In diesem Artikel werden wir prüfen, worauf sich der Begriff der vorausschauenden Instandhaltung bezieht. Maschinenproduzenten, Komponentenhersteller und Systemintegratoren können diesen Artikel als Leitfaden nutzen, um den Begriff der vorausschauenden Instandhaltung besser zu verstehen.
Dabei werden wir die Unterschiede zwischen vorausschauender und präventiver Instandhaltung erörtern. Zudem erfahren Maschinenproduzenten, wie sie Fabrikbesitzer beraten können, um koordinierte, kostengünstige und vorausschauende Instandhaltungsprogramme in die bestehenden Prozesse zu integrieren.
Dieser Artikel deckt folgende Bereiche ab:
Der moderne Fertigungsbereich besteht aus Sensoren, Stellantrieben, Maschinen, SPS, eingebetteten HMIs, Lieferfahrzeugen und SCADA-Systemen. Diese sind und verursachen nicht nur die Hauptausgaben der Fabrik, sondern erzeugen auch eine große Datenmenge. Diese Daten können wiederum auf vielfältige Weise genutzt werden, um die Fabrikprozesse zu optimieren.
Ein produzierendes Unternehmen kann Big Data – also große Datenmengen – verwenden, um beispielsweise das Risiko verzögerter Produktlieferungen an die Kunden zu reduzieren. Durch eine Analyse der Daten der gesamten Transportwege der Lieferkette und der Lieferwagen (die mit Sensoren und Antennen ausgestattet sind), kann ein Hersteller die Punkte für frühere und aktuelle Echtzeit-Verzögerungen genau erfassen. Damit kann der Hersteller eine alternative Strecke wählen, welche diese Bereiche in Zukunft oder in Echtzeit vermeidet. So werden die Kunden nicht nur pünktlich mit ihren Produkten beliefert, sondern sie erhalten einen zusätzlichen Vorteil durch den reduzierten Kraftstoffverbrauch.
Das ist nur ein Beispiel dafür, wie Big Data in einer „Smart Factory“-Umgebung und zur Optimierung von Standardprozessen eines Werks genutzt werden. Die datengesteuerte Anlagenoptimierung wird in vielen Fabrik- und Produktionsumgebungen zur Norm. Dabei integrieren zahlreiche Fabrikbesitzer mindestens eine Big-Data-Lösung in ihre Produktions- und Montagelinien.
Wenn auch nur eine Maschine als kritischer Teil einer Massenproduktionslinie ausfällt, kann es zu kostspieligen Ausfallzeiten und anderen Kosten führen. Das müssen Maschinenproduzenten, Komponentenhersteller und Systemintegratoren beachten. Der Arbeitsplatz, am dem die Lenkradkomponenten installiert werden und Ausfallzeiten auftreten, führt so bei einer typischen Automobilproduktionslinie beispielsweise zu erheblichen Gewinnausfällen, da sich auch die Produktion der Fahrzeuge selbst verzögert.
Selbst wenn die Maschinen an diesem Arbeitsplatz nicht vollständig ausgefallen, aber defekt sind, müssen die auf diesem Fließband produzierten Fahrzeuge möglicherweise zurückgerufen werden, nachdem sie bereits vollständig montiert sind. Im schlimmsten Fall können diese Fahrzeuge vor dem Rückruf verkauft und zu einem Sicherheitsrisiko auf der Straße werden.
Die Instandhaltung und Überwachung einer Maschine ist unerlässlich, um Stillstandszeiten und kostspielige Produktrückrufe zu verhindern und die Lebensdauer der Maschine selbst zu verlängern. Daher ist Instandhaltung ein wichtiger Teil der Dienstleistungen, die Maschinenproduzenten, Komponentenhersteller und Systemintegratoren berücksichtigen müssen, wenn sie einem Fabrikbesitzer diese Dienstleistungen anbieten.
Die vorausschauende Instandhaltung basiert auf Big Data. Sie umfasst die Auswertung von Daten, die von einer oder mehreren bestimmten Maschinen erzeugt werden. Sie prognostiziert die Wahrscheinlichkeit eines Maschinenfehlers, bevor der eigentliche Ausfall eintritt, und kann eine Instandhaltungsmaßnahme vor dem Ausfall einplanen, um die Probleme zu beheben. Dies alles ist mit einer Datenanalyse möglich.
Bei standardmäßigen vorausschauenden Instandhaltungstechniken erheben ein oder mehrere Sensoren leistungsbezogene Daten von der jeweiligen Maschine. Diese Sensoren können Daten zu Temperatur, Zustand, Druck, Vibration und Ausgängen dieser Maschine in Echtzeit überwachen und sammeln. Die Sensoren senden die Daten über die Maschine an eine Verarbeitungseinheit. Jede Abweichung von vorgegebenen Referenzwerten oder maschinell lernenden Modellen werden festgehalten. Diese Referenzwerte oder -modelle des maschinellen Lernens basieren auf den Werten, die beobachtet wurden, bevor ein Fehler an der Maschine aufgetreten ist. Dementsprechend wird die Instandhaltung geplant, bevor der Ausfall der Maschine tatsächlich eintritt, falls Abweichungen festgestellt werden. Sollte ein Fabrikbesitzer kein cloud-basiertes Dashboard mit KPIs für die vorausschauende Instandhaltung und mit Alarmen haben, so kann der Maschinenproduzent ein „White Label“-Dashboard eines Technologieanbieters anbieten.
Andere Arten von vorausschauenden Instandhaltungstechniken analysieren die von der Maschine hergestellten Produkte, indem sie historische mit den aktuellen Produktqualitätsdaten vergleichen, um auf im Laufe der Zeit auftretende Mängel oder Qualitätsveränderungen zu prüfen und somit Rückschlüsse auf den Zustand der Maschine zu ziehen.
Die präventive Instandhaltung umfasst die Planung der regelmäßigen Maschinenwartung, um die Wahrscheinlichkeit von Ausfällen zu verringern, ähnlich wie Fahrzeugbesitzer ihre Autos zu bestimmten Zeiten des Jahres zur Wartung oder Inspektion in die Werkstatt bringen.
Die vorausschauende Instandhaltung verwendet Big Data, maschinelle Lernmodelle und Statistiken verwendet, um die Wahrscheinlichkeit eines Maschinenausfalls vorherzusagen und die Instandhaltung entsprechend zu planen. Die vorausschauende Instandhaltung gilt als proaktiver Ansatz bei Wartungsproblemen. Die eigentliche Instandhaltung würde vom Maschinenproduzenten, Komponentenhersteller oder Systemintegrator durchgeführt.
Das Hauptproblem bei der vorbeugenden Instandhaltung ist die Festlegung des richtigen Zeitplans für eine bestimmte zu wartende Maschine. Dies basiert oft auf den Empfehlungen des Maschinenproduzenten und nicht auf der tatsächlichen Leistung oder dem Status der Maschine im Werk. Ein weiteres Problem sind Ausfallzeiten durch unnötige Instandhaltungsmaßnahmen, die zu diesem Zeitpunkt möglicherweise gar nicht erforderlich sind. Es handelt sich eher um einen reaktiven als um einen proaktiven Ansatz. Er ist reaktiv, denn wenn eine Maschine Leistungsprobleme hat, werden diese Probleme nur zum geplanten Wartungsdatum und nicht in Echtzeit behandelt. Das führt zu Verschleiß an der Maschine, einer höheren Ausfallwahrscheinlichkeit und einer größeren Wahrscheinlichkeit einer abweichenden Produktleistung.
Nachstehend wird eine Übersicht der Schritte erörtert, um ein einfaches vorausschauendes Instandhaltungsprogramm oder eine vorausschauende Instandhaltung als Serviceprogramm zu entwickeln und zu integrieren. Maschinenproduzenten könnten Fabrikbesitzern diesen Service anbieten, um sie bei der Einführung von vorausschauenden Instandhaltungsprogrammen in ihren Fabriken zu unterstützen:
Die vorausschauende Instandhaltung ist nur einer der modernen Fabrikprozesse, der Big Data für die Anlagenoptimierung nutzt. Die vorausschauende Instandhaltung bietet viele Vorteile. Es wird empfohlen, dass Fabrikbesitzer in vorausschauende Instandhaltungsprogramme investieren, um Ausfallzeiten zu reduzieren und die Gesamteffizienz der Maschine zu erhöhen.