Zugegeben. Natürlich können wir Ihnen nicht sagen, welche Lottozahlen nächsten Samstag gezogen werden oder wie der nächste Fußball Weltmeister heißt. Trotzdem können wir die Zukunft vorhersagen. Wie? Mit Predictive Maintenance, der vorbeugenden Instandhaltung.
Denkt man an Digitalisierung, Industrie 4.0 und Smart Factory so kommt man auch um den Begriff Predictive Maintenance nicht herum. Die Möglichkeit, Maschinen und Anlagen vorausschauend also proaktiv zu warten, um Ausfall- und Störungszeiten zu minimieren oder bestenfalls sogar komplett zu vermeiden, ist DAS Thema der Industrie 4.0.
Das Verfahren nutzt Mess- und Produktionsdaten und leitet daraus Wartungsinformationen ab. So lassen sich mögliche Störungen frühzeitig erkennen bevor es zu Ausfällen kommt. Wartungsmaßnahmen können proaktiv durchgeführt werden, noch lange bevor tatsächlich eine Störung eintritt.
Weltweit sind Produktionsanlagen in vielen Sektoren hoch automatisiert und bieten somit die perfekte Grundlage für diese vielversprechende Technologie. Deutschland ist in diesem Bereich Vorreiter, weshalb dieses Thema auch große Beachtung findet und immer wieder Grundlage u. a. vieler Studien ist, wie z. B.
- Bericht der Bundesregierung: „Kompetenz- und Qualifizierungsbedarfe bis 2030“
- Lufthansa Statement: „Mit Predictive Maintenance Flotten besser warten“
- Staufen AG Studie: „Industrie 4.0 Index 2019“
Unsere Glaskugel sind Daten
Für Predictive Maintenance braucht es jede Menge Daten, um wirklich verlässliche Vorhersagen treffen zu können. Diese müssen erfasst, gespeichert und analysiert werden. So entstehen riesige Mengen an Daten. Big Data und das Internet of Things (IoT) sind hier weitere Schlagworte, ohne die eine effiziente vorausschauende Wartung nicht möglich wäre.
EDAG Production Solutions unterstützt viele Kunden aus den unterschiedlichsten Industriebereichen dabei, das Potential dieser Technologie zu nutzen. So konnten wir auch Automobilhersteller überzeugen und haben daraus ein Hackathon-Konzept zur individuellen Bedarfsanalyse für unsere Kunden entwickelt.
Das Problem
Oft gibt es Störungen im laufenden Betrieb, um die sich die Instandhaltung kümmern muss. Eine Maschine steht still, die Produktion pausiert, dies ist der direkte Ausfall. Dazu kommen zusätzliche Kosten für weitere Maschinen der Linie, die durch Serienschaltung ebenfalls die Produktion einstellen müssen.
Die Instandhaltung rückt aus und behebt das Problem. Zusätzlich müssen oft Ersatzteile bestellt werden. Sind diese verfügbar, so müssen sie oft als Eilbestellung geliefert werden, was zu weiteren Zusatzkosten führt.
Auch Folgekosten lassen sich leider nicht vermeiden. Durch den Ausfall einer Linie muss ggf. die Produktion weiterer Linien umgeplant werden, da in der Regel im Just-In-Time und Just-In-Sequence Modus produziert wird.
Das Vorgehen
Predictive Maintenance bedient sich der Daten, die im Produktionsprozess entstehen und erkennt Unregelmäßigkeiten in den Daten. Damit wird ein frühzeitiges Handeln der Instandhaltung in produktionsfreien Räumen möglich. Ein internationales multidisziplinares Team der EDAG Production Solutions hat hierzu eine Methodik entwickelt, um aus Sensor- und Steuerungsdaten eine Predictive-Maintenance-Lösung für jeden Kunden auszuarbeiten.
Die Sensordaten werden mit Fach-/Prozessexperten in gemeinsamen Workshops von Data Scientists analysiert. Dabei wird zunächst mittels des Pareto-Prinzips ein effektives Handlungsgebiet der Produktionsstillstände identifiziert. Hier sind 20 Prozent der Komponenten und Prozesse für 50 Prozent bis 80 Prozent der Ausfälle verantwortlich. Das Projekt wird zunächst auf eine Teilmenge dieser 20 Prozent beschränkt und verspricht damit hohes Kosten-/Nutzenpotenzial.
Anschließend wird jeder einzelne störanfällige Prozess unter die Lupe genommen und von den Fachexperten Hypothesen abgeleitet, die es erlauben eine Störung zu verhindern.
Lassen Sie uns das Vorgehen an zwei Beispielen nochmals erklären:
Industrieroboter
Industrieroboter haben mehrere Servos – einen Verbund aus Ansteuerungs- und Antriebseinheit. Diese weisen typischerweise vor Ausfällen Auffälligkeiten in den Stromverbrauchsdaten auf.
Hypothese: Wenn man den Stromverbrauch eines Servos beobachtet, kann vor einem Ausfall gehandelt werden.
Vorrichtungen
Vorrichtungen haben meist viele bewegliche Spanner, die entweder pneumatisch oder elektrisch bewegt werden. Dazu müssen sie ihre Endlage an die Steuerung zurückmelden, um sicherzustellen, dass ein Bauteil richtig eingespannt ist, bevor die Bearbeitung des Bauteils beginnen kann. Häufig verdrecken oder verschleißen diese beweglichen Spanner und werden damit langsamer, bis die Schließung bzw. Öffnung so langsam ist, dass der Produktionstakt nicht mehr eingehalten werden kann.
Hypothese: Wenn die Schließ- und Öffnungszeiten gemessen werden und eine schleichende Verschlechterung erkannt wird, kann die Instandhaltung vor einem Ausfall handeln.
Warum sollten Sie sich für die EDAG Production Solutions und nicht für einen IT-Dienstleister entscheiden?
EDAG Production Solutions hat gegenüber IT-Unternehmen und Startups aus dem Big-Data- und Predictive-Maintenance-Boom einen unschlagbaren Vorteil: Durch unsere langjährige Erfahrung im Produktionsumfeld, kennen wir alle Komponenten und Prozesse der Produktion und damit auch der Instandhaltung. Durch das Einbeziehen unserer internen Data Scientists können wir unser übergreifendes Prozesswissen nahtlos mit Big-Data-Prozessen verknüpfen.
Die Methodik
Wir entwickeln gemeinsam mit Ihnen Ihre Predictive Maintenance Strategie. Als Basis hierfür dienen gemeinsam aufgestellte Hypothesen und der Einsatz von „Model Based Condition Monitoring“. Es werden Signale unterschiedlicher Sensoren beobachtet, analysiert und mit gelernten Wertegrenzen verglichen, um Anomalien zu identifizieren.
Das Beobachten dieses Condition Monitorings, wird dann von Machine Learning Algorithmen übernommen. Gemeinsam bringen wir dem System bei, Prozessprobleme selbst zu identifizieren. Dafür sucht es in Daten nach Mustern und kann so den Mitarbeiter bei Auffälligkeiten warnen. So werden die Fähigkeiten von Mensch und Maschine optimal genutzt. Die Maschine beobachtet kontinuierlich eine große Datenmenge, bei der ein Mensch den Überblick verlieren würde. Eine Information erfolgt nur dann, wenn es nötig ist. So kann sich Ihre Instandhaltung auf das konzentrieren, was den Menschen gegenüber der Maschine einzigartig macht: mit Fachwissen komplexe Probleme lösen.
Aber wie schlagen wir die Brücke von der Methodik hin zur Strategie? Wir zeigen es Ihnen.
Der Einstieg
Um Ihnen den Einstieg in Predictive Maintenance zu erleichtern, bietet die EDAG Production Solutiuons Hackathons an, in denen wir gemeinsam mit Ihnen innerhalb weniger Tage sehr schnell und kosteneffizient Ihr ganz spezielles Predictive Maintenance Potenzial erarbeiten können.
Wie das aussehen kann, erfahren Sie in unserem Hackathon Konzept:
Als erfahrene Spezialisten im Bereich Big Data Analytics im produktionsnahen Umfeld können wir Ihnen dabei helfen, die Zukunft vorherzusagen – zumindest was die Wartung Ihrer Anlagen und Maschinen betrifft. Emma Nau, Projektmanagerin Produktions-IT stellt sich gerne all Ihren Fragen um das Thema Predictive Maintenance und steht Ihnen als kompetenter Ansprechpartner zur Verfügung.
