Fertigungsprozesse haben einen immer höheren Automatisierungsgrad erreicht und münden heute in maschinellem Lernen, Big Data und Industrie 4.0. Mit der vierten industriellen Revolution und dem Zeitalter intelligenter und hochautomatisierter Systeme hat sich auch die Anlagenwartung weiterentwickelt. Durch das Internet der Dinge (Internet of Things, IoT) werden riesige Mengen an Sensordaten gesammelt, die im Rahmen von Instandhaltung 4.0 (Maintenance 4.0) aus einem Data Lake Repository gezogen werden. Mithilfe von Algorithmen lässt sich genau analysieren, warum eine bestimmte Anlage ausfallen kann, wann dies passieren wird, und wie sich auftretende Probleme schnellstmöglich lösen lassen.
Sie haben es eilig - mit einem Klick auf diese Links kommen Sie direkt zum entsprechenden Textabschnitt:
- Reaktiv, prädiktiv, präskriptiv
- Big Data und Machine Learning in der Instandhaltung
- Voraussetzungen für Asset-Performance-Management-Lösungen
- Reduzierte Personal- und Bestandskosten
- Betriebssicherheit und präzise Budgetierung
Reaktiv, prädiktiv, präskriptiv
Die meisten Unternehmen gehen von der reaktiven Instandhaltung – dem einfachsten, aber auf lange Sicht oft auch teuersten Ansatz – zu einer stärker präventiven und setzt sich durch - langsam">prädiktiven Instandhaltungsstrategie (Predictive Maintenance) über. Noch einen Schritt weiter geht die präskriptive Wartung, auch Instandhaltung 4.0 genannt: Die entsprechenden Systeme erkennen nicht nur Probleme, bevor sie auftreten, sondern empfehlen dem Wartungspersonal auch die notwendigen Maßnahmen zum Beheben der Fehlfunktionen.
Unabhängig von Größe und Branche streben anlagenintensive Unternehmen danach, die Lebensdauer ihrer Anlagen zu verlängern sowie Kosten und Ausfallzeiten zu minimieren. Doch um die Innovationen der Instandhaltung 4.0 zu nutzen, müssen Unternehmen in die passende Technologie investieren.
Big Data und Machine Learning in der Instandhaltung
Enterprise-Asset-Management-(EAM)-Systeme erfassen den korrekten Anlagenzustand, legen entsprechende Wartungsmaßnahmen fest und verwalten Arbeitsaufträge für jedes Wartungsereignis. Die riesigen Datenmengen, die für die prädikative und präskriptive Instandhaltung erforderlich sind, können sie allerdings nicht analysieren
Hier kommen Asset-Performance-Management-(APM)-Lösungen ins Spiel: Damit lassen sich die Datenmengen, die von Sensoren erfasst werden, verwalten und aussagekräftig analysieren. APM-Lösungen wenden Algorithmen und maschinelles Lernen an, um vorherzusagen, wann eine Anlage voraussichtlich ausfallen wird.
Anschließend weisen sie das Personal sowie die Betriebsabläufe und Tools zu, die für die Lösung des Problems benötigt werden. Möglich wird damit eine erweiterte vorausschauende Instandhaltung, um Wartungsabläufe zu automatisieren, Anlagenausfälle präventiv zu verhindern sowie das Fehlermanagement zu optimieren.
Voraussetzungen für Asset-Performance-Management-Lösungen
APM greift auf die Daten aus dem EAM-System sowie aus einer Vielzahl von weiteren Anlagenmesslösungen zurück. Demnach besteht der erste Schritt im Einbau der Sensoren und anderer Technologien, mit deren Hilfe sich riesige Mengen an Echtzeitdaten sammeln und verarbeiten lassen.
Predictive Maintenance - der große Überblick
Prädiktive Wartung ist Ihr Ding und Sie wollen alles zum Thema vorausschauende Instandhaltung wissen? Über den Link kommen Sie direkt zu unserem großen Überblick Predictive Maintenace. Dort finden Sie alles, was Sie wissen müssen, wenn Sie über die Einführung nachdenken, ein Projekt planen oder Ihre bestehende Technologie effektiver nutzen wollen.
Ist diese Business Intelligence vorhanden, unterstützt eine APM-Lösung Unternehmen dabei, den Arbeits- und Materialaufwand zu optimieren, die Sicherheit zu erhöhen und die Genauigkeit von Budgetprognosen zu verbessern. Voraussetzung für die erfolgreiche Implementierung einer APM-Lösung sind folgende fünf Komponenten:
- Das Anlagenregister ist das Herzstück eines EAM-Systems. Es speichert die Daten aller Anlagen und sorgt für einen genauen Überblick über die Anlagenbestände und Risiken. Dabei verfolgt das Register auch die Metadaten einer Anlage und überwacht deren Position im übergeordneten System sowie ihren aktuellen Zustand.
- Die Arbeitshistorie fasst unter anderem Arbeitsaufträge, Closing-Codes und Solution-Codes zu einem umfassenden Bild des Lebenszyklus einer Anlage zusammen. Diese Daten stützen die Fehlercodeanalyse und dienen als Grundlage für die Vorhersage zukünftiger Ausfälle.
- Echtzeit-Zustandsdaten sind über ein komplexes Netz aus IoT-Sensoren und -Messgeräten jederzeit verfügbar. Ein APM-System nutzt diese Daten über einzelne Anlagen, Bauteile und Komponenten, um Warnungen und Arbeitsaufträge auszulösen, sollten voreingestellte Toleranz- und Grenzwerte überschritten werden.
- Algorithmen und Modellierungsanalysen schlussfolgern aus den Daten, wie sich die Anlagen in Echtzeit verhalten, prognostizieren Fehler und lösen automatisiert Alarme oder auch konkrete Gegenmaßnahmen aus. Mithilfe von künstlicher Intelligenz oder digitalen Maschinenmodellen lassen sich Was-wäre-wenn-Analysen durchführen und verschiedene Szenarien modellieren.
- Die Konnektivität zwischen einer APM-Lösung und anderen Elementen des ERP-Systems eines Unternehmens verleiht den APM-Plänen Tiefe und Struktur. Über Programmierschnittstellen sollte das APM in andere Anwendungen integrierbar sein, die das Unternehmen zur Umsetzung der empfohlenen Maßnahmen nutzen kann, etwa ein ERP- oder Logistik-System.
In einer stabilen Wirtschaft und erst recht inmitten in einer globalen Pandemie orientiert sich die Investitionsentscheidung für neue Technologien letztendlich jedoch am Geschäftsergebnis. So stellt sich die Frage: Lassen sich die Kosten für das neue System mit Effizienzgewinnen und Kosteneinsparungen rechtfertigen?
Durch den Einsatz von APM können Unternehmen ihre Arbeitskosten senken, da die Lösung anhand von Sensordaten Probleme frühzeitig erkennt, den Wartungsbedarf priorisiert und sicherstellt, dass die Mitarbeiter effektiv und effizient eingesetzt werden. Die erhöhte Transparenz des Wartungsbedarfs ermöglicht außerdem eine Reduzierung der Bestandskosten.
Die Anschaffung und Lagerung teurer Ersatzteile ist so möglicherweise nicht länger notwendig. Mithilfe von APM lässt sich ermitteln, welche kritische Komponenten auf jeden Fall vorrätig sein sollten und welche Ersatzteile erst bei Bedarf bestellt werden müssen. Die Folgen sind eine verbesserte Wartungseffizienz und Kostenkontrolle.
Betriebssicherheit und präzise Budgetierung
Sicherheit hat bei vielen Unternehmen oberste Priorität und gewinnt in einer globalen Pandemie noch stärker an Bedeutung. APM liefert mithilfe von IoT-Sensoren Daten und Analysen, um Risiken vorherzusehen und kostspielige Vorfälle zu vermeiden, die die Produktion verzögern oder die Gesundheit der Mitarbeiter gefährden können.
Mit APM haben Unternehmen genug Zeit, vorbeugende Maßnahmen zu ergreifen, um die Produktionsumgebung und alle wesentlichen Geschäftsprozesse auf Kurs zu halten. Nicht zuletzt verleiht die Technologie dem Budgetierungsprozess einen völlig neuen Grad an Präzision: Basierend auf den Geschäftszielen und Betriebsbedingungen kann das Unternehmen vorhersagen, welche Anlagen es kaufen oder ersetzen muss.
Die individuellen Vorteile hängen natürlich von den spezifischen Anforderungen eines Unternehmens ab. Grundsätzlich unterstützt ein strategischer Ansatz beim Einsatz von APM aber dabei, kritische Maschinen und Produktionsanlagen am Laufen zu halten.
Gerade für Unternehmen, die in besonderem Maße auf ihre Anlagen und Maschinen angewiesen sind, ist die Optimierung des Betriebs für den Geschäftserfolg essenziell. Durch die Integration von APM-Funktionen in eine bestehende EAM-Lösung können Unternehmen die riesigen Datenmengen und automatisierten Arbeitsabläufe verwalten und analysieren, die für die prädiktive und präskriptive Instandhaltung erforderlich sind. Sie verstehen damit ihre Anlagen besser, können deren Zustände überwachen, den Wartungsbedarf prognostizieren und Ausfälle im Vorhinein verhindern.
Bearbeitet von Stefan Weinzierl