Proaktive Wartung leicht gemacht In 3 Schritten zur Predictive Maintenance

Mittels Predictive Maintenance lässt sich nicht nur vorhersagen, wo und wann ein Problem auftreten wird, sondern auch, in welcher Form – und wie es proaktiv zu beheben ist. Ein Anfang ist gemacht in drei Schritten.

Die Industrie 4.0 hält mit Riesenschritten Einzug in Produktion und Fertigung. Wesentlicher Bestandteil sind autonom handelnde und vernetzte „Cyber-Physical-Systems“ (CPS), die Aufträge selbstständig durch ganze Wertschöpfungsketten hindurch steuern. Sie koordinieren auch die erforderlichen Bearbeitungsmaschinen und organisieren das Material sowie die Auslieferungen zum Auftraggeber. Doch keine Komponente ist für die Ewigkeit gebaut – auch in der Industrie 4.0 machen Maschinen irgendwann einmal schlapp. Analytics & Big Data eröffnen hier völlig neue Möglichkeiten für die Wartung über viele Branchen hinweg – vom Transportwesen über die Fertigung bis zur Energieversorgung.

Mittels Predictive Maintenance (PM) lässt sich nicht nur vorhersagen, wo und wann ein Problem auftreten wird, sondern auch, in welcher Form – und wie es proaktiv zu beheben ist. Grundvoraussetzung dafür ist Zugriff auf eine entsprechende Datenbasis in Datenbanken und Big-Data-Systemen sowie auf Maschinenebene. Dort werden die von Sensoren eingefangenen Zustandsdaten von Maschinenkomponenten mit Informationen aus Drittsystemen (ERP-, CRM-Systeme) kombiniert. Die Zielsetzung ist dabei auffällige, auf Störungen hindeutende Muster rechtzeitig zu erkennen und entsprechende Maßnahmen präventiv einleiten zu können.

Drohende Stillstandzeiten und unvorhergesehener Ausfall werden so rechtzeitig erkannt, die entsprechende Wartung eingeleitet und Produktionsausfälle vermieden. PM ist ein wichtiger Baustein in einer Industrie-4.0-Umgebung und kann als eine Weiterentwicklung der bisherigen klassischen Wartungsstrategien angesehen werden.

Der Erfolg einer PM-Lösung setzt eine Auswahl der richtigen Lösung, die Generierung und die Aufbereitung der korrekten Daten sowie die passende Mischung aus Branchenexpertise und Datenanalyse voraus. Diese sieben Schritte sollten Sie bei der Einführung einer PM-Lösung unbedingt beachten, um Ihren Return on Investment (ROI) zu maximieren:

Schritt 1: Identifizieren und klassifizieren Sie problematische Bereiche

Das Identifizieren und Klassifizieren kann für manchen die schwierigste Phase auf dem Weg zur PM sein – denn es gilt, Problemfälle zu identifizieren und nach ihrer Wichtigkeit zu ordnen. Stellen Sie sich am besten die einfache Frage: Welches Problem hat den größten (negativen) Einfluss auf mein Unternehmen als Ganzes? Das sollten Sie als erstes angehen.

Dieses Problem sollten Sie Ihren Vorgesetzten klar und deutlich erklärten können. Inwieweit beeinflusst das Problem die Produktion und damit den Profit, den das Unternehmen erzielen kann? Werden möglicherweise sogar Rechtsansprüche Dritter verletzt? Was würde es kosten, den Ausfall einer Komponente nicht rechtzeitig vorhersagen zu können und sie auf herkömmliche Art und Weise – also erst dann, wenn sie ausgefallen ist – zu ersetzen? Wie viel kann die Firma durch PM sparen?

Schritt 2: Den Kontext mit einbeziehen

Verlieren Sie bei der Betrachtung eines Problems nicht den Kontext aus den Augen: Steht der fragliche Prozess in Zusammenhang mit anderen Prozessen und wird ein Ausfall auch diese beeinflussen? Zum Kontext gehören auch Menschen – haben Sie das richtige Personal an Bord, um PM einführen zu können? Dieses Personal sollte nämlich mit Analytics umgehen können. Stellen Sie sich also auch die Frage, ob Ihre Unternehmenskultur bereits analytisch genug vorgeht. Falls (hoffentlich) ja: Wo werden all Ihre Daten gelagert? Reichen bestehende Datenbanken aus und sind sie genügend verknüpft, um aus Ihnen wertvolle Informationen gewinnen zu können?

Schritt 3: Bestimmen Sie Ihren Standpunkt

Die Ermittlung Ihres Analytics-Quotienten (AQ) kann Ihnen dabei helfen, Ihre aktuelle Fähigkeit, Einsichten auf Probleme zu gewinnen, zu bestimmen. IBM offeriert Ihnen hierfür Fragebogen mit 15 einfachen Multiple-Choice-Fragen, um Ihren Analytics-Reifegrad bestimmen zu können. So erfahren Sie schnell, ob Sie in Sachen PM ein „Novice“, ein „Builder“, ein „Leader“ oder ein „Master“ sind. „Novice“-Unternehmen arbeiten mit in der Regel Excel und sind kaum in der Lage, aufgrund Ihrer Datenbasis Vorhersagen für die Zukunft zu treffen. „Master“-Firmen dagegen gewähren auf allen Ebenen Einblick in analytische Auswertungen und arbeiten gerade im Vorstand mit Predictive-Modellen.

Aber nicht nur den Problemfeldern sollten Sie Ihre Aufmerksamkeit schenken, auch die Art und Qualität Ihrer Daten ist sehr wichtig. In welcher Form liegen Ihre Daten vor? Wem liegen sie vor? Wenden Sie sich sowohl an die IT als auch an die Fachabteilungen, um fehlende Daten ausfindig zu machen.

Die wenigsten Unternehmen agieren im Blindflug – in der Regel finden sich zumindest rudimentäre Analytics-Ansätze in jeder Firma. Welche Werkzeuge kommen bei Ihnen zum Einsatz? Es gibt ja sehr viele, die sich im Grad ihrer Komplexität unterscheiden. Gewinnen Sie einen Überblick über das bisherige Datamining und überlegen Sie, ob sie damit den richtigen Weg eingeschlagen haben. Verstehen die Systeme die zu untersuchenden Daten und liefern sie wirklichen Erkenntnisgewinn? Falls nein, sollten Sie einen neuen Weg mit neuen Werkzeugen versuchen.

Schritt 4: Bauen Sie ein Portal für Predictive Maintenance

Führen Sie im nächsten Schritt alle durch Analytics gewonnenen Informationen in einem Portal zusammen. Mithilfe dieses Portals sollten Sie dann Ihre Entscheidungen treffen.

Nach der erfolgreichen Einführung einer PM-Lösung sollten so viele Menschen als möglich davon profitieren. Erläutern Sie den Prozess der Datengenerierung und -auswertung und wie die gewonnenen Ergebnisse der Firma helfen können. All die Prozesse sollten so weit als möglich automatisiert werden, so dass Einsichten praktisch automatisch gewonnen werden können.

Ihre Aufgabe ist nun aber noch nicht zu Ende. Ein Unternehmen ist ein dynamisches Wesen – überprüfen Sie also laufend, ob noch alle Prozesse wie gewünscht ablaufen, die richtigen Daten ausgewertet werden und die richtigen Leute die nötigen Informationen erhalten. Nur so ist PM langfristig erfolgreich. Dies geschieht am besten durch ein Analytics Center of Excellence (ACE), das für die maximale Ausbeutung Ihrer eigenen Daten verantwortlich ist.

Und abschließend noch ein Tipp:

Sie überzeugen das Management am besten von der Einführung einer PM-Lösung, indem Sie sich einen einfachen, aber sehr erfolgsversprechenden Problemfall herausgreifen und anhand dessen erläutern, wie das Unternehmen Geld sparen bzw. gewinnen kann. Ab da werden Sie ein gefragter Ansprechpartner des Managements sein.

(ID:44129435)