Predictive Maintenance

Materialschäden und Stillstände vermeiden

Predictive Maintenance – die vorausschauende Wartung – bringt viele Vorteile und ist daher zielführender als die klassischen präventiven oder reaktiven Wartungsansätze. Ungeplante Maschinenausfälle und die damit verbundene Kettenreaktion von verschiedenen Aktivitäten (z.B. Außendiensteinsatz) lassen sich somit weitestgehend reduzieren. Ersatzteile können vorausschauend besser eingeplant und eingekauft werden. Durch die Informationen aus den bestehenden Daten lässt sich die Leistung und Produktivität steigern. Durch immer kostengünstigere Sensoren werden immer mehr Daten bei Maschinen bzw. Maschinenteilen gesammelt. Informationen wie Außentemperatur, Luftfeuchtigkeit oder dem geografischen Standort sind einfach verfügbar. Die Herausforderung besteht also in der klugen Auswertung und Aufbereitung der Daten. Data Science hilft sowohl bei der zielgerichteten Erfassung als auch bei der Verwertung dieser Daten. So können Ausfälle und Fehler frühzeitig erkannt werden, wodurch die die Mean Time To Failure und die Kundenzufriedenheit steigen.

 

In der Umsetzung von Predictive Maintenance sind abhängig vom Einsatzgebiet unterschiedliche Prozesse und Daten betroffen:

Vorteile / Zielsetzung

  • Ausfallszeiten reduzieren und Mean Time to Failure steigern

  • Produktionsertrag steigern

  • Gesamteffektivität steigern Durchsatz erhöhen

  • First Time Fix Rate steigern

  • Produktionskosten reduzieren

Die drei Einsatzgebiete von Predictive Maintenance

Predictive Maintenance - Fokus Produktion

Fokus Produktion

 

Primäres Ziel: Optimierung der eigenen Produktion

 

Daten: Datenpunkte sind am Produktionsstandort oder an den Produktionstandorten; Prozessparameter, Qualitätskennzahlen, Umgebungsdaten

 

Anwendung: Vorhersage und Optimierung von Prozesseingangsparametern, Digitalisierung der Produktion

 

Zu beachten: Anbindung an den Historian (z.B. PI System von OSISoft) und Prozessleittechnik (lANSI/ISA 95)

Predictive Maintenance - Fokus Produkt - Endanwender

Fokus Produkt – Endanwender

 

Primäres Ziel: Überwachung von Maschinen an einem Standort der (End-)Kunden (i.d.R. außerhalb der Produktion)

 

Daten: Datenpunkte sind weltweit verteilt; Sensordaten von Maschinen weltweit verteilt; Qualitätskennzahlen

 

Anwendung: Erkennung von fehlerhaften Bauteilen, Ursachen- und Fehleranalyse

 

Zu beachten: Connectivity – Mobilfunk, Business Case

Predictive Maintenance - Hybrid – Produktion beim Kunden

Hybrid – Produktion beim Kunden

 

Primäres Ziel: Überwachung von Maschinen an einem Produktionsstandort von Kunden

 

Daten: Sensordaten von Maschinen weltweit verteilt; Qualitätskennzahlen

 

Anwendung: Erkennung von fehlerhaften Bauteilen, Ursachen- und Fehleranalyse

 

Zu beachten: Data Plattform, Datenschutz, Datenvertrag

 

 

Was können wir für Sie tun?

Bevor etwas kaputt geht haben wir es bereits erkannt und repariert. Predictive Maintenance steigert ihre Produktivität im Unternehmen. 

 

Timo Klerx, Senior Data Scientist

Gernot Molin
Head of Advanced Analytics
pmOne Analytics GmbH
Technologiepark 21
33100 Paderborn
+49 89 4161761-0
Gernot Molin
Dr. Timo Klerx
Lead Data Scientist
pmOne Analytics GmbH
Technologiepark 21
33100 Paderborn
+49 89 4161761-0
Dr. Timo Klerx