Auteur: Nilanjay Ghura

Vorausschauende Wartung: Kann sie zu null Ausfallzeiten führen?

Vorausschauende Wartung- Kann sie zu null Ausfallzeiten führen

In der heutigen dynamischen Industrielandschaft sind Ausfallzeiten ein entscheidender Faktor, der die Produktivität erheblich beeinflusst. Selbst kurze Unterbrechungen im Betrieb von Maschinen oder Anlagen können zu betrieblichen Störungen und beträchtlichen finanziellen Verlusten führen. Die moderne Technologie versucht dem mit neuen Ansätzen wie der vorausschauenden Wartung die Stirn zu bieten.

Die Kosten von Ausfallzeiten

Bevor wir uns mit der vorausschauenden Wartung befassen, ist es wichtig, die tatsächlichen Auswirkungen von Ausfallzeiten zu verstehen. Einem kürzlich erschienenen Artikel auf der Website von Automation zufolge verlieren die größten Hersteller der Welt insgesamt fast 1 Billion Dollar pro Jahr durch Maschinenausfälle. Allein diese Tatsache unterstreicht die Bedeutung einer effektiven Maschinenwartung.

Eine Methode, die weithin Beachtung findet, um Maschinenausfälle zu minimieren, ist die vorausschauende Wartung. Wenn Sie mehr darüber erfahren möchten, was Predictive Maintenance beinhaltet und wie sie funktioniert, laden wir Sie ein, unseren Artikel zu lesen, indem Sie hier klicken.

In diesem Artikel werden wir speziell die Frage beantworten: “Kann Predictive Maintenance ‘Zero Downtime’ – also eine Ausfallzeit, die gegen Null geht – erreichen?“

Null Ausfallzeiten - Mythos oder Wahrheit?

Es stimmt zwar, dass Predictive Maintenance die effektivste Methode ist, um ungeplante Maschinenstillstände zu reduzieren und den Instandhaltungsprozess zu optimieren, dennoch ist das Erreichen von Zero Downtime unmöglich. Dafür gibt es mehrere externe Gründe, von denen einige zu nennen sind:

Unvorhergesehene Umstände

Einige Ereignisse wie Naturkatastrophen oder größere externe Störungen wie Lieferketten- oder Cybersecurity-Probleme, Stromausfälle oder marktwirtschaftliche Veränderungen, die sich auf das Ersatzteil- oder Serviceangebot auswirken, können zu Ausfallzeiten führen, die durch Predictive Maintenance nicht verhindert werden können.

Begrenzte Ressourcen

Vorausschauende Instandhaltung erfordert eine gut ausgebaute Infrastruktur mit Sensoren, Datenanalysetools und qualifiziertem Personal. Kleinere Unternehmen oder solche mit begrenzten Ressourcen können bei der vollständigen Umsetzung dieser Strategie auf Einschränkungen stoßen. Aber auch große Unternehmen können nicht jede einzelne Komponente überwachen. Wichtig ist, dass die Auswahl der zu überwachenden Komponenten und Parameter auf einem gründlichen Verständnis beruht, welche kritisch für die weiterführung des Betriebes sind und welche besonders fehleranfällig mit Bick auf Ausfallzeiten oder Sicherheitsrisiken sind.

Menschliche Fehler

Trotz vorausschauender Warnungen können bei Wartungsarbeiten oder bei der Reaktion auf Anlagenprobleme immer noch menschliche Fehler auftreten, die möglicherweise zu Ausfallzeiten führen.

Komplexe Systeme

In hochkomplexen industriellen Systemen kann es schwierig sein, einige Anlagenausfälle genau vorherzusagen, insbesondere wenn mehrere Faktoren zum Ausfall beitragen.

Es besteht häufig die weitverbreitete Fehlvorstellung, dass die Umsetzung von Predictive Maintenance mühelos und unmittelbar durch einen standardisierten Algorithmus erreicht werden kann. In der Realität erfordert ein erfolgreicher Einsatz von Predictive Maintenance oft erhebliche Vorlaufzeiten, in denen Daten akribisch gesammelt und anschließend mithilfe von Algorithmen zur Mustererkennung verwendet werden, um eine schrittweise Optimierung der Prozesse zu erzielen.

Anfängliche Herausforderungen bei der Implementierung

Der Übergang von einem reaktiven zu einem vollständig vorausschauenden Instandhaltungskonzept kann ein komplexer Prozess sein, dessen effektive Umsetzung Zeit erfordert.

Obwohl Predictive Maintenance dem Ziel, ungeplante Ausfallzeiten auf Null zu reduzieren, bemerkenswert nahe kommen kann, wird der Begriff “Zero Downtime” oft eher als erstrebenswertes Ziel denn als absolute Garantie verwendet. Das Hauptziel der vorausschauenden Instandhaltung besteht darin, ungeplante Ausfallzeiten zu minimieren, die Instandhaltungsaktivitäten zu optimieren und die betriebliche Effizienz so weit wie möglich zu verbessern.

In der Praxis sollten Unternehmen, die vorausschauende Instandhaltung einführen, mit einer erheblichen Verringerung der ungeplanten Ausfallzeiten rechnen, was zu höherer Zuverlässigkeit und Kosteneinsparungen führt. Sie sollten jedoch auch auf die Möglichkeit seltener und unvorhergesehener Ereignisse vorbereitet sein, die immer noch zu Ausfallzeiten führen können, wenn auch in deutlich geringerem Umfang als bei einem rein reaktiven Wartungsansatz.

No-Code-Tools und Null-Ausfallzeiten

Mit den jüngsten Entwicklungen von No-Code-Tools wie Paze Industries ist der Weg zu Null Maschinenstillstand etwas kürzer geworden. Diese neuartigen No-Code-Tools bieten eine intuitive und benutzerfreundliche Schnittstelle, die es Mitarbeitern aus verschiedenen Abteilungen ermöglicht, aktiv am vorausschauenden Wartungsprozess teilzunehmen.

Die No-Code-Tools von Paze Industries zum Beispiel erleichtern den Einsatz von Sensoren, die Datenerfassung und die Analyse der Ergebnisse. Die Benutzer können Sensoren einrichten, um Daten zu sammeln und automatische Arbeitsabläufe zu erstellen, um Warnungen und Benachrichtigungen auszulösen, wenn Anomalien entdeckt werden. Diese Demokratisierung der vorausschauenden Instandhaltung verringert die Abhängigkeit von spezialisierten IT- oder Data-Science-Teams und macht sie für Wartungstechniker, Ingenieure und sogar nichttechnisches Personal zugänglich.

Darüber hinaus werden diese Tools oft mit vorgefertigten Anwendungen und einer breiten Palette professioneller Dienstleistungen geliefert, so dass Unternehmen die Leistung der Datenanalyse schnell nutzen können, ohne dass sie eigenen Code entwickeln müssen. Dieser Ansatz beschleunigt die Einführung der vorausschauenden Instandhaltung, minimiert die Implementierungshürden und trägt letztlich dazu bei, die Ausfallzeiten zu reduzieren und den Betrieb zu optimieren. In einer Welt, in der die Zeit bis zur Erkenntnis entscheidend ist, bieten No-Code-Tools wie die von Paze Industries einen vielversprechenden Weg zur Rationalisierung von Predictive-Maintenance-Praktiken und zum Erreichen des Ziels minimaler ungeplanter Ausfallzeiten.

Schlussfolgerung

Die vorausschauende Instandhaltung ist ein dynamischer Bereich, der sich ständig weiterentwickelt, wobei das ultimative Ziel, keine Ausfallzeiten zu haben, im Mittelpunkt steht. Auch wenn es aufgrund unvorhergesehener Umstände schwierig sein mag, absolute Null-Ausfallzeiten zu erreichen, können Unternehmen, die Predictive Maintenance einsetzen, ungeplante Ausfallzeiten erheblich reduzieren, ihren Betrieb optimieren und sich einen Wettbewerbsvorteil in der schnelllebigen Industrielandschaft von heute verschaffen. Sie stellt einen proaktiven, datengesteuerten Ansatz dar, der für Unternehmen, die im Zeitalter von Industrie 4.0 erfolgreich sein wollen, unerlässlich ist.

Categorieën
Geen onderdeel van een categorie Geen onderdeel van een categorie Geen onderdeel van een categorie Geen onderdeel van een categorie Geen onderdeel van een categorie

7 KPIs zur vorausschauenden Wartung im Blick haben, um die Effizienz zu verbessern

7 KPIs zur vorausschauenden Wartung im Blick haben um die Effizienz zu verbessern

Unabhängig davon, in welchem Bereich Sie tätig sind, ist die Messung von Leistungsindikatoren (Key Performance Indicators, KPIs) entscheidend für die Erfolgsmessung. Das einfache Prinzip gilt auch für die Instandhaltung Ihrer Maschinen. 

Die KPI für die Instandhaltung variieren je nach den Anforderungen, Zielen, Strategien und Aktionsplänen eines Unternehmens. Es gibt jedoch bestimmte Indikatoren, die für alle gleich sind. 

In diesem Artikel werden wir alle gängigen KPIs behandeln, die Teil Ihrer vorausschauenden Wartungsmetriken sein können. Los geht’s….

Ausfallzeit

Der Zweck dieses Indikators ist die Verfolgung, Überwachung und Bewertung der Zuverlässigkeit des Prozesses. Die Ausfallzeit erfasst die “Gesamtzeit, in der die Anlage offline war”. Zum Beispiel ein Problem der Maschine, das zumindest ein Eingreifen des Technikers erforderte, aber zum Beispiel auch ein Stromausfall oder ein Bedienfehler.

Der angestrebte Prozentsatz für diesen KPI liegt bei 10 %, d. h. die Maschine sollte zu mindestens 90 % der Zeit voll einsatzfähig sein. 

Wenn Sie eine IIoT Plattform im einsatz haben, sehen Sie schnell, welche Ausfallzeiten durch eine falsche Handhabung der Maschine verursacht wurden. Auf diese Weise lassen sich unnötige Ausfallzeiten am schnellsten beseitigen.

Diese Kennzahl ist auch nützlich, wenn Sie an einer vorausschauenden Instandhaltungsstrategie arbeiten, die darauf abzielt, die Ausfallzeiten unter dem Durchschnitt zu halten und das Risiko ungeplanter Stillstände zu minimieren.

Instandhaltungsrückstau

Es handelt sich um einen Zeitindikator, der für “Wartungsverzögerungen” steht. Der Rückstand erfasst die Zeit, die für die Durchführung einer reaktiven, präventiven oder vorausschauenden Wartung benötigt wird.

Die Formel lautet:

Instandhaltungsrückstau Formel

NB: Berücksichtigen Sie nur die “produktive Zeit” der einzelnen Techniker, da sie nicht zu 100 % der Zeit Arbeitsaufträge ausführen. 

Der Wartungsrückstand wird in Arbeitstagen/Wochen oder Monaten gemessen. Der anzustrebende Wert liegt hier bei max. 2 Wochen, aber für Unternehmen, die rund um die Uhr arbeiten, können 3 und 4 Wochen auch in die Norm fallen. 

Der Vorteil der Messung dieses KPI besteht darin, dass Sie feststellen können, wie effizient Ihr Team ist, und dass Sie die Ursachen für die Unproduktivität ermitteln können.

MTBF - Mittlere Zeit zwischen Ausfällen (medium time between failure)

Dieser Indikator misst ebenfalls die Zuverlässigkeit der Maschinen. Er berücksichtigt ungeplante Ausfälle, einschließlich solcher, die durch Softwarefehler und Fertigungsmängel verursacht werden. 

Da wir die “Zeit, die zwischen den einzelnen Ausfällen vergeht”, bestimmen müssen, wird die MTBF in Zeit (Stunden, Tage, Wochen oder Monate) gemessen. Als Faustregel gilt: Je länger die MTBF, desto zuverlässiger ist die Maschine und umgekehrt. 

Die Formel zur Berechnung der MTBF lautet:

Es gibt keinen idealen Wert für diesen KPI, da er von Unternehmen zu Unternehmen variiert, jedoch sollte die MTBF so hoch wie möglich sein. In einigen Branchen wird dieser KPI als Alleinstellungsmerkmal verwendet, um den Produktverkauf zu fördern.

MTTR - Mittlere Zeit der Reparatur (medium time to repair)

Dieser Indikator misst, wie viel Zeit Ihr Team benötigt, um ein Produkt zu reparieren. Im Gegensatz zur MTBF sollte die MTTR so niedrig wie möglich sein. Die Formel zur Berechnung der MTTR lautet:

Auf diese Weise können Sie die Zeit (Stunden, Tage, Wochen oder Monate) berechnen, in der eine Maschine für Reparaturen offline war. 

Ähnlich wie für die MTBF gibt es auch für die MTTR keinen gererellen Benchmark, allerdings ist es wichtig, diesen KPI so niedrig wie möglich zu halten.

OEE - Gesamtanlageneffektivität

Der wichtigste KPI für die Fertigungsindustrie, OEE, misst die “Gesamteffektivität der Ausrüstung”, mit der Sie feststellen können, ob Ihre Prozesse effizient arbeiten oder nicht. Ein grober Richtwert für diesen KPI liegt bei mindestens 77 %. 

Einer der Hauptvorteile der OEE-Messung besteht darin, zu verstehen, wie oft Ihre Maschinen für die Arbeit verfügbar sind. Sie hilft Ihnen dabei, herauszufinden, wie schnell der Fertigungsprozess ist und wie viele Produkte/Dienstleistungen ohne unerwartete Ausfälle hergestellt werden. 

Die Formel zur Berechnung der OEE lautet:

Die Verfügbarkeit wird auf der Grundlage von Ausfall- und Betriebszeiten berechnet. Die Leistung wird berechnet, indem die aktuelle Produktion mit den Prognosen verglichen wird. Die Qualität wird aus der Gesamtproduktion abzüglich der fehlerhaften Produktion berechnet.

Obwohl der Richtwert für die OEE bei 77 % liegt, möchten die Spitzenunternehmen in der Welt die OEE zwischen 85 % und 99 % halten. 

Internationale Unternehmen können voreingestellte OEE-Dashboards für Tochtergesellschaften oder verschiedene Produktionsstandorte bereitstellen, um den KPI vergleichbar zu halten.

PMP - Geplante Instandhaltung (in Prozent)

Dieser Indikator bezieht sich auf die Zeit, die für geplante Aktivitäten wie Wartung, Reparatur oder Austausch aufgewendet wird. Dieser KPI steht in direktem Zusammenhang mit dem vorbeugenden Wartungsplan des Unternehmens. 

Die Formel zur Berechnung des PMP lautet:

PMP Formel

Der ideale Wert für PMP liegt bei mindestens 85 %.

Einhaltung des Zeitplans oder Einhaltung der geplanten Wartung

Dieser Indikator bestimmt die Effektivität und das Engagement Ihrer Techniker und Manager bei ihren geplanten Aufgaben. Mit einfachen Worten: Die Einhaltung des Zeitplans misst die Leistung Ihres gesamten Teams. 

Die Formel zur Berechnung der Einhaltung von Zeitplänen/geplanten Wartungsarbeiten lautet

Einhaltung der geplanten Wartung Formel

Der ideale Wert für die Einhaltung des Zeitplans liegt bei mindestens 90 %. Dies bedeutet, dass die Produktivität bei minimalen Maschinenausfällen hoch ist.

Schlussfolgerung

Der Hauptvorteil der Berechnung dieser KPIs besteht darin, dass sie Ihnen helfen, tiefe Einblicke in interne Prozesse und Aktivitäten zu gewinnen, so dass Sie feststellen können, was funktioniert und was nicht und wie Sie die Probleme beheben können. 

Auf diese Weise können Sie Ihre Service Kosten im Griff haben und ggf. Einnahmen und Gewinne steigern. 

Eine industrielle IoT-Lösung wie Paze kann Ihnen helfen, den Überblick über Ihre Kennzahlen zu behalten und die wichtigsten KPIs auch über mehrere Standorte hinweg live zur Hand zu haben.

Wie Sie IT und OT zusammen bringen

Wie Sie IT und OT zusammen bringen

Manchmal ist ‘ähnlich’ sehr unterschiedlich. Das ist der Fall bei der Informationstechnologie (IT) und der Betriebstechnologie (OT). Beide Lösungen basieren auf der Leistung von Mikroprozessoren und vielen Softwareschichten. Ihre Anwendungsfälle sind jedoch sehr unterschiedlich. Traditionell arbeiten beide Lösungen isoliert voneinander, doch die jüngsten Technologietrends lassen sie näher zusammenrücken. Daher müssen die Hersteller einen Weg finden, die Lücke zu schließen. Hier ist der Weg.

Antithetische Entwürfe

Die Unterschiede zwischen den beiden Ansätzen beginnen mit ihrer Herkunft. IT kommt aus der Informatik und wurde von Grund auf entwickelt, um menschliche Eingaben und Interaktionen zu vereinfachen. OT kommt aus dem Maschinenbau und wurde entwickelt, um Maschinen effizienter zu machen.

IT-Systeme sind die Grundlage für den Unternehmensbetrieb. Sie transportieren Informationen von einem Ort zum anderen und unterstützen so die Geschäftsprozesse, die das Unternehmen steuern. Sie arbeiten mit Menschen zusammen, die sich in der Regel auf Desktops, Laptops und mobile Geräte verlassen, um Daten einzugeben. Der Schwerpunkt liegt darauf, die Systeme intuitiv zu gestalten, damit die Mitarbeiter problemlos mit ihnen arbeiten können.

OT-Systeme unterstützen Fertigungsprozesse. Hier bewegen Maschinen Gegenstände entlang von Fließbändern und stellen schließlich Waren her. Sie arbeiten mit verschiedenen Arten von Geräten, speicherprogrammierbaren Steuerungen (SPS), Mikrocontrollern, SCADA-Systemen (Supervisory Control And Data Acquisition) und verteilten Steuerungssystemen (DCS). Diese Systeme führen nur das aus, wofür sie programmiert wurden, so dass der Schwerpunkt auf festgelegten Funktionen liegt, z. B. ein Roboterarm, der eine Reihe von Schrauben dreht.

IT und OT funktionieren unabhängig voneinander

Die beiden Märkte haben sich unabhängig voneinander entwickelt. Daher sind ihre Infrastruktur, Betriebssysteme, Netzwerkprotokolle, Anwendungen und Überwachungstools nicht austauschbar. Diese Trennung wurde in der Vergangenheit akzeptiert. Damals teilten die Hersteller die Arbeit in ausgewählte Aufgaben auf und wiesen sie den Abteilungen zu. Jede Gruppe erledigte ihren Teil des Puzzles, in der Regel mit wenig oder gar keiner Interaktion zwischen den Gruppen.

Dieser Ansatz hatte seine Grenzen, eine der wichtigsten war die Art und Weise, wie die Unternehmen ihre Arbeitsabläufe verwalteten. Dann sammelten sie Informationen, untersuchten Trends und nahmen Änderungen vor, nachdem die Fertigungsläufe abgeschlossen waren. Wenn sich ein Material verspätete, hatte das Personal nur einen begrenzten Einblick in das Problem und war nicht in der Lage, Änderungen vorzunehmen, die den Ertrag verbesserten.

Diese Hindernisse werden nun beseitigt. Beide Gruppen gehen zu neuen Modellen über, bei denen die Mitarbeiter Zugang zu Echtzeitinformationen haben. Eine solche Umstellung befähigt die Mitarbeiter, die Abläufe proaktiv statt reaktiv zu steuern. Eine Verzögerung bei der Materiallieferung wirkt sich nicht nur auf die Fabrikhalle, sondern auch auf das Back Office aus. Anhand von Echtzeitdaten können bei Bedarf Änderungen vorgenommen werden, die den Arbeitsablauf, die Qualität, die Kundenzufriedenheit und letztlich den Umsatz verbessern.

Brücken bauen zwischen den Abteilungen

Es ist jedoch eine Herausforderung, die Mauern einzureißen. Es müssen sowohl technische als auch menschliche Brücken gebaut werden.

Sensoren für das industrielle Internet der Dinge (IIoT) bieten Einblick in die Maschinenleistung.

Netzwerke müssen miteinander verbunden werden. Zunehmend werden Informationen über IP übertragen. Allerdings muss eine Vielzahl unterschiedlicher Kommunikationsprotokolle in eingebettete Module, Gateways, Edge-Geräte, Industrieanlagen und Geschäftsanwendungen integriert werden.

Unternehmen können gemeinsame Programmierschnittstellen verwenden, um Anwendungen zu verbinden. Die Anbieter sind sehr viel offener geworden und bieten Lösungen an, wie Low Code und No Code. Daher ist es heute einfacher als in der Vergangenheit, solche Verbindungen herzustellen.

Die Hersteller müssen sicherstellen, dass alle ihre Daten sicher sind. Es entstehen neue Lösungen, die die Sicherheit der technologischen Infrastruktur orchestrieren und dafür sorgen, dass die Edge-Firmware aktualisiert wird, die Sicherheitsschlüssel rotieren und die gesamte Infrastruktur ständig auf neue Bedrohungen überwacht wird.

Eine industrielle Daten-Plattform ist die Drehscheibe, die die Firmendaten mit den Maschinen- und Prozessdaten verknüpft. Wichtig ist, dass Mitarbeiter aus der Serviceabteilung, der Instandhaltung, dem Engineering und evt. auch aus dem Einkauf und dem Verkauf leicht und intuitiv damit arbeiten können. Das klappt mit no code / low code Plattformen. Somit wird der größte Nutzen aus den Daten gezogen.

Management-Herausforderungen

Der Arbeitsablauf muss geändert werden. Der Prozess beginnt damit, dass man sich der Komplexität der IT- und OT-Infrastrukturen bewusst wird. In vielen Fällen verknüpfen Unternehmen Tausende und sogar Millionen von Codezeilen. Daher ist es schwierig, den Überblick über die Vorgänge zu behalten.

Die Zulieferer müssen alle Beteiligten – Manager, Techniker und Mitarbeiter – darüber aufklären, wie sich der Wandel auf sie auswirken wird. Es muss klare Definitionen und ein Verständnis für die Vor- und Nachteile geben. Der Schwerpunkt sollte darauf liegen, wie das neue Modell ihre Arbeit verbessert und dem Unternehmen Kosteneinsparungen, höhere Produktivität, bessere Qualität und zufriedenere Kunden bringt.

Bereich-übergreifender Prozess

IT-Begriffe sind nicht dasselbe wie OT-Fachausdrücke. Es muss ein gemeinsames Vokabular entwickelt werden, damit beide Teams verstehen, welche Gedanken vermittelt werden.

Funktionsübergreifende Schulungen ermöglichen es IT- und OT-Fachleuten, die Fachgebiete des jeweils anderen zu verstehen und die Perspektiven des anderen besser einzuschätzen.

Durch die Schaffung gemeinsamer Standards wird sichergestellt, dass IT- und OT-Systeme aneinander anknüpfen.

Die Zusammenarbeit muss stattfinden: Regelmäßige Kommunikation zwischen IT- und OT-Teams schafft Vertrauen und fördert eine gesunde Produktionskultur.

Erkennen Sie die Stärken und Schwächen des jeweils anderen. In vielen Fällen fehlt den Industrieunternehmen das Fachwissen, um solche Projekte bis zum Abschluss zu begleiten. Daher sollten sie die Hilfe von Dritten in Anspruch nehmen.

Erforderliche Investitionen müssen getätigt werden, das bedarf einer klaren Unterstützung durch die Unternehmensleitung. Dann legen die Manager gemeinsame Leistungsindikatoren (Key Performance Indicators, KPIs) fest und überprüfen laufend die Fortschritte bei der Erreichung der operativen Ziele, wobei die Dokumentation für alle Beteiligten veröffentlicht wird.

Informationen in Aktionen umwandeln

Statt einer Reihe von autonomen Funktionen entsteht durch die Umstellung eine vernetzte, homogene Einheit, in der alle Teile aufeinander abgestimmt sind, anstatt zu zersplittern. Was einst getrennte Inseln digitaler Daten waren, wird zu zusammenhängenden, umsetzbaren Echtzeitinformationen.

Die Mitarbeiter sehen, wie sich die Materialien durch den Fertigungsprozess bewegen, und nehmen bei Bedarf Änderungen vor. Algorithmen mit künstlicher Intelligenz sagen voraus, wann Maschinen wahrscheinlich kaputt gehen werden, und öffnen so die Tür für eine vorausschauende Wartung, die die Betriebszeit und den Durchsatz erhöht. Frühere Ineffizienzen werden zu neuen Differenzierungsmerkmalen.

Von der IT-OT-Konvergenz profitieren Hersteller in mehrfacher Hinsicht.

  • Bessere Entscheidungsfindung mit Echtzeit-Entscheidungsunterstützungssystemen
  • Minimierung ungeplanter Ausfallzeiten durch vorausschauende Wartung
  • Steigerung der Mitarbeiterproduktivität  
  • Nutzung wichtiger Daten zur Rationalisierung des Betriebs 
  • Erhöhung der Ausbeute im ersten Durchgang
  • Verbessern der Sicherheit am Arbeitsplatz

IT und OT wurden getrennt voneinander entwickelt und gediehen unabhängig voneinander. Angesichts des zunehmenden Wettbewerbs in der Fertigung müssen sie nun zusammenwachsen. Der Prozess ist kompliziert, weil ihre Eckpfeiler so unterschiedlich sind. Doch durch die Umstellung steigern Hersteller ihre Produktivität, rationalisieren ihre Abläufe, verbessern den Produktionsablauf und werden zu einem stärkeren, rentableren Unternehmen.

Just-in-Time-Personalbesetzung verbessert IIoT-Projekte in der Fertigung

Just-in-Time-Personalbesetzung verbessert IIoT-Projekte in der Fertigung

Das industrielle Internet der Dinge (Industrial Internet of Things, IIoT) stellt für Hersteller ungewohnte Werkzeuge, Begriffe und Technologien vor. Daher benötigen sie oft externe Unterstützung, um ihre Abläufe umzustellen. Manchmal ist diese Hilfe mit einem umständlichen, langfristigen Vertrag verbunden. Just-in-Time (JIT)-Personal bietet Lieferanten eine bessere Option, bei der sie Dienstleistungen von Dritten nach Bedarf einkaufen.

IIoT-Lösungen bieten Herstellern enorme Möglichkeiten zur Rationalisierung von Arbeitsabläufen, indem sie einen deutlich besseren Einblick in ihre Abläufe erhalten. Zuvor hatten Zulieferer nur eine begrenzte – und in vielen Fällen gar keine – Echtzeitsicht auf das, was in der Fertigung, der Lieferkette oder im Backoffice geschah. Erst nachdem Daten gesammelt, korreliert und Berichte erstellt und an Manager und Mitarbeiter verteilt worden waren, wussten sie, was passiert war. Das Ergebnis war, dass sie reaktiv handelten, wenn Probleme auftraten.

Das enorme Potenzial des IIoT und die beträchtlichen Herausforderungen

Das IIoT bietet ihnen die Möglichkeit, das Drehbuch umzudrehen. Aufgrund der umfangreichen Möglichkeiten des IIoT und seiner beispiellosen Flexibilität ergeben sich jedoch Herausforderungen bei der Nutzung dieser Möglichkeiten. Der Fortschritt lässt die Verarbeitungsleistung auf kleine Formfaktoren schrumpfen, in der Regel auf spezielle Sensoren, die so programmiert werden können, dass sie fast überall arbeiten und fast alles tun können. Fabriknetzwerke sammeln dann neue Informationen, so dass Manager Fertigungsabläufe erkennen können. Anschließend korrelieren sie die Daten, um laufende Verbesserungen vorzunehmen, die sich positiv auf das Unternehmen auswirken.

Vierstufiger Bereitstellungsprozess

Das Hinzufügen solcher Funktionen ist ein vierstufiges Unterfangen, und jeder Schritt erfordert eine andere Art von Anleitung. Der anfängliche Prozess der Anforderungsdefinition unterscheidet sich deutlich von herkömmlichen Einkäufen in der Fertigung. In der Vergangenheit haben Lieferanten ein Gerät oder eine Software mit einem klaren Ziel aufgerüstet, z. B. die Produktion von Teilen zu beschleunigen.

Die Auswirkungen des IIoT gehen über ein einzelnes Gerät und ein einfaches Ziel hinaus. Diese Lösungen schreiben bestehende Geschäftsprozesse auf eine unbegrenzte Anzahl von Möglichkeiten um.

  • Verbesserung der OEE 
  • Verlängern Sie die Lebensdauer von Anlagen
  • Rationalisierung von Arbeitsabläufen
  • Beschleunigung von Zahlungen
  • Verbessern Sie die Qualität
  • Erhöhung der Kundenzufriedenheit 

Die Entscheidung, was man damit machen soll, kann daher wie ein Sturz in ein Kaninchenloch sein. Ein Unternehmen verheddert sich in so vielen potenziellen Extras, dass die Ermittlung der Systemanforderungen ein Jahr oder länger dauert. Daher brauchen sie Hilfe bei der Festlegung vernünftiger Erwartungen und benötigen von ihrem Drittanbieter Unterstützung bei der Systemarchitektur und dem Projektmanagement.

Der Aufbau der Dateninfrastruktur ist der nächste Schritt. Fertigungsbetriebe verfügen über ein breites und ständig wachsendes Spektrum an potenziellen Datenquellen, wie Maschinen, Anwendungen und intelligente Edge-Systeme. Da ihr Geschäft einzigartig ist, muss jedes Unternehmen die Infrastruktur zusammenstellen und die Integrationspipeline seines Systems und seiner Anwendung anpassen. Darüber hinaus müssen die Informationen an einem Ort gespeichert werden, der über die nötige Verarbeitungsleistung verfügt, um Aktualisierungen in Echtzeit zu liefern und mit neuen Anwendungen zu skalieren. Und schließlich muss die Infrastruktur laufend verwaltet werden.

Aufgrund der Komplexität ist dieser Teil des Projekts oft der längste. In dieser Phase benötigt das Unternehmen einen Partner, der in der Lage ist, Fachwissen über die Computerinfrastruktur und idealerweise einen verwalteten Dienst bereitzustellen. Der Hersteller gibt diese Verantwortung an jemand anderen ab und konzentriert sich auf die Verbesserung seiner Abläufe.

In Phase drei geht es um die Wertschöpfung. Unternehmen geben grünes Licht für ein IIoT-Projekt, weil sich die Veränderung positiv auf das Geschäft auswirken wird. Sobald die Daten gesammelt und analysiert sind, müssen manchmal die ursprünglichen Prämissen geändert werden. Außerdem ergeben sich neue Möglichkeiten, da Berichte den Managern ein Verständnis dafür vermitteln, wie die Arbeit erledigt wird.

In dieser Phase werden Cyber-Modelle, Datenanwendungen und Analysen zu den Bausteinen für die Entscheidung, wie der Wandel im gesamten Unternehmen vorangetrieben werden kann. In diesem Fall ist die Hilfe von Geschäfts- und Datenanalytikern gefragt.

Sobald ein IIoT-Projekt konzipiert ist, muss es angenommen werden, was ein zweistufiger Prozess ist. Zunächst werden Maschinen angeschlossen, Anwendungen entwickelt und Benutzer an Bord geholt. Anschließend müssen die Mitarbeiter die neuen Funktionen in ihren Arbeitsalltag integrieren. Hier braucht ein Zulieferer einen Systemimplementierer, der sich um das Änderungsmanagement kümmert und den Unternehmen hilft, eventuelle Widerstände im Unternehmen zu überwinden.

Wenn mehr und mehr Mitarbeiter im Umgang mit Daten geübt sind, nimmt die Komplexität der Abfragen zu, und die Organisation wird stärker.

Finden Sie die Anwendungsfälle

Dritte bieten Lieferanten Beratungs- und andere Dienstleistungen an. Beratungsunternehmen verfolgen jedoch einen Standardansatz. Sie entwickeln eine Reihe von Dienstleistungen und wenden sie dann auf jedes Projekt an. Das ist zwar gut für die Drittpartei, aber für den Kunden ist dieser Ansatz weniger zufriedenstellend. Er kann nicht abschätzen, wie viel Hilfe er in den einzelnen Schritten benötigt, weil er nicht weiß, wie sich das Projekt entwickeln wird. Manchmal brauchen sie in einer Phase mehr und in einer anderen weniger Hilfe. Sie brauchen mehr Flexibilität als der typische Vertrag bietet.

JIT-Personal ist ein Ansatz, bei dem die Hersteller Spezialisten nur dann einsetzen, wenn sie während des Projekts tatsächlich benötigt werden. Wie bei der JIT-Fertigung geht es darum, die richtige Menge an Material (in diesem Fall menschliche Intelligenz) zum richtigen Zeitpunkt bereitzustellen und keine zusätzlichen Ressourcen zu haben.

Was sind die Vorteile von JIT Staffing?

JIT-Personal bietet Unternehmen eine Reihe von Verbesserungen:

  • Risikoverminderung: Unternehmen vermeiden es, sich an Personal zu binden, das sie möglicherweise nicht benötigen. 
  • Agilität am Arbeitsplatz: Die Beratungsbandbreite wird wie bei Cloud-Diensten erweitert und verringert und ist jederzeit verfügbar, wenn sie benötigt wird.
  • Gesteigerte Produktivität: Mitarbeiter verbringen weniger Zeit damit, herauszufinden, wie viel Personal sie benötigen, und mehr Zeit damit, wie das IIoT das Geschäft verbessert. 
  • Kosteneinsparungen: Die Tatsache, dass man nicht mehr an feste Preise gebunden ist, führt zu einer effizienteren Servicebereitstellung. 
  • Agilität: schnelles Hinzufügen von Talenten, wenn neue Geschäftsanforderungen auftauchen
  • Behebung des Personalmangels: Im verarbeitenden Gewerbe besteht ein globaler Arbeitskräftemangel, der bis 2030 mehr als 8 Millionen Menschen betreffen und zu Umsatzeinbußen in Höhe von 607 Milliarden US-Dollar führen könnte. JIT maximiert den Personaleinsatz und reduziert den Personalbedarf. 

Die Hersteller setzen IIoT-Technologie ein, um ihre Abläufe zu verbessern. Die Tools bieten ihnen eine breite Palette von Anwendungsfällen, aber die Verwaltung solcher Projekte wird immer schwieriger. Traditionelle Personalbesetzungsmodelle waren starr und verursachten oft unnötige Kosten. JIT-Personal ist eine bessere Lösung, da es mehr Flexibilität bietet und die Kosten senkt.

Zukunftssichere Maschinenwartung: Die Auswahl des idealen Zustandsüberwsachungssystems

Zukunftssichere Maschinenwartung- Die Auswahl des idealen Zustandsüberwsachungssystems

Wussten Sie, dass effektive Zustandsüberwachungssysteme die Wartungskosten nachweislich um bis zu 25 % senken können?

In den sich schnell entwickelnden Branchen von heute reichen herkömmliche Instandhaltungspraktiken allein nicht mehr aus, um mit den Anforderungen moderner Maschinen und Anlagen Schritt zu halten. Um Ihre Instandhaltungsstrategien zukunftssicher zu machen, müssen Sie ein ideales Zustandsüberwachungssystem implementieren.

Diese fortschrittlichen Werkzeuge erkennen proaktiv potenzielle Probleme, verhindern kostspielige Ausfälle und optimieren die Produktivität. Doch wie können Sie bei der Vielzahl der verfügbaren Optionen das perfekte Zustandsüberwachungssystem für Ihr Unternehmen auswählen?

In diesem Artikel gehen wir auf die wesentlichen Faktoren und Überlegungen ein, die Sie bei der Auswahl eines solchen Systems unterstützen, das eine nachhaltige Instandhaltung bei gleichzeitiger Maximierung der Kosteneinsparungen gewährleistet.

Zu diesem Zweck haben wir den Artikel in zwei Teile unterteilt: Der erste Teil befasst sich mit den internen Faktoren, die bekannt sein und bewertet werden müssen, der zweite Teil hilft Ihnen bei der Bewertung der verfügbaren Tools und Technologien.

Teil 1: Bewertung der internen Faktoren

Faktor 1 - Ihre Maschinen im Blick

Die Zustandsüberwachung wird in der Regel für kritische Maschinen eingesetzt, deren Ausfall das Unternehmen sowohl finanziell als auch produktiv einen hohen Verlust kosten kann. Jeder industrielle Prozess hat eine Liste von “Bad Actors”, d. h. von Maschinen, die besonders störanfällig sind und deren Ausfall besonders schmerzlich zu Buche schlägt.

Daher ist die erste Voraussetzung für die Auswahl des idealen Zustandsüberwachungssystems, dass Sie wissen, welche Ihre kritischsten Maschinen sind. Eine Möglichkeit, dies herauszufinden, ist die so genannte “Kritikalitätsanalyse”.

Dabei handelt es sich um ein Verfahren, mit dem Instandhaltungsteams den verschiedenen Anlagen eine Rangfolge zuweisen, die auf dem potenziellen Produktivitätsverlust basiert, den sie im Falle eines Ausfalls verursachen. Sobald Sie die kritischen Maschinen identifiziert haben, können Sie zu den anderen Faktoren übergehen.

Faktor 2 - Fehlermodi

Der nächste entscheidende Schritt ist die Durchführung einer FMECA (Failure Modes, Effects, and Criticality Analysis), die sich speziell auf die 20 % der kritischsten Maschinen bezieht. Jeder Fehlermodus weist ein einzigartiges Muster auf, das durch verschiedene Datenquellen wie Spannungswellen, Vibrationen usw. ermittelt werden kann.

Bestimmte Fehlermuster sind sehr auffällig, so dass sie von den Sensoren erkannt werden können, sobald sie auftauchen. Es gibt jedoch auch andere Muster, die möglicherweise erst dann messbar werden, wenn das System vollständig ausfällt.

Daher ist es unerlässlich, die Datenquellen für die Zustandsüberwachung zu identifizieren, die auf der Grundlage der kritischen Fehlermodi, die überwacht werden müssen, von Wert sind. Durch die Bestimmung der Kritikalität dieser Fehlermodi können Sie bei der Auswahl geeigneter Datenquellen für eine effektive Überwachung Prioritäten setzen.

Faktor 3 - Die Umgebung der Maschine

Bei der Auswahl des idealen Zustandsüberwachungssystems ist die Kenntnis der Umgebung, in der Ihre kritischen Maschinen arbeiten, von entscheidender Bedeutung. Heutzutage erfolgt die Datenerfassung meist über drahtlose Sensoren. Diese Sensoren sind empfindliche Geräte und müssen daher vor extremen Umwelteinflüssen wie hohen Temperaturen, korrosiven Stoffen und mehr geschützt werden.

Darüber hinaus kann es schwierig sein, Sensoren direkt an schwer zugänglichen Geräten anzubringen, z. B. in ATEX-Zonen oder anderen eingeschränkten Bereichen.

Faktor 4 - Abstimmung von Anwendungsfall und Datenquelle

Für eine effektive Zustandsüberwachung ist es entscheidend, den Anwendungsfall mit der entsprechenden Datenquelle abzustimmen. Jeder Anwendungsfall erfordert die Überwachung spezifischer Datenparameter, wie Temperatur, Vibration oder Druck. Das Verständnis der Anforderungen des Anwendungsfalls und die Identifizierung der relevanten Datenquellen, wie z. B. Sensoren, IoT-Geräte oder Datenbanken, gewährleisten eine genaue Datenerfassung. Die richtige Abstimmung zwischen Anwendungsfall und Datenquelle ermöglicht aussagekräftige Einblicke, vorausschauende Wartung und proaktive Entscheidungsfindung, wodurch die Effektivität der Zustandsüberwachung insgesamt verbessert wird.

Denken Sie bei Ihrer Suche nach dem besten Tool daran, dass es wichtig ist zu verstehen: 

  • Wie jedes Tool Daten sammelt und misst
  • Welche Anforderungen an die Installation des Tools gestellt werden
  • ob das Tool alle Konnektivitäts- und Regulierungsanforderungen erfüllt

Teil 2: Bewerten Sie die verfügbaren Technologien

Die Auswahl des besten Tools für die Zustandsüberwachung hängt von mehreren Faktoren ab, darunter Ihre spezifischen Anforderungen, Ihre Branche, Ihr Budget und die verfügbaren Ressourcen. Im Folgenden finden Sie einige Schritte, die Ihnen bei diesem Prozess helfen:

Low-code oder no-code Entwicklung:

Suchen Sie nach Tools, die eine Low-Code- oder No-Code-Entwicklungsumgebung bieten. Mit diesen Plattformen können Sie benutzerdefinierte Überwachungsanwendungen und Arbeitsabläufe ohne umfangreiche Programmierkenntnisse erstellen, was schnellere Entwicklungs- und Iterationszyklen ermöglicht. Prüfen Sie die Benutzeroberfläche, die Drag-and-Drop-Funktionalität und die einfache Anpassung des Tools, um sicherzustellen, dass es Ihren Low-Code-Anforderungen gerecht wird.

Integrationsmöglichkeiten:

Beurteilen Sie die Integrationsfähigkeit des Tools mit Ihren bestehenden Systemen und Ihrer Infrastruktur. Es sollte in der Lage sein, sich nahtlos in Ihre Datenquellen, wie Sensoren, Datenbanken oder andere Überwachungsgeräte, zu integrieren. Achten Sie auf Tools, die Standardprotokolle unterstützen und über vorgefertigte Konnektoren oder APIs verfügen, um den Datenaustausch mit Ihrem Ökosystem von Anwendungen zu erleichtern.

Schnelligkeit der Markteinführung:

Achten Sie auf die Fähigkeit des Tools, schnell eingesetzt zu werden und mit der Überwachung zu beginnen. Achten Sie auf Funktionen wie schnelle Konfiguration, einfache Einrichtung und automatisierte Arbeitsabläufe, die den Implementierungsprozess rationalisieren. Einige Tools bieten Vorlagen oder vorkonfigurierte Module für bestimmte Branchen oder Anwendungsfälle, die die Implementierung beschleunigen und die Entwicklungszeit verkürzen können.

Kompatibilität mit bestehenden Technologien:

Beurteilen Sie, wie gut das Zustandsüberwachungs-Tool mit Ihrem bestehenden Technologie-Stack harmoniert. Es sollte mit Ihrer aktuellen Software, Datenbanken, Cloud-Infrastruktur und Kommunikationsprotokollen arbeiten können. Ziehen Sie Tools in Betracht, die flexible Bereitstellungsoptionen (vor Ort, in der Cloud, hybrid) bieten, um der IT-Strategie Ihres Unternehmens zu entsprechen.

Skalierbarkeit und Flexibilität:

Bewerten Sie die Fähigkeit des Tools, mit wachsenden oder veränderten Überwachungsanforderungen mitzuwachsen. Es sollte in der Lage sein, ein großes Datenvolumen zu verarbeiten, mehrere Überwachungspunkte zu unterstützen und künftige Erweiterungen zu ermöglichen. Achten Sie auf Tools, die eine modulare Architektur oder Erweiterungsoptionen bieten, so dass Sie bei Bedarf Funktionen hinzufügen oder ändern können.

Unterstützung und Dokumentation des Anbieters:

Achten Sie auf den Grad der Unterstützung durch den Anbieter des Tools. Achten Sie auf Ressourcen wie Dokumentation, 1st level und 2nd level Support, die Ihnen helfen können, Probleme effizient zu lösen. Prüfen Sie, ob der Anbieter einen reaktionsschnellen technischen Support, Schulungsprogramme und laufende Aktualisierungen oder Verbesserungen des Tools anbietet.

Um ein zukunftssicheres Zustandsüberwachungs-Tool zu finden, das für mehrere Anwendungsfälle wie vorausschauende Wartung und künstliche Intelligenz verwendet werden kann, sollten Sie Insellösungen für einen einzigen Anwendungsfall vermeiden und die folgenden Faktoren berücksichtigen:

Modulare und erweiterbare Architektur:

Suchen Sie nach einem Tool mit einer modularen und erweiterbaren Architektur, die es Ihnen ermöglicht, Funktionen hinzuzufügen oder zu ändern, wenn sich Ihre Anforderungen entwickeln. Dank dieser Flexibilität können Sie zusätzliche Anwendungsfälle, wie z. B. vorausschauende Wartung oder KI, einbeziehen, ohne in separate Tools oder Systeme investieren zu müssen.

Datenanalysefunktionen:

Stellen Sie sicher, dass das Zustandsüberwachungswerkzeug über robuste Datenanalysefunktionen verfügt. Es sollte fortschrittliche Analysetechniken wie maschinelles Lernen und KI-Algorithmen unterstützen, um Erkenntnisse aus den gesammelten Daten abzuleiten. Dies ermöglicht Ihnen, über die einfache Zustandsüberwachung hinauszugehen und das Tool für die vorausschauende Wartung und andere fortschrittliche, analytische Anwendungsfälle zu nutzen.

Offene APIs und Interoperabilität:

Vergewissern Sie sich, dass das Tool offene APIs (Application Programming Interfaces) bietet oder Industriestandardprotokolle zur einfachen Integration mit anderen Systemen und Technologien unterstützt. So können Sie das Zustandsüberwachungs-Tool mit Ihren bestehenden KI-Plattformen, Data Lakes oder Predictive-Maintenance-Lösungen verbinden und ein einheitliches Ökosystem anstelle isolierter Funktionsinseln schaffen.

Skalierbare Datenverarbeitung:

Achten Sie auf die Fähigkeit des Tools, große Datenmengen effizient zu verarbeiten. Wenn Sie Ihre Anwendungsfälle erweitern und mehr Daten sammeln, sollte das Tool in der Lage sein, die steigende Datenlast zu bewältigen. Skalierbare Datenspeicher-, Verarbeitungs- und Analysefunktionen sind für die Zukunftssicherheit Ihrer Überwachungslösung unerlässlich.

Flexibilität bei den Datenquellen:

Stellen Sie sicher, dass das Tool eine breite Palette von Datenquellen unterstützt, die über herkömmliche Sensoren hinausgehen. Es sollte in der Lage sein, Daten von verschiedenen Geräten, Datenbanken, IoT-Sensoren oder sogar unstrukturierten Datenquellen aufzunehmen. Dank dieser Flexibilität können Sie verschiedene Datenströme in Ihre Zustandsüberwachung und KI-Workflows einbinden.

Ökosystem und Partnerschaften des Anbieters:

Bewerten Sie das Ökosystem und die Partnerschaften des Anbieters. Suchen Sie nach Tools, die über ein starkes Netzwerk von Partnern oder Integratoren verfügen, die zusätzliches Fachwissen und Unterstützung für verschiedene Anwendungsfälle bieten können. Ein solides Ökosystem deutet auf einen vorausschauenden Ansatz hin und erhöht die Wahrscheinlichkeit, ergänzende Lösungen für zukünftige Anforderungen zu finden.

Künftiger Fahrplan und Innovation:

Untersuchen Sie das Engagement des Anbieters für Innovation und seine zukünftige Roadmap für das Zustandsüberwachungs-Tool. Achten Sie auf die Erfolgsbilanz des Anbieters bei der Integration neuer Technologien und Funktionen in sein Produkt. Achten Sie auf Anzeichen dafür, dass das Unternehmen aktiv Fortschritte in den Bereichen künstliche Intelligenz, prädiktive Analysen und andere neue Technologien erforscht, um an der Spitze der Branche zu bleiben.

Wenn Sie diese Faktoren berücksichtigen, können Sie ein Zustandsüberwachungs-Tool auswählen, das nicht nur Ihre aktuellen Anforderungen erfüllt, sondern auch eine Grundlage für künftige Anwendungsfälle bietet und die Einschränkungen von Einweg-Insellösungen vermeidet.

Sind Sie bereit, Ihren Betrieb zu revolutionieren?

Fordern Sie jetzt eine Demo an und erschließen Sie das Potenzial der intelligenten Zustandsüberwachung. Wir bei Paze haben nicht nur das performanteste Tool für Ihr Projekt, sondern unterstützen Sie in jeder Phase für eine erfolgreiche Umsetzung.

Gerne einen unverbindlichen Beratungstermin buchen.

Categorieën
Geen onderdeel van een categorie

Basiswissen und Umsetzung der vorausschauenden Wartung

Basiswissen und Umsetzung der vorausschauenden Wartung

In diesem Artikel werden wir erst die unterschiedlichen Wartungsmodelle beleuchten und dann im weiteren darauf eingehen, welche Möglichkeiten zur Umsetzung bestehen.

Predictive Maintenance ist ein Prozess, der die Überwachung der Leistung und des Gerätezustands während des regulären Betriebs umfasst, um die Wahrscheinlichkeit eines Ausfalls zu verringern.

Das Hauptziel der vorausschauenden Wartung ist die Vorhersage von Geräteausfällen durch Analyse spezifischer Parameter und Faktoren. Basierend auf dem Vorhersagebericht müssen Hersteller/Ingenieure Korrekturmaßnahmen ergreifen, um einen Stillstand oder Ausfall zu verhindern.

Die vorausschauende Wartung basiert auf Datenanalysetools und -techniken, um Anomalien in industriellen Abläufen und mögliche Fehler in Geräten und Prozessen zu identifizieren, um diese zu beheben, bevor sie zu einem Ausfall führen.

Im Idealfall ermöglichen vorausschauende Wartungsprogramme eine möglichst kleine Wartungshäufigkeit, um ungeplante reaktive Wartung zu vermeiden, ohne die Kosten zu verursachen, die mit zuviel vorbeugender Wartung verbunden sind.

Bevor wir tiefer in die vorausschauende Wartung eintauchen, wollen wir zunächst vorbeugende Wartung verstehen.

Wie unterscheidet sich die vorausschauende Wartung von der vorbeugenden Wartung?​

In der heutigen schnelllebigen Industrielandschaft spielt die Gerätewartung bei der Gewährleistung eines reibungslosen Betriebs und der Minimierung von Ausfallzeiten eine entscheidende Rolle.

Infolgedessen haben sich Instandhaltungsstrategien im Laufe der Zeit weiterentwickelt, um den Anforderungen von Unternehmen und ihren Vermögenswerten besser gerecht zu. Unter diesen Strategien sind vorausschauende und vorbeugende Wartung zwei der am weitesten verbreiteten Ansätze.

Aber wie unterscheid sie sich und welche ist dierichtige Wahl für Ihr Unternehmen?

In der folgenden Tabelle gehen wir auf die wichtigsten Unterschiede zwischen vorausschauender und vorbeugender Wartung ein, erörtern ihre Vor- und Nachteile und helfen Ihnen, eine fundierte Entscheidung zu treffen, wenn es um die effektive und effiziente Wartung Ihrer Anlagen geht.

Begeben wir uns also auf diese Reise, um diese gängigen Wartungssystemen besser zu verstehen und Ihre Prozesse zu optimieren.

Voraussetzung für Predictive Maintenance – Warum ist das wichtig? ​

Vorausschauende Wartung
Vorbeugende Wartung

Tritt je nach Bedarf in Echtzeit auf der Grundlage von Maschinenbetriebsdaten auf, um Probleme in der Entstehungsphase zu identifyzieren und Produktionsunterbrechungen zu avoid.

Tritt in jedem Zyklus nach dem gleichen Zeitplan auf – unabhängig davon, ob eine Wartung erforderlich ist oder nicht.

Ausfallzeiten sind möglicherweise erforderlich, können jedoch zeitlich so became festgelegt, dass sie am wenigsten störend sind

Maschinenstillstand ist erforderlich

Identifiziert mögliche Maschinenausfälle, bevor sie auffreten können

Beinhaltet Aktivitäten wie Geräte- und Komponenteninspektion, Reinigung, Reparatur usw.

Die Nachfrage nach Ersatzbeständen is less than both der vorbeugenden Wartung

Die Nachfrage nach Ersatzbeständen ist höher als bei der vorausschauenden Wartung

Vorausschauende Wartung ist ein proaktiver Ansatz zur Wartung von Maschinen und Anlagen, bei dem Echtzeitdaten und fortschrittliche Analysen zum Einsatz kommen, um potenzielle Probleme zu identifizieren, bevor sie zu Ausfällen führen. 

Diese Strategie ist für modern Unternehmen von entscheidender Bedeutung, da sie Ausfallzeiten minimiert, die Lebensdauer der Anlagen erhöht und die Wartungskosten senkt.

Durch das Antizipieren und Beheben von Problemen, bevor sie eskalieren, können Unternehmen die betriebliche Effizienz verbessern, Sicherheitsstandards einhalten und die Gesamtproduktivität steigern.

In einer hart umkämpften Industrielandschaft ist die Anforderung an vorausschauende Wartung wichtiger denn je, da sie Unternehmen hilft, der Zeit voraus zu sein, Ressourcen zu optimieren und einen Wettbewerbsvorteil zu wahren.

Ohne Condition Monitoring geht es nicht. Führen Sie zur Optimierung der Anlagen eine kontinuierliche Überwachung unter Echtzeit-Arbeitsbedingungen durch. 

  • Verbessern Sie die Anlagenzuverlässigkeit, um das Auftreten von Ausfällen zu reduzieren und die Anlagenbetriebszeit zu maximieren
  • Senkung der Wartungsarbeiten zur Optimierung der Betriebskosten
  • Verbessern Sie die Wartungsbudgets, indem Sie die Wartungskosten senken und die Produktionszeit maximieren

Was sind einige gängige vorausschauende Wartungstechnologien? ​

Es gibt nicht nur eine Vorgehensweise, um Predictive Maintenance einzuführen. Hersteller/Ingenieure sind auf Zustandsüberwachungsgeräte und -techniken angewiesen, um Ausfälle vorherzusagen und bei Bedarf Warnsignale zu setzen.

Einige dieser Techniken sind:

Acoustic Supervision

Wartungspersonal kann Gasemissionen, Flüssigkeits- oder Vakumlecks in Geräten auf Schall- und Ultraschallebene durch akustische Überwachung.

Obwohl teurer, wird die Ultraschalltechnologie in Betracht gezogen, weil sie eine zuverlässigere Maschinentechnologie hat und ein breiteres Anwendungsspektrum als die Schalltechnologie bietet.

Es ist wichtig zu beachten, dass diese Technologien zwar bei der Erkennung von Problemen helfen können, die Ohren der Techniker jedoch ihr wertvollstes Werkzeug bleiben.

Schall- und Ultraschalltechnologien können neben dem regelmäßigen Hören eingesetzt werden, um die Grundursache ungewöhnlicher Getriebegeräusche oder potenzieller Leckquellen genauer zu identifizieren.

Infrared Thermography

Predictive Maintenance nutzt häufig Infrarot-Thermography, eine non-invasive Test Technologie. Durch den Einsatz von Infrarotkameras kann das Wartungspersonal erkennen, ob die Temperaturen in Maschinen von der Normaltemperatur abweichen.

Defekte Komponenten oder Schaltkreise können zur Wärmeerzeugung führen und als Hotspot auf einem Wärmebild angezeigt werden. Über die Durchführung von Infrarotinspektionen können diese Hotspots frühzeitig erkannt und die notwendigen Reparaturen eingeleitet werden, wodurch letztendlich die Wahrscheinlichkeit schwerwiegenderer Probleme minimiert wird.

Oil analysis

Bei der vorausschauenden Wartung ist die Ölanalyse ein nützliches Werkzeug, das es Technikern ermöglicht, Verunreinigungen zu identifizieren, indem sie den Zustand des Öls untersuchen.

Die Ölanalyse umfasst die Bewertung von Viskosität, Wassergehalt, Partikelzahlen und die Bestimmung der Säure- oder Basenzahl.

Ein wesentlicher Vorteil von dieser Analyse besteht darin, dass ihre ersten Testergebnisse als Bezugspunkt für zukünftige Maschinen- und Anlagenwartung dienen kann. Somit wird eine frühzeitige Erkennung von besorgniserregenden Änderungen der Öleigenschaften ermöglicht.

Vibration analysis

Um die Leistung von rotierenden Hochgeschwindigkeitsanlagen zu überwachen, wird die Vibrationsanalyse eingesetzt. Ein Techniker kann tragbare Geräte oder Echtzeitsensoren innerhalb der Ausrüstung positionieren, um deren Funktion zu verfolgen.

Im optimalen Betrieb gibt eine Maschine einen unverwechselbaren Schwingungsrhythmus ab. Wenn sich die Komponenten jedoch abzunutzen beginnen, ändert sich das Vibrationsmuster und ein neues entsteht.

Durch die ständige Überwachung dieses Vibrationsmusters kann ein geschulter Techniker die Messwerte mit bekannten Fehlermöglichkeiten vergleichen und so Probleme frühzeitig erkennen und beheben.

Die Vibrationsanalyse ist in der Lage, eine Reihe von Problemen zu identifizieren, darunter Fluchtungsfehler, verformte Wellen, unwuchtige Elemente, lose mechanische Komponenten und Motorprobleme. Die Technik erfordert jedoch aufgrund ihrer Komplexität hochqualifizierte Techniker.

Wie funktioniert Predictive Maintenance?

Predictive Maintenance verwendet historische und Echtzeitdaten aus verschiedenen Bereichen Ihres Betriebs, um Probleme zu erkennen, bevor sie auftreten. Es gibt drei Hauptbereiche in Ihrem Unternehmen, die bei der vorausschauenden Wartung eine Rolle spielen.

Dazu gehören die Echtzeitüberwachung des Anlagenzustands und der Leistung, die Analyse von Arbeitsauftragsdaten und das Benchmarking der MRO-Anlagenauslastung.

Um ein vorausschauendes Wartungsprogramm zu implementieren, werden typischerweise die folgenden Schritte unternommen:

  1. Implementieren Sie eine Technologie, die das Sammeln und Auswerten von Daten ermöglicht. Die einfachste Lösung sind hierbei sogenannte Low-Code Plattformen.
  2. Bewerten Sie die Historie der Ausrüstung (oftmals bis zu 2 Jahre Datenanalyse erforderlich) und erstellen Sie darauf basierend einen Plan für die vorausschauende Wartung.
  3. Überprüfen Sie alle relevanten Aufzeichnungen wie Ausfallzeiten, Gerätestörungen, Produktions- und Energieverluste, Bußgelder und Sicherheitsniveaus am Arbeitsplatz.
  4. Sensibilisieren Sie wichtige Stakeholder für die Notwendigkeit vorausschauender Wartung und sichern Sie sich die Unterstützung der Betriebs- und Wartungsteams.
  5. Werten Sie den Gerätebestand aus und beurteilen Sie den Zustand der Geräte.
  6. Wählen Sie die Ausrüstung, die in die anfängliche Implementierung des Programms aufgenommen werden soll.
  7. Erstellen Sie detaillierte Aufzeichnungen über jedes System und seine Komponenten.
  8. Bewerten Sie alle bereits bestehenden präventiven oder vorausschauenden Wartungsprotokolle.
  9. Bestimmen Sie die Häufigkeit und den Zeitplan für das vorausschauende Wartungsprogramm.
  10. Definieren Sie in jeder Phase Personalrollen und bewerten Sie den Ressourcenbedarf.
  11. Organisieren Sie das Programm und integrieren Sie es in Planungssysteme.
  12. Richten Sie ein computergestütztes Wartungsmanagementsystem (CMMS) ein.

Was sind die Vorteile der vorausschauenden Wartung?

Lassen Sie uns die Vorteile der vorausschauenden Wartung untersuchen und warum sie heute zu einem wesentlichen Aspekt für Unternehmen geworden ist:

Reduzierte Häufigkeit von Maschinenausfällen

Es wurden umfangreiche Untersuchungen durchgeführt, um Maschinenausfälle zu minimieren, und dabei wurde festgestellt, dass eine regelmäßige Überwachung von Maschinen und Systemen die Wahrscheinlichkeit von unvorhergesehenen, großflächigen Ausfällen erheblich verringern kann.

In vielen Fällen nehmen nach der Implementierung eines vorausschauenden Wartungsprogramms für zwei Jahre die Häufigkeit und Schwere von Maschinenausfällen tendenziell ab.

Reduzierte Ausfallzeiten

Die Implementierung von Predictive Maintenance führt zu schnelleren Reparaturzeiten von Geräten. Durch die konsequente Überwachung und Analyse des Maschinenzustands kann das Wartungspersonal fehlerhafte Komponenten an allen Maschinen problemlos identifizieren und Probleme effizient lösen. 

Ausfallzeiten werden dadurch deutlich minimiert und in manchen Fällen sogar ganz vermieden.

Reduzierte Wartungskosten

Der Einsatz von vorausschauender Wartung kann die Wartungskosten effektiv reduzieren, was besonders wichtig ist, wenn Unternehmen die Kosten für Arbeit, Ersatzteile, Wartung, Werkzeuge und Ausrüstung tragen müssen, die für erhebliche Ausfälle erforderlich sind.

Abnahme der Lagerhaltung

Viele Unternehmen sehen sich mit erheblichen Kapitalinvestitionen in verschiedenen Bereichen konfrontiert, die ihre Ressourcen binden können. Wenn diese Teile über einen längeren Zeitraum nicht verwendet werden, kann sich außerdem ihre Qualität verschlechtern, was zu Abfall führt.

Anstatt in Erwartung von Maschinenausfällen einen großen Teilebestand zu halten, können Sie die mit der Lagerhaltung verbundenen Kosten reduzieren, indem Sie Teile nur dann bestellen, wenn sie benötigt werden.

Der Einsatz von vorausschauender Wartung kann die Wartungskosten effektiv reduzieren, was besonders wichtig ist, wenn Unternehmen die Kosten für Arbeit, Ersatzteile, Wartung, Werkzeuge und Ausrüstung tragen müssen, die für erhebliche Ausfälle erforderlich sind.

Verlängert die Lebensdauer von Maschinen

Durch die Erkennung von Maschinenproblemen, bevor sie katastrophale Ausmaße erreichen, kann die Lebensdauer der Ausrüstung erheblich verlängert werden.

Die Implementierung eines zustandsbasierten vorausschauenden Wartungsprogramms stellt sicher, dass Geräte gewartet werden, bevor sie sich irreparabel verschlechtern.

Die längere Lebensdauer der Maschinen bietet eine bessere Kapitalrendite für die Organisation.

Schätzung der mittleren Zeit zwischen Ausfällen

Predictive Maintenance bietet den zusätzlichen Vorteil, dass die Mean Time Between Failures (MTBF) geschätzt werden kann, die sich auf den kostengünstigsten Zeitpunkt für den Austausch von Maschinen bezieht. Einige Organisationen verwenden Geräte trotz mehrfacher Reparaturen und Fehler möglicherweise weiter, da sie glauben, dass der Kauf neuer Geräte eine teure Investition ist. 

Die Möglichkeit, Maschinen am Ende ihrer Lebensdauer auszutauschen, kann jedoch hohe Wartungskosten im Zusammenhang mit abgenutzten Geräten vermeiden.

Steigerung der Produktion

Robuste Prozesssysteme sind notwendig, um zustandsbasierte vorausschauende Wartungsprogramme zu unterstützen und ihre Effizienz zu steigern. 

Ein umfassendes Vorhersageprogramm, das eine Parameterüberwachung umfasst, kann die betriebliche Effizienz verbessern, was zu höheren Produktionszahlen führt. 

Überprüfung von Reparaturen

Die Schwingungsanalyse kann unbeabsichtigte Folgen einer Reparatur erkennen, die andere Teile einer Maschine beeinträchtigen können. 

Durch die Implementierung eines vorausschauenden Wartungsprogramms können Unternehmen Daten analysieren, um Wartungsstillstände zu planen und die Nutzung von Maschinenstillstandszeiten zu maximieren. 

Auf diese Weise können Wartungsteams Reparaturen überprüfen und abnormales Verhalten erkennen, um sicherzustellen, dass die Geräte mit maximaler Leistung arbeiten.

Wie kann Paze Industries helfen?

Vorausschauende Wartung ist ein kritischer Aspekt jedes Industriebetriebs, da sie dazu beiträgt, Ausfallzeiten zu minimieren und die Gesamteffizienz zu verbessern. 

Der erste Schritt zur Umsetzung eines erfolgreichen Predictive-Maintenance-Plans ist das Sammeln und Analysieren von Daten. Eine Datenplattform zu entwickeln ist jedoch ein zeit- und ressourcenintensives Unterfangen. 

Paze Industries hat deshalb eine Plattform entwickelt, die diesen Prozess massiv abkürzt und es Ihnen erleichtert, Ihren vorausschauenden Wartungsplan in wenigen Wochen zu planen und auszuführen.

Wie der Maschinenbauer „Emco“ erfolgreich seinen Service umgestellt hat, können Sie per Klick nachlesen: EMCO Case Study.

Die Digitalisierung von Fertigungsprozessen führt zur Vernetzung der dazugehörigen Maschinen, Produktionsanlagen und Werkzeuge. 

Dies wirkt sich auch auf die Wartung aus. Während heute in vielen Bereichen noch präventive Wartung dominiert, verbreiten sich mit immer günstiger werdenden Technologien immer mehr sogenannte Predictive-Maintenance-Konzepte. 

Maschinenbauer, die ihren Kunden Mehrwerte auf Basis der neuen Instandhaltungsansätze bieten wollen, müssen jedoch auf datenbasierte Geschäftsmodelle umsteigen. Unsere Kunden nutzen die Paze-Plattform, um Daten von vernetzten Maschinen und Anlagen zu sammeln und zu analysieren und als digitale Produkte Ihren Kunden anzubieten.

Das Industrial Internet of Things (IIoT) stellt derzeit zahlreiche Branchen und Industriezweige auf den Kopf. 

Im Maschinenbau entstehen durch die Vernetzung von Maschinen und Anlagen Daten mit großem Potenzial, die Industrieunternehmen beispielsweise zur Optimierung ihrer Maschinenentwicklung nutzen können. 

Durch die Vernetzung lässt sich die Maschinenwartung vor Ort um eine zentrale Datenanalyse erweitern, aus der sich unter anderem die zu erwartende Ausfallzeit einer Komponente, etwa einer Dichtung oder eines Lagers, ableiten lässt. 

Durch den Abgleich der im laufenden Betrieb erfassten Maschinen- und Anlagendaten mit anderen Daten, beispielsweise idealisierten Modellen, deckt die Software auftretende Fehler und Störungen auf, oft lange bevor der Vorfall tatsächlich passiert. Eine solche datenbasierte „Hellseherei“ senkt nicht nur die Wartungskosten, sondern reduziert auch die Ausfallrate der Maschinen.

Antizipieren und verzögern Sie Wartungsereignisse

Paze ermöglicht eine kontinuierliche 24/7-Überwachung von Maschinen und Anlagen in Echtzeit. Intelligente Sensoren, die in Produktionsmaschinen integriert sind, sammeln die während der Produktion erzeugten Daten und senden sie an unsere cloudbasierte IIoT-Plattform.

Das bereitet sie vor und ermöglicht geschulten Anwendern, aus den aufgezeichneten Geräuschen, Drehzahlen oder Temperaturen Rückschlüsse auf Störungen im System zu ziehen.

Die Modelle sind oft einfacher als man denkt, gerade was die Wartung angeht. In den meisten Fällen reicht sogar die Temperatur als entscheidender Parameter aus. Im Servicefall können Techniker anhand der gesammelten Systemdaten gezielt an der Fehlersuche arbeiten.

Ein mit historischen Daten angereichertes Maschinenmodell kann verwendet werden, um Wartungsereignisse zu antizipieren und selbst durch automatische Änderung von Prozessparametern auf einen optimalen Zeitpunkt zu verzögern. Die Folgen sind verkürzte Wartungszyklen und -zeiten.

Automatische Alarme bei Überschreitung des Limits

Verschiedenste Anlagen und Maschinen, von Produktionsanlagen, Windrädern oder Flugzeugturbinen bis hin zu Druckmaschinen, Kraftfahrzeugen oder Kränen, können mit vorausschauender Wartung über das Internet weltweit überwacht und gewartet werden.

Die Kommunikation beginnt meist in den vernetzten Systemen, wo Sensoren, Messstationen oder Sonden Zustände wie Temperatur, Vibrationen, Auslastung oder Verschleiß erfassen und übermitteln.

Für die Bewertung legen Produkt- und Service Experten bestimmte Grenzwerte fest, die nicht unter- oder überschritten werden dürfen.
Wenn dies der Fall ist, löst das System automatisch einen Alarm aus und sendet eine Benachrichtigung, per E-Mail oder SMS. Ein Kranhersteller definiert beispielsweise Windgeschwindigkeitsgrenzwerte.

Versucht der Kranfahrer dennoch, ein Schiff ab einer kritischen Windstärke oberhalb des Grenzwertes zu beladen, löst dies einen Alarm aus, der automatisch den zuständigen Kranführer erreicht.

Dadurch können auch Garantieansprüche besser bewertet werden. Auch hier liegt ein großes Einsparpotenzial.

Lebensdauerbestimmung durch akustische Muster

Eine in der Predictive Maintenance häufig eingesetzte Analysemethode ist die sogenannte akustische Mustererkennung. Anhand von Veränderungen innerhalb eines akustischen Musters lässt sich die Lebensdauer eines bestimmten Bauteils oder einer Komponente, beispielsweise eines Ventils, bestimmen.

Mittels künstlicher Intelligenz (KI) und maschinellem Lernen werden komplexen Messwerten Bedeutungen zugeordnet, auf deren Basis Data Scientists Einschätzungen treffen können.

An den Vibrationen eines Tisches in einer CNC-Maschine lässt sich beispielsweise der aktuelle Verschleißzustand des Bohrers ablesen. Ist er neu, bereits getragen oder bereits abgenutzt? Auch präzisere Vorhersagen sind möglich, wie zum Beispiel: „Der Bohrer hat 15 Prozent seiner Lebensdauer erreicht.“

Eine effiziente Produktion ist abhängig von der Funktionalität Ihrer Anlagen und technischen Systeme. Als ideal gilt eine technische Verfügbarkeit von mindestens 95 Prozent der möglichen Betriebszeit.

Im Rahmen von Predictive-Maintenance-Maßnahmen kann eine automatische Erkennung häufig auftretender Fehler in der Maschine implementiert werden.

Zum Beispiel die Identifizierung von Drehgeberfehlern bei Sensoren oder Abweichungen bei der Maschinenkalibrierung.

Durch den datengestützten, kontinuierlichen und stets aktuellen Einblick in das eingesetzte System können Verbesserungspotenziale, beispielsweise durch den Abgleich mit einem digitalen Modell und der Verfügbarkeit der Maschine, frühzeitig erkannt und umgesetzt werden.

Paze lässt sich problemlos in eine Vielzahl von IT-Systemen integrieren

Um die Produktionsprozesse zu digitalisieren und entsprechend zu steuern, verhilft Paze Anwendern zu einem direkten und unkomplizierten Zugriff auf die Betriebs- und Zustandsdaten der Anlage oder Maschine.

Damit das funktioniert, lässt sich Paze nahtlos in die IT-Systeme verschiedenster Hersteller integrieren. Wir stellen eine REST-API bereit, mit der unsere Kunden auf Maschinendaten, Abfrageergebnisse und andere Funktionalitäten wie Versionierung oder Automatisierung zugreifen können.

Das Thema Skalierung ist ein wichtiger Punkt bei der Wahl der richtigen Technologie, denn je erfolgreicher eine IIoT-Anwendung ist, desto größer ist die Datenmenge, die im Laufe der Zeit verarbeitet werden muss.

Plattformen, die nicht darauf ausgelegt sind, immer größere Datenmengen zu verwalten, stoßen schnell an ihre Grenzen.

Mit Paze können alle Dienste – von Messaging über Datenbank bis hin zu API-Diensten – skaliert und mehrfach parallel ausgeführt werden, sodass Ressourcen nahtlos erhöht (oder reduziert) werden können.

Spezialisten wie Data Analysts oder Data Scientists sind heute im Mittelstand viel zu selten oder gar nicht vorhanden. Ohne Mitarbeiter mit qualifizierter Datenexpertise wird es für Unternehmen jedoch schwierig, Werte auf Basis ihrer IIoT-Plattform zu schaffen.

Low-Code-Plattform als Game Changer

Aus diesem Grund bietet Paze die Plattform mit einem Low-Code Framework an. Anstatt klassische textbasierte Programmiersprachen zu verwenden, unterstützt unsere Low-Code-Plattform die Entwicklung von Prozessen mit visuellen Benutzeroberflächen und anderen grafischen Modellierungstechniken. Mit drag-and-drop oder per Mausklick werden so Datenapplikationen erstellt.

Dies ermöglicht unseren Kunden, die über viel Maschinen-Know-how, aber nur begrenzte IT-Ressourcen verfügen, ohne professionelle Programmierkenntnisse eigene Anwendungen und Apps zu konfigurieren und die Zustandsdaten ihrer Maschinen und Anlagen selbstständig auszuwerten.

Predictive Maintenance auf Basis von Lo- Code ist ein echter Game Changer für unsere Maschinenbau-Kunden.

Häufig gestellte Fragen zur vorausschauenden Wartung

Warum ist Predictive Maintenance so wichtig?

Wenn Predictive Maintenance als Wartungsstrategie effektiv funktioniert, werden Maschinen nur dann gewartet, wenn sie benötigt werden. Das bedeutet, dass eine zustandsorientierte Instandhaltung durchgeführt wird, kurz bevor ein Ausfall zu erwarten ist.

Dies bringt mehrere Kosteneinsparungen, da die Wartungszeit effektiv minimiert wird. Dadurch werden auch Produktionsausfälle reduziert und die Kosten für Ersatzteile und Zubehör reduziert.

Für welche Anwendungen eignet sich Predictive Maintenance?

Zu den Anwendungen, die sich für die vorausschauende Wartung eignen, gehören solche, die eine kritische Betriebsfunktion haben und auch Fehlermodi haben, die durch regelmäßige Überwachung kostengünstig vorhergesagt werden können.

Wie wird Predictive Maintenance durchgeführt?

Ziel der vorausschauenden Wartung ist es, den besten Zeitpunkt für die Durchführung von Arbeiten an einem Asset zu bestimmen, damit die Wartungshäufigkeit so gering wie möglich und die Zuverlässigkeit so hoch wie möglich ist, ohne dass unnötige Kosten entstehen.

Datenanalysen für die vorausschauende Wartung und die Nutzung des Internets der Dinge sind der Schlüssel zur Implementierung eines erfolgreichen vorausschauenden Wartungsprogramms, ebenso wie der Einsatz von Sensoren und vorausschauenden Wartungstechniken.

Tools und Prozesse für Predictive Maintenance

Welche Tools werden für Predictive Maintenance eingesetzt?

Die ständige Zustandsüberwachung hilft bei der Identifizierung von Problemen, da sie den genauen Grund für den Ausfall von Geräten aufdecken kann, wodurch die Zuverlässigkeit der Geräte erhöht wird. Darüber hinaus kann die Zustandsüberwachung dazu beitragen, zukünftige Anomalien vorherzusagen und die Anlagenzuverlässigkeit zu verbessern.

Auch die Wartungsprotokolle der einzelnen Anlagen können bei großen Datenmengen gefiltert und analysiert werden. Sie benötigen jedoch viele Assets des gleichen oder ähnlichen Typs, um den erforderlichen Prozessablauf für die vorausschauende Wartung genau zu erfassen.

Wartungsprotokolle helfen auch dabei, festzustellen, welche Einrichtung mehr Wartung als erforderlich benötigt. Außerdem kann ermittelt werden, welche Art von Wartungstätigkeiten anfallen, z. B. der Austausch von Teilen etc.

Darüber hinaus ist die Auswertung auf Basis von Berichten eines der wichtigsten Werkzeuge der Predictive Maintenance. Diese Berichte enthalten wichtige Informationen und Details, die zum Verständnis der Anlage und zur Vorhersage der Anlagenleistung, des Ausfalls usw. hilfreich sind.

Der Systemmesswert gilt auch für einige Arten von Systemen, die regelmäßig ausfallen oder nach einer bestimmten Zeit zu überhitzen beginnen. Viele Anlagen kommen nur aus diesem Grund zur Wartung.

Manchmal ist es schwierig, den Überblick darüber zu behalten, wie lange ein Gerät funktioniert. Mit einem Softwaretool für die vorbeugende Wartung werden Sie gewarnt und können die Maschine stoppen um einen Ausfall zu vermeiden.

Welche Dienste werden für Predictive Maintenance genutzt?

Die durch Predictive Maintenance ermöglichten Dienste lassen sich in vier Hauptgruppen einteilen. On-Premises und Infrastructure as a Service können selbst verwaltet werden und Platform as a Service und Software as a Service werden vom zuständigen IT-Anbieter verwaltet.

Einige Plattformen wie Paze verfügen über Anwendungsvorlagen wie OEE zur Überwachung von Alarmen, Staus oder einer Service-Leitwarte. Dies gibt Ihnen eine zusätzliche Starthilfe, da Sie direkt zum Kunden gehen und Iterationszyklen starten können. Sie können sehr früh im Projekt Wertschöpfung entwickeln.

Wie wird ein vorausschauendes Wartungsprogramm gestartet?

Ein vorausschauendes Wartungsprogramm (PdM) antizipiert den zukünftigen Zustand von Sachanlagen und trifft zeitnahe und fundierte Wartungsentscheidungen.

PdM ist – wie die Idee von Industrie 4.0 – auf die Konvergenz von Informationstechnologien (IT) und Betriebstechnologien (OT) angewiesen. Der Schlüssel zu einem erfolgreichen Predictive-Maintenance-Programm liegt darin, Menschen, Prozesse und Technologie zusammenzubringen und die gewünschten Ziele klar zu definieren.

Gerade KMU haben oft nicht die Ressourcen, um eine komplett neue Lösung zu entwickeln. Paze bietet eine End-to-End-Lösung vom Edge bis zur App. Bei Bedarf werden Softwaremodule in die bestehende IT-Infrastruktur integriert. So gibt es später beim Skalieren und Ausrollen kein böses Erwachen.

Schritt für Schritt zur Vorausschauenden Wartung

Sobald der primäre Zweck und die Schwerpunktbereiche für eine Umstellung auf Predictive Maintenance identifiziert wurden, sollte mit der Bewertung des Status quo begonnen werden.

Die erste Aufgabe besteht darin, die derzeit verwendeten Prozesse und Systeme zu dokumentieren, um festzustellen, was gut funktioniert und wo Wissens- und Kompetenzlücken bestehen. Dazu gehören die Betrachtung der Infrastruktur und die Identifizierung kritischer Arbeitsbereiche und Datenerfassungspunkte.

Das Assessment betrachtet und bewertet die Bereitschaft einer Organisation für die digitale Transformation, einschließlich einer Gap-Analyse, die nicht nur den Status quo von Prozessen und Technologie dokumentiert, sondern konkret beschreibt, wie nah oder weit dieser Status quo von der digitalen Bereitschaft entfernt ist.

Diese Bewertung wird zu einem Pilotprojekt führen, einem Produktionsprüfstand, der die Technologien und Prozesse einsetzt, die erforderlich sind, um einige der in der Bewertung identifizierten Lücken nachweislich zu schließen. Die Rapid-Prototyping-Funktion von Paze hilft außerdem dabei, schnell einen hochwertigen Prototypen zu erstellen, der Zugriff auf alle wichtigen Daten hat.

Wie kann die Leistung von Vorhersagemodellen verbessert werden?

Es sind nicht nur Daten, sondern auch Menschen, die dafür sorgen, dass dies funktioniert. Wahrscheinlich gibt es Experten im Unternehmen, die eine Maschine oder einen Prozess in- und auswendig kennen und seit vielen Jahren damit arbeiten.

Die digitalen Daten, die jetzt gesammelt und verwendet werden, sind von größter Bedeutung, aber die Erkenntnisse, die die Experten gewinnen – über Dinge, für die es keine Daten gibt oder die noch nie gemessen wurden – können unschätzbare Informationen enthalten, die helfen, die Ergebnisse zu validieren. Diese Menschen sind ein wertvolles Gut und ein wichtiger Bestandteil jeder digitalen Strategie.

Beispiele für den Einsatz von Predictive Maintenance

Vorausschauende Wartung in der Fertigung

Eine Branche, in der sich die vorausschauende Wartung auszahlt, ist die Fertigungsindustrie, die regelmäßig große und teure Werkzeuge und Geräte verwendet. Wenn solche Geräte ausfallen, könnte ein ganzes Unternehmen, das von der Fertigung abhängig ist, große Verluste erleiden, die die Installations- und Betriebskosten der vorausschauenden Wartungstechnologie durchaus aufwiegen können.

Predictive Maintenance für den Maschinenbau

Gerade für Maschinenbauer ist Predictive Maintenance als Dienstleistung für ihre Kunden von großem Interesse. Assets und Geräte, deren Sensoren bereits in Predictive-Maintenance-Software integriert sind, können Kunden erhebliche Einsparungen bei Wartungs- und Serviceanbieterkosten bringen.

Maschinenbauer können ihre Produkte auch mit zusätzlichen Predictive-Maintenance-Services anbieten, was den Wert der Produkte steigert und zu einer langfristigen Kundenbindung führen kann.

Predictive Maintenance in der Automobilindustrie

In der Automobilproduktion können geplante oder ungeplante Stillstände und die damit verbundenen Kosten für einen erheblichen Rückschlag sorgen. Mit Predictive Maintenance ist es möglich, den Zustand von Industrieanlagen ständig in Echtzeit zu überwachen und die Wahrscheinlichkeit von Ausfällen vorherzusagen. Dies verbessert die Betriebseffizienz und reduziert die Wartungskosten der Ausrüstung.

Vorausschauende Wartung in der Öl- und Gasindustrie

In der Öl- und Gasindustrie fehlt oft der Überblick über den Zustand der Anlagen an abgelegenen Offshore-Standorten. Wartungstechniker besuchten diese Standorte regelmäßig, um den Zustand der Ausrüstung zu überprüfen und Ölanalysen durchzuführen, selbst wenn dies nicht erforderlich war.

Mit vorausschauender Wartung können Öl- und Gasunternehmen den Zustand und die Leistung ihrer Anlagen beurteilen und Wartungsarbeiten dann planen, wenn ein anormales Problem erkannt wird.

Vorausschauende Wartung mit maschinellem Lernen ​

Heutzutage vereinfachen und verbessern maschinelles Lernen und KI zahlreiche Prozesse und Dinge. Eine davon ist die Anlageninstandhaltung. Heute können Sie Predictive Maintenance zusammen mit maschinellen Lernstatistiken und Algorithmen nutzen, um große Verluste und Anomalien zu verhindern.

Vorausschauende Wartung und Zustandsüberwachung

Zustandsüberwachung ist die Überwachung des Zustands eines Systems, um Änderungen zu erkennen, die auf Schäden oder einen bevorstehenden Ausfall hinweisen würden. Es ermöglicht Bedienern, Probleme (durch Reparatur- und Wartungsverfahren) zu erkennen und zu beheben, bevor sie zu einem Geräteausfall führen.

Vorausschauende Wartung bezieht sich auf die Planung korrektiver Wartungsmaßnahmen auf der Grundlage von Vorhersagen darüber, wie sich ein System entwickeln wird. Diese Vorhersagen basieren auf Daten aus der Zustandsüberwachung und anlagenspezifischem Wissen.

Mit anderen Worten, Predictive Maintenance ist eine der Möglichkeiten, wie Zustandsüberwachung eingesetzt werden kann. Die beiden Methoden ergänzen sich und beziehen sich auf unterschiedliche Arten der Nutzung und Auswertung von Sensordaten.

Vorausschauende Wartung und IoT

Die meisten modernen Industriemaschinen verfügen heute bereits über eine Vielzahl unterschiedlicher Sensoren, die kontinuierlich Daten sammeln und es ermöglichen, Modelle für Predictive Maintenance aufzustellen. Da diese Sensoren Echtzeitdaten über verschiedene Geräte, Systeme, Anlagen und Standorte sammeln, ermöglicht die IoT-basierte vorausschauende Wartung Herstellern, Ereignisse wie Geräteausfälle oder den Austausch von Ersatzteilen effektiv vorherzusagen und zu planen.

Predictive Maintenance und die intelligente Fabrik

Eine Smart Factory oder ein Maschinenpark sind digitalisierte Produktionsanlagen, die über vernetzte Geräte, Maschinen und Produktionssysteme kontinuierlich Daten sammeln und austauschen. Diese Daten werden dann als Grundlage für Entscheidungen zur Verbesserung von Prozessen und zur Lösung von Problemen verwendet.

Die in einer Smart Factory eingesetzten intelligenten Fertigungsprozesse werden durch eine Vielzahl von Technologien ermöglicht, darunter künstliche Intelligenz (KI), Big Data Analytics, Cloud Computing und das Industrial Internet of Things (IoT) und bieten optimale Voraussetzungen für eine erfolgreiche Implementierung von Predictive Wartung.

Vorausschauende Wartung und Industrie 4.0 ​

Da das Internet der Dinge (IoT) weiter voranschreitet, beginnen Unternehmen, einen Industrie 4.0-Ansatz für den Fertigungssektor zu übernehmen. Die Weiterentwicklung von KI und ML wird Predictive Maintenance unterstützen und letztendlich Unternehmen einen extremen Vorteil gegenüber denen verschaffen, die nicht auf Industrie 4.0 setzen.

Vorausschauende Wartung und Edge Computing

Edge Computing entlastet Netzwerke und andere IT-Infrastrukturen und hält die Kosten niedrig. Die Technologie beinhaltet die Verwendung von Geräten, die die gesammelten Daten direkt in der Fabrikhalle analysieren, anstatt sie an eine Cloud zu senden. Edge-Computing kann auch dazu beitragen, die Nutzung von IIoT-basierter vorausschauender und vorgeschriebener Wartung zu maximieren.

Bei einigen IIoT-Implementierungen ist die Internetverbindung aufgrund von Faktoren wie entfernten Standorten oder der Unzuverlässigkeit von Mobilfunkverbindungen nicht immer verfügbar.

Abschluss

Paze bietet die optimalen Lösungen für KMU im Maschinenbau und in der Fertigungsindustrie. Mit unserer modularen End-to-End-Lösung haben wir genau die richtigen Bausteine, die unsere Kunden brauchen, um die bestehenden IT-Systeme (wie MES, ERP, Ticket etc.) mit der nötigen Datentiefe anzureichern und umfassend auszuwerten.

Dies beginnt bereits in der Planungsphase, in der Sie unser Rapid-Prototyping-Tool verwenden können, um Anwendungsfälle zu brainstormen und alle an Bord zu holen.

Die Plattform kann innerhalb weniger Tage eingerichtet und betrieben werden – mit neuester Technologie und höchsten Sicherheitsstandards. Wir haben ein hervorragendes 1., 2. und 3. Level Support-Team, einschließlich Ticketsystem und Telefonsupport.

Wir bieten sowohl Low-Code-Tools für nicht programmierende Teams als auch Zugriff auf die REST-API für Entwickler und Systemintegratoren. Unsere supereffizienten, sofort einsatzbereiten Start-up-Lösungen und unser Kundenerfolgsteam mit Branchenerfahrung können Ihrem Unternehmen dabei helfen, den größtmöglichen Nutzen aus ihren Daten zu ziehen.

Hintere Achmühlerstr. 1a
6850 Dornbirn
  • +43 (0) 660 9474418

Quick Links

Services

News Letter

Sign up to our newsletter!

Copyright © Paze Industries 2023

Terms of Service | Policy | Impressum | Site Map

This website uses cookies for a better experience.

Accept & Close
Decline