. Erstens sollte die Verpflichtung von oben nach unten kommen. Das gesamte Unternehmen muss sich verpflichten, die vorausschauende Instandhaltung zu einem obligatorischen Bestandteil der normalen Zeitpläne zu machen. Alle Anlagenbetreiber müssen auch geschult und in die Durchführung der erforderlichen Instandhaltungsprüfungen einbezogen werden. Darüber hinaus muss das gesamte Unternehmen die tatsächlichen Kosten und Auswirkungen einer schlechten Instandhaltung verstehen. Schließlich müssen die PdM-Verfahren sofort umgesetzt werden, damit das Unternehmen die Vorteile nutzen kann.

Während viele die Bedeutung der vorbeugenden Instandhaltung für große Maschinen erkennen, ist PdM auch für die Überwachung kleinerer Alltagsgegenstände wie Kaffeemaschinen, Drucker, Frankiermaschinen und mehr geeignet. In Wirklichkeit kann eine ganze Anlage von der Implementierung einer vorausschauenden Instandhaltung profitieren.

Einsatz von Predictive Analytics und Maintenance in der Praxis

Automativ

Automobilunternehmen betreiben einige der größten Roboterparks der Welt. Mit dem Ziel die Lagerkosten zu senken, entwickelten Automobilunternehmen seit den 1960er und 1970er Jahren Just-in-Time-Fertigungsmethoden. Infolgedessen verfügen sie über eng integrierte Lieferketten. Obwohl eine enge Integration der Lieferkette eine Reduzierung der Lagerbestände ermöglicht, führt jede Verringerung der Produktionseffizienz zu erheblichen Störungen in der Lieferkette. Es ist nicht verwunderlich, dass Automobilunternehmen von einer Technologie, die Ausfallzeiten reduziert, deutlich profitieren werden.

Fluggesellschaften

Fluggesellschaften sind nicht unbekannt, die Sensordaten von Flugzeugen genau zu überwachen. Die heutigen Analysefähigkeiten ermöglichen es ihnen, mehr Daten zu analysieren, was die Sicherheit der Fahrgäste erhöht.

Öl & Gas

Trotz des Anstiegs der grünen Energie ist Öl & Gas nach wie vor eine der größten Industrien. Sowohl die Gewinnung als auch die Raffination sind mit teuren Geräten verbunden, die im Falle eines Ausfalls Gesundheits- und Umweltgefahren verursachen können. So war beispielsweise die Ölkatastrophe von Deepwater Horizon im Jahr 2010, die zu 11 Toten und ~8 Mio. Litern verschüttetem Öl führte, eine der schlimmsten Katastrophen der letzten zehn Jahre. Die Einsätze sind hoch, um solche Katastrophen durch bessere Analysen und Wartung zu verhindern.

Ports

Unter harten Bedingungen verschlechtern sich die Bedingungen der Hafenausrüstung schnell. Beispielsweise sind Kräne kritische Komponenten, weil sie anfällig für Ausfälle sind. Kranausfallzeiten bedeuten mehr Wartezeiten für Schiffe und weniger Durchsatz für Häfen. Die Reduzierung von Ausfallzeiten verbessert die Servicequalität und reduziert den Ausschuss für Häfen.

predictive maintenance

Vor- und Nachteile der vorausschauenden Instandhaltung

Wie bereits erwähnt, sind die Vorteile der vorausschauenden Instandhaltung aus Kosteneinsparungssicht enorm und umfassen die Minimierung geplanter Ausfallzeiten, die Maximierung der Lebensdauer der Anlagen, die Optimierung der Mitarbeiterproduktivität und die Steigerung des Umsatzes.

Ein weiterer Vorteil der vorausschauenden Instandhaltung ist die Fähigkeit, sowohl ein Instandhaltungsteam als auch ein Unternehmen zu transformieren, da die Implementierung von PdM es Vermögensverwaltern ermöglicht, die Ergebnisse zu verbessern und Prioritäten wie Rentabilität und Zuverlässigkeit besser auszugleichen.

Einer der Hauptnachteile der vorausschauenden Instandhaltung ist die Zeit, die benötigt wird, um einen PdM-Plan zu bewerten und umzusetzen. Da die vorausschauende Instandhaltung eine komplexe Initiative ist, muss das Anlagenpersonal nicht nur in der Bedienung der Geräte, sondern auch in der Interpretation der Analysen (oder Daten) geschult werden.

Während viele Unternehmen sich dafür entscheiden, bestehende Mitarbeiter in der vorbeugenden Instandhaltung zu schulen, gibt es Zustandsüberwachungsunternehmen, die sich auf die Durchführung der erforderlichen Arbeiten und die Analyse der Ergebnisse für eine Einrichtung spezialisiert haben. Zusätzlich zu den Schulungskosten ist die vorausschauende Instandhaltung mit einer Investition in Instandhaltungswerkzeuge und -systeme verbunden. Diese Kosten haben sich im Laufe der Zeit mit der Einführung der Cloud-basierten Technologie verringert.

Nun lässt sich noch sagen, dass Predictive Maintenance nur ein Anwendungsgebiet von Predictive Analytics ist. Weitere Anwendungsgebiete: Fraud Detection, Predictive Quality, Cash-Forecasting etc.

Im zweiten Teil dieser Blogreihe erfahren Sie, welche vorausschauenden Instandhaltungstechnologien es gibt.

Swen Deobald

Swen Deobald

Mein Name ist Swen Deobald und ich bin begeisterter SAP Analytics Berater. Als Fachbereichsleiter von Compamind unterstütze ich Sie mit meinem Team bei allen Fragen rund um SAP Analytics, Business Warehouse, BusinessObjects und der SAP Analytics Cloud.

Sie haben Fragen? Kontaktieren Sie mich!



Das könnte Sie auch interessieren


2 Kommentare zu "Predictive Maintenance [Teil 1]"

Ralph Pfeifer - 26. September 2019 | 15:14

Wie sicher ist diese `Zukunftsvorhersage`? Und wenn sie sich mal irrt, wer kommt dann für den Schaden auf?
LG
Ralph

Antworten
Swen Deobald - 6. Oktober 2019 | 9:13

Hallo Herr Pfeifer,

die Qualität der Prognose hängt maßgeblich von 2 Faktoren ab:
1) Die Menge und Qualität der historischen Daten und
2) die Qualität des Prognosemodells

Stellen Sie es sich wie beim Wetterbericht vor (das ist auch Predictive Analytics). Wenn Sie nur Temperaturdaten von einer Woche sammeln, daraus den Durchschnitt nehmen und diesen als Temperaturverlauf für die kommenden 3 Jahre prognostizieren, sind beide o.g. Einflussfaktoren auf die Treffsicherheit denkbar ungünstig. Jedes Modell ist fehlerhaft – es kommt eben darauf an, wie groß die zu erwartenden Fehler sind und ob Sie diese in Kauf nehmen möchten. Und es kommt darauf an ob Sie ohne Predictive Analytics bereits bessere Entscheidungen treffen können als mit. Im Beispiel des Wetterberichts, nehmen wir z.B. in Kauf, dass dieser um 1-2°C abweicht. Trotzdem können wir uns bei einer Prognose von +25°C recht sicher sein, dass es keine 5°C werden und unsere Handlungen danach ausrichten (z.B. T-Shirt anziehen, keine Jacke, Regenschirm mitnehmen). Ohne eine solche Wetter-Prognose müssten Sie sich die Informationen anderweitig beschaffen (z.B. aus dem Fenster sehen, Bauchgefühl, usw.). Wenn Sie jetzt aus dem Fenster sehen, würden Sie sagen, dass es in 2 Tagen regnet? Und wie sieht es in Paris aus? Schwierige Entscheidung. Genau hier hilft Ihnen ein Prognosemodell weiter.
Bzgl. der Frage nach Schadenersatz: grundsätzlich bleibt es Ihre Entscheidung ob Sie auf die Prognosemodelle vertrauen oder nicht. In der Praxis werden die Prognosemodelle häufig erstmal parallel zu den bestehenden Entscheidungsprozessen trainiert und geprüft. Den Schaden, der aus einzelnen „falschen“ Prognosen entsteht, wird Ihnen niemand ersetzen. Zumindest würde ich selbst nicht auf die Idee kommen z.B. wetteronline.de zu verklagen, dass es heute regnet obwohl vor einer Woche 30% Regenwahrscheinlichkeit in der App stand.

Viele Grüße,
Swen Deobald

Antworten

Schreiben Sie einen Kommentar

Bitte füllen Sie alle mit * gekennzeichneten Felder aus. Ihre E-Mail Adresse wird nicht veröffentlicht.





Angebot anfordern
Expert Session
Preisliste anfordern