Dr. Philipp Lill, Dr. Peter Louis
Viele Hersteller haben damit begonnen, Daten von IoT-Sensoren in ihren Fabriken zu sammeln und intelligente Algorithmen zu verwenden, um Warnzeichen möglicher Ausfälle zu erkennen, bevor sie auftreten. Der Zweck von Predictive Maintenance, also der vorbeugenden Instandhaltung, besteht darin, zu jeder Zeit den Zustand der Ausrüstung zu bestimmen, um abzuschätzen, wann die nächste Instandhaltung durchgeführt werden sollte. Diese Technik verspricht Kosteneinsparungen gegenüber routinemäßiger oder zeitbasierter vorbeugender Wartung. Ziel ist es, Wartungsarbeiten dann durchzuführen, wenn sie am kostengünstigsten sind und bevor die Leistung der Ausrüstung nachlässt. Sie hilft auch, unerwartete Geräteausfälle zu verhindern. Die traditionelle routinemäßige oder zeitbasierte Wartung ist arbeitsintensiv und unwirksam bei der Erkennung von Problemen, die zwischen den geplanten Inspektionen auftreten.
3.1 Investitionen
Neben Sensoren und Geräten zur Erfassung von Gerätedaten benötigt die Lösung für Predictive Maintenance weitere Komponenten aus dem gesamten Technologie-Stack wie Kommunikationsnetzwerke, eine IoT-Plattform für die Datenverarbeitung und -speicherung sowie Softwareanwendungen für die fortgeschrittene Datenanalyse.
Bei Predictive Maintenance können verschiedene Technologien für zerstörungsfreie Prüfungen eingesetzt werden, um den Zustand der Ausrüstung zu bewerten, wie z. B. Infrarot-, Akustik-, Vibrations-, Schall-, Ölanalyse und andere. Es ist auch üblich, die Daten über die Ausrüstung mit Daten über die Prozessleistung zu kombinieren, die von anderen Geräten gemessen werden. Häufig werden drahtlose Sensornetzwerke eingerichtet, um die Verkabelungskosten zu reduzieren. Die IoT-Plattform kann vor Ort oder in der Cloud sein, je nach den Bedürfnissen des Kunden, die mit unterschiedlichen Preisschildern versehen sind.
Abgesehen von den technischen Bestandteilen der IoT-Lösung muss die Investition für die Lösung auch die notwendigen Transformationskosten decken. Dazu gehören u. a. die Aktualisierung von Prozessen und Arbeitsanweisungen, die Entwicklung von Fähigkeiten und das Change Management.
3.2 Business Impact
Die Einführung von Predictive Maintenance kann zu erheblichen Kosteneinsparungen bei den Wartungsaktivitäten, zu Einsparungen bei den Qualitätskosten aufgrund von weniger Produktionsfehlern durch defekte Ausrüstung und zu erheblich reduzierten ungeplanten Ausfallzeiten führen, die sich in einer höheren Systemverfügbarkeit niederschlagen.
Um die Rendite zu quantifizieren, werden diese Effekte in ein Gesamtmodell integriert, das die verschiedenen Wirkungsketten verknüpft und dann die Abhängigkeiten in mathematischer Form spezifiziert. Die Einzelheiten des Wirkungsmodells und auch die erforderliche Granularität hängen von der konkreten Situation ab. Das Modell wird jedoch immer um Indikatoren herum strukturiert sein, die die Leistung des jeweiligen Geschäftsprozesses erfassen.
Hier entfaltet sich das Modell der Wirkungsketten um die Overall Equipment Effectiveness (OEE), die ein etablierter Industriestandard zur Messung der Fertigungsproduktivität ist. Die OEE identifiziert den Anteil der Fertigungszeit, der wirklich produktiv ist und wird definiert durch
OEE = (VERFÜGBARKEIT) * (LEISTUNG) * (QUALITÄT)
Ein OEE-Wert von 100 % bedeutet, dass der Herstellungsprozess nur gute Teile (100 % Qualität), so schnell wie möglich (100 % Leistung) und ohne Ausfallzeiten (100 % Verfügbarkeit) produziert.
Predictive Maintenance verspricht Einsparungen bei den Wartungskosten, eine höhere Systemverfügbarkeit und geringere Qualitätskosten.
Die Summe der Einsparungen aus dem Wirkungsmodell bestimmt die Rendite (s. Abb. 3). Ziehen Sie unbedingt die jährlichen Kosten für die Wartung der Lösung für die vorbeugende Instandhaltung ab, um den Gewinn zu ermitteln, der dann in die ROI-Berechnung eingeht.
Abb. 3: Wirkungsmodell am Beispiel von Predictive Maintenance
Rechenbeispiel
Das Vorgehen zur mathematischen Formulierung der Wirkungsketten können wir anhand eines einfachen Rechenbeispiels für das Szenario in Abb. 3 veranschaulichen. Nehmen wir an, wir hätten eine einzelne Fertigungsmaschine, die im Idealfall 24 Stunden an 7 Tagen in der Woche produktiv läuft und unter optimalen Bedingungen pro Stunde 10 Teile produzieren kann. Mit jedem gefertigtem Teil, das den Spezifikationen genügt, wird ein Mehrwert von 100 EUR erzeugt (= Differenz zwischen dem Verkaufspreis der gefertigten Teile von 300 EUR und den Stückkosten von 200 EUR). Im Idealfall, ohne Berücksichtigung von Ausfallzeiten, Wartungskosten und Qualitätskosten, würde die Maschine pro Jahr einen Mehrwert erzeugen von:
365*24*10*100 Euro = 8.760.000 EUR
In der Praxis werden jeden Monat 2 Tage für Wartung eingeplant, mit Wartungskosten von 5.000 EUR pro Tag. Trotz Wartung fällt die Maschine im Schnitt 2x im Jahr durch unerwartet hohen Verschleiß aus. Aufgrund der notwendigen Reparatur steht die Maschine dann jeweils für 5 Tage nicht zur Verfügung.
In Betrieb ist die Maschine in der Praxis pro Jahr also nur
365...