Intelligente Anlagenverwaltung: Reiten Sie auf der Welle der vorausschauenden Wartung

Wartungs- und Reparaturarbeiten (MRO) gehören zu den wichtigsten Tätigkeiten moderner Industrieunternehmen. Sie ermöglichen einen reibungslosen Betrieb und haben einen erheblichen Einfluss auf die Produktivität und das Endergebnis. Ein wichtiger Teil der MRO befasst sich mit der Verwaltung und Instandhaltung von Sachanlagen wie Maschinen und Werkzeugen, die in der Produktion eingesetzt werden. Aus diesem Grund investieren Unternehmen in großem Umfang in neuartige und intelligente Methoden zur Verwaltung ihrer Anlagen.

Der einfachste Ansatz zur Instandhaltung von Vermögenswerten ist die reaktive Instandhaltung. Bei der reaktiven Instandhaltung werden Anlagen repariert oder ersetzt, wenn sie kaputt gehen. Reaktive Wartung ist nicht sehr effektiv - sie führt oft zu Produktionsausfällen, da der Betrieb angehalten werden muss, während die Anlage ersetzt wird. Aus diesem Grund verwenden die meisten Unternehmen ein alternatives Wartungsmodell für wichtige Anlagen, die so genannte präventive Wartung. Bei dieser Methode werden Anlagen bereits vor ihrem nominalen Lebensende ersetzt oder gewartet. Durch proaktives Handeln werden katastrophale Ausfallzeiten vermieden, da das Ende der Lebensdauer der Anlagen nie erreicht wird. Dies ist nicht die kosteneffizienteste Methode, da die Lebensdauer des Produkts verkürzt werden kann, weshalb die zustandsorientierte Instandhaltung ebenfalls eine Option darstellt.

Bei der zustandsorientierten Instandhaltung wird eine Anlage auf der Grundlage ihres tatsächlichen Zustands ersetzt oder gewartet. Sie wird eingesetzt, um die Anlage zu warten, bevor es zu einem Ausfall kommt. Eine der beliebtesten Arten der zustandsorientierten Instandhaltung ist die vorausschauende Instandhaltung. Sie nutzt Vorhersagen über die Restnutzungsdauer (RUL) und das End-of-Life (EoL) der Anlage, indem sie die Wartung zum günstigsten Zeitpunkt plant. Vorausschauende Wartung vermeidet katastrophale Ausfallzeiten und optimiert gleichzeitig die Gesamtanlageneffizienz (OEE). Dennoch ist die Umsetzung eines vorausschauenden Wartungskonzepts eine Herausforderung, da es keine einfache Möglichkeit gibt, Ausfälle von Industrieanlagen vorherzusagen und zu antizipieren.

In den letzten Jahren hat das Aufkommen von Industrie 4.0 es Unternehmen ermöglicht, große Mengen digitaler Daten über ihre Produktionssysteme zu sammeln. Dies erleichtert die Umsetzung der vorausschauenden Wartung und führt zu greifbaren wirtschaftlichen Vorteilen. Die vorausschauende Instandhaltung ist aus zwei Gründen eine der beliebtesten Industrie 4.0-Anwendungen: ihre erwiesene Kapitalrendite (ROI) und ihre breite Anwendbarkeit in fast allen Industriesektoren, einschließlich Fertigung, Öl und Gas, Bergbau, intelligente Gebäude und mehr.

Schätzung der Restnutzungsdauer mit Predictive Analytics

Bei der Entwicklung von Lösungen für die vorausschauende Wartung werden große Mengen digitaler Daten von Sensoren, Produktionssystemen und Unternehmensanwendungen genutzt. Diese Daten werden durch fortschrittliche Analysealgorithmen wie maschinelles Lernen (ML) und künstliche Intelligenz (KI) verarbeitet, um den Zustand der Anlagen zu bewerten. Die Algorithmen der prädiktiven Analyse werden auf Daten von verschiedenen Geräten wie Schwingungssensoren, Temperatursensoren, Stromverbrauchssensoren, akustischen Sensoren, Ultraschallgeräten und Wärmebildgeräten angewendet. Zusätzliche Informationen aus betrieblichen Informationssystemen (z. B. ERP-Systeme (Enterprise Resource Planning)) werden genutzt, z. B. Informationen zur Produktionsqualität und Daten zur Maschinenölanalyse. Die oben genannten Informationen liefern nützliche Erkenntnisse über den Betrieb und den Zustand der Anlage.

Ein integriertes vorausschauendes Instandhaltungssystem umfasst die folgenden Teilsysteme:

  • Ein Teilsystem für die Datenerfassung, das die zuverlässige Erfassung von Daten aus Sensoren und Produktionssystemen gewährleistet. In den meisten Fällen handelt es sich bei dem Datenerfassungssystem um ein Big-Data-System, das Streaming-Daten mit hohem Ingestionsgrad und Daten im Ruhezustand verarbeitet. Das System wird durch eine robuste Netzwerkinfrastruktur unterstützt, die so konfiguriert ist, dass sie den Bandbreitenbedarf der verschiedenen Datenströme unterstützt.
  • Ein Teilsystem für die vorausschauende Analyse, das die Sensordaten verarbeitet, um Zeitschätzungen für die Wartung zu erstellen. Dieses Teilsystem umfasst fortschrittliche Analysealgorithmen wie statistische Analysen und Data-Mining-Techniken wie maschinelles Lernen und Deep Learning (DL). In den letzten Jahren wurden DL-Techniken aufgrund ihrer Genauigkeit gegenüber herkömmlichen ML-Techniken bevorzugt. Die Verwendung von DL-Modellen erfordert jedoch mehr Daten als herkömmliche ML-Algorithmen.
  • Ein Visualisierungssubsystem, das Wartungsingenieuren und -technikern prädiktive Erkenntnisse liefert. So werden beispielsweise Vorhersagen über den Gesundheitszustand der Anlagen in geeigneten Dashboards visualisiert. Informationen können in Form von Augmented Reality (AR) und Virtual Reality (VR) Cyber-Darstellungen visualisiert werden.
  • Ein Betätigungs- und Steuerungssubsystem, das vorausschauende Erkenntnisse zur Planung von Wartungsarbeiten oder zur Konfiguration des Betriebs von Produktionssystemen nutzt. Dieses Teilsystem kann mit Unternehmensanwendungen (z. B. ERP- und Anlagenverwaltungssystemen) interagieren, um den besten Zeitpunkt für die Planung von Wartungsarbeiten zu ermitteln. In dieser Richtung wird auch der Status der anstehenden Produktionsaufträge berücksichtigt. Ebenso konfiguriert das Teilsystem für die Steuerung und Kontrolle den Betrieb von Maschinen, um deren Lebensdauer zu verlängern.

Das Aufkommen von Vermögenswerten als Dienstleistung

Neben der Verringerung von Ausfallzeiten und der Steigerung der OEE ermöglicht die vorausschauende Instandhaltung eine Reihe neuartiger Geschäftsmodelle für die Instandhaltung in Unternehmen, die auf dem Paradigma Asset-as-a-Service (AaaS) basieren. Dieses Paradigma ermöglicht es OEMs, ihre Produkte nach ihrer Nutzung und nicht nach einem festen Vorabpreis zu berechnen. Zu diesem Zweck nutzen sie Erkenntnisse über den Zustand und den Gesundheitszustand der Anlagen, um Wartungs-, Reparatur- und Außendiensteinsätze zu planen. Ebenso bieten sie einen Überblick über den Status der Anlagen und die an ihnen durchzuführenden Wartungsarbeiten. In diesem Zusammenhang ist es auch möglich, Maintenance-as-a-Service (MaaS)-Modelle zu implementieren, bei denen die Kunden für die Bereitstellung von Wartungs- und Reparaturinformationen über die Anlage bezahlen.

MaaS und AaaS werden Industrieunternehmen in Zukunft mehr Flexibilität bei der Planung ihres MRO-Betriebs bieten. Zum Beispiel werden Hersteller nicht mehr über teure Wartungsverträge verfügen müssen. Stattdessen werden sie in der Lage sein, für Wartungsdienstleistungen entsprechend der Nutzung der Anlage zu zahlen.

Digitale Infrastrukturen und Technologien wie Hochgeschwindigkeitsnetzwerke, Big-Data-Plattformen und fortschrittliche Analysetechnologien sind die Hauptpfeiler von vorausschauenden Wartungslösungen. Die Lösungen von Allied Telesis bieten einen hohen Mehrwert, wenn es um die Implementierung zuverlässiger Datenerfassungsplattformen für die vorausschauende Wartung geht. Ein herausragendes Beispiel ist die Total Autonomous Networking-Lösung von Allied Telesis, die es Fertigungsunternehmen ermöglicht, die Steuerung und Verwaltung mehrerer Geräte zu zentralisieren und gleichzeitig die immer wichtiger werdenden Wiederherstellungs- und Bereitstellungsdienste zu unterstützen. Die Lösung bietet vielseitige Netzwerkkonfigurationsmöglichkeiten, die auf der Analyse des drahtlosen Datenverkehrs basieren. Die Analyse des Datenverkehrs wird insbesondere eingesetzt, um zu verstehen, wie das Netzwerk am besten konfiguriert werden kann, um die Nachfrage zu erfüllen. Sie erleichtert auch die Einrichtung von Hochleistungs-WAN-Lösungen, die sicherstellen, dass Wartungsdaten von verschiedenen Geräten zuverlässig in die Cloud gestreamt werden können.

Eine weitere Option ist die Sicherheitslösung Allied Telesis Self-Defending Networks, die die Konfiguration und Durchsetzung komplexer Sicherheitsrichtlinien sowohl auf der Edge- als auch auf der Cloud-Ebene von Predictive-Maintenance-Lösungen automatisiert. Dies kann die Vertrauenswürdigkeit und Zuverlässigkeit von Predictive-Maintenance-Implementierungen erheblich steigern, was für den Schutz von Industrieunternehmen vor nicht vertrauenswürdigen Geräten und feindlichen Angriffen sehr wichtig ist.

Insgesamt bietet Allied Telesis die Grundlage für eine robuste, sichere und hochleistungsfähige industrielle Netzwerkinfrastruktur, die den ordnungsgemäßen Fluss von Wartungsdaten von der Werkstatt bis zur Cloud gewährleistet. Dies ist eine solide Grundlage für eine erfolgreiche und kosteneffiziente vorausschauende Wartung.