Vorausschauende Instandhaltung mit ROI-EFESO in der chemischen Industrie

Die vollen Potenziale und Möglichkeiten von Predictive Maintenance werden in der Industrie nicht immer voll ausgeschöpft. (Bild: Industrieblick/stock.adobe.com)

Was ist Predictive Maintenance?

Predictive Maintenance oder vorausschauende Wartung ist ein Werkzeug, um die Leistung eines Betriebs zu optimieren. Dadurch können mögliche Ausfälle vorhergesehen und vorbeugende Maßnahmen ergriffen werden, bevor sie zu kostspieligen Problemen werden. Durch den Einsatz von Predictive Analytics können Fachleute Muster in Daten erkennen, die darauf hinweisen, wann Geräte gewartet oder ausgetauscht werden müssen, sodass sie vorausplanen und Ausfallzeiten reduzieren können. Dies hilft, die Effizienz zu steigern und gleichzeitig die Kosten für Notfallreparaturen oder -ersatz zu senken. Darüber hinaus bietet die vorbeugende Wartung wertvolle Einblicke in den Betriebszustand, sodass bei Bedarf Anpassungen vorgenommen werden können, um im Laufe der Zeit bessere Ergebnisse zu erzielen.
(Bild: Olivier Le Moal - stock.adobe.com)

Predictive Maintenance oder vorausschauende Wartung ist ein Werkzeug, um die Leistung eines Betriebs zu optimieren. Dadurch können mögliche Ausfälle vorhergesehen und vorbeugende Maßnahmen ergriffen werden, bevor sie zu kostspieligen Problemen werden. Durch den Einsatz von Predictive Analytics können Fachleute Muster in Daten erkennen, die darauf hinweisen, wann Geräte gewartet oder ausgetauscht werden müssen, sodass sie vorausplanen und Ausfallzeiten reduzieren können. Dies hilft, die Effizienz zu steigern und gleichzeitig die Kosten für Notfallreparaturen oder -ersatz zu senken. Darüber hinaus bietet die vorbeugende Wartung wertvolle Einblicke in den Betriebszustand, sodass bei Bedarf Anpassungen vorgenommen werden können, um im Laufe der Zeit bessere Ergebnisse zu erzielen.

Die Kosten für die vorausschauende Instandhaltung (Predictive Maintenance, PdM) sind erheblich gesunken, seit sie vor mehr als 20 Jahren in der chemischen Industrie eingeführt wurde. Sensoren sind inzwischen günstiger erhältlich, zudem lassen sich deutlich größere Datenkapazitäten einfacher erfassen und speichern. Konnektivität und Verarbeitungsleistung stellen ebenfalls keine unüberwindbaren Hürden mehr dar.

Dies alles führt dazu, dass PdM Produktions-, Wartungs- und Managementteams interessante Chancen eröffnet: Dazu zählen vor allem eine höhere Produktivität durch weniger ungeplante Ausfälle und Eingriffe sowie eine Steigerung der OEE. Aber auch Einsparungen sind erzielbar – etwa aufgrund einer besseren Planung von Arbeitszeiten, einer geringeren Kapitalbindung durch die längere Lebensdauer von Anlagen und Maschinen und eines geringeren Ersatzteilbedarfes.

Im Gegensatz zu anderen Branchen ist die chemische Industrie allerdings nicht auf Standardanlagen aufgebaut. Jede Anlage ist für ein bestimmtes chemisches Verfahren ausgelegt, also meist sehr kundenspezifisch konzipiert und gestaltet. Auch die Skalierung von PdM-Anwendungen ist schwieriger, da es nicht an jedem Standort identische Maschinen gibt. Deshalb ist ein "Proof of Value" so wichtig, denn der Business Case kann je nach Ausrüstung in viele verschiedene Richtungen gehen - von hoch standardisiert bis hin zu komplett maßgeschneidert und allen möglichen Varianten dazwischen. Für eine rentable Predictive Maintenance-Strategie sind nach unserer Erfahrung drei Phasen entscheidend:

Phase 1: Optionen erkunden

Ein typisches Dilemma besteht für viele Unternehmen darin, dass Anbieter großer Softwareplattformen für die vorausschauende Instandhaltung auf sie zukommen und Problemlösungen zu hohen Kosten offerieren. Im Endeffekt sollen sie eine hohe Vorauszahlung für die Lizenz leisten, während sie noch nicht geklärt sind, ob es einen Business Case gibt bzw. wie dieser konkret aussieht.

Mit unserem 'Proof of Value'-Ansatz prüfen wir zunächst die Open-Source-Formatierung in einigen wenigen Bereichen. Anhand dieser Ergebnisse lässt sich besser entscheiden, ob tatsächlich eine große, externe Plattform benötigt wird. In dieser Phase erstellen wir zudem einen Business Case, der nicht auf Schätzungen beruht. Wir zeigen dabei genau, welche Ausfälle sich verhindern lassen und wie viel dadurch eingespart werden kann.

Dabei berücksichtigen wir, dass es nicht nur eine Art vorausschauender Wartung, sondern unterschiedlich Stufen gibt. Zuerst sollten die Anlagen also klassifiziert werden. So kann man feststellen, ob mehr Zeit für einen komplexen oder weniger für einen einfachen Ansatz investiert werden sollte. Bei einigen Maschinen oder Geräten reicht es beispielsweise aus, die Frage "Ist der Zustand gut" mit einem 'Ja' oder 'Nein' zu beantworten – das hängt aber natürlich von der Zielsetzung der Instandhaltung ab. Dies bestimmt die PdM-Strategie und den Business Case.

Sebastian Grundstein ROI-EFESO
Dr. Sebastian Grundstein, ROI-Efeso. (Bild: ROI-Efeso)

Sie benötigen Unterstützung beim Thema Predictive Maintenance? Dr. Sebastian Grundstein ist seit 2017 Leiter des ROI Analytics Lab bei ROI-Efeso. Bereits seit 2012 unterstützt er Unternehmen dabei, datengetriebene Entscheidungen zu treffen. Seine Beratungsschwerpunkte liegen in den Sektoren Digitalisierung, Data Analytics und Digitale Fabrik. Er promovierte im Bereich der simulationsbasierten Optimierung der Produktionsplanung und -steuerung. Sie erreichen Sebastian Grundstein unter grundstein@roi.de

Phase 2: Make-or-buy-Entscheidung treffen

Zur gewünschten Lösung wird es viele Angebote von, Software-Anbieter, Open-Source-Entwicklern und Beratungsfirmen geben. Umso wichtiger ist es, anhand des 'Proof of Value'-Nachweises zu entscheiden, was selbst umgesetzt wird und wofür externe Hilfe gewünscht ist. Für viele Unternehmen ist es besser, ein eigenes Predictive-Maintenance-Programm zu entwickeln, als eines einzukaufen. Es kann auch eine dritte Option geben, die zwischen diesen beiden Möglichkeiten liegt.

Phase 3: PdM industrialisieren

In dieser Phase steht Anwendung am ersten Standort und die daran anschließende Skalierung auf andere Standorte im Fokus. Wir empfehlen, mit einem Standort und dort nur einem Bereich zu beginnen. Die besten und dauerhaftesten Ergebnisse werden unserer Erfahrung nach durch einen kleinen, agilen Start erzielt, woraus sich dann ein leistungsstarkes Programm entwickelt. Bei der Klassifizierung der Ausrüstung sollten die Maschinen ausgewählt werden, die den größten Nutzen bringen, wenn man diese über die Standorte hinweg skaliert. Idealerweise finanziert sich das Projekt selbst, da der Business Case für diese Übung darin besteht, die Finanzierung für das nächste Projekt zu erhalten.

Bei alledem ist eine vorausschauende Instandhaltung kein Projekt, das man einrichtet und das dann abgeschlossen ist. Es handelt sich um ein fortlaufendes Programm. Auch wer nur jährlich eine Wartung durchführt, muss sich ständig um sein PdM-System kümmern, da es ein wesentlicher Bestandteil dieser Aufgabe ist. Zudem gibt es keine PdM-Lösungen von der Stange – man muss nur anfangen und lernen. Wichtig ist, eben nicht zu versuchen, die Lösung immer weiter zu verbessern. Es gibt einen Punkt, ab dem der Grenznutzen einer weiteren Optimierung die Kosten nicht mehr aufwiegt.

Management-Tipps: Das machen Best Practice Unternehmen bei Predictive Maintenance richtig

  • Geduldig sein, keine schnellen Erfolge erwarten. Harte Arbeit ist im Vorfeld erforderlich, Ergebnisse stellen sich nicht sofort ein, also ist Geduld gefragt und die Erwartungen müssen gesteuert werden.
  • Präzise arbeiten, das richtige Gleichgewicht zwischen dem Business Case und der Komplexität des Modells finden. Nicht sofort in alle Richtungen „schießen“ – sondern ermitteln, wie tief man in die Modellierung der Ausrüstung einsteigen muss und wie viel für den Proof of Value erforderlich ist.
  • Offen dafür sein, neue Dinge zu lernen und Zeit zu investieren. Die Mitarbeiter im Projekt sollten Kompetenzen hinsichtlich Wartung, IT / Daten und Teamwork einbringen und verbinden können.
  • Ein klares Bild der verfügbaren Daten erstellen, den Proof of Value einschätzen, sicherstellen, dass alles prozessgesteuert und technologiegestützt ist. Hierbei steht der Mensch an erster Stelle, die IT an zweiter.

Was IT-Landschaften für die Produktion zukunftssicher macht, finden Sie, wenn Sie hier klicken.

Sie möchten gerne weiterlesen?

Dieser Beitrag wird präsentiert von: