vorausschauende Wartung

Die Festlegung, Einrichtung und Optimierung eines Wartungsplans kann ein sehr mühsamer und kostspieliger Prozess sein. Wird dieser Plan in Ihrer Organisation jährlich gepflegt? Werden Anlagendaten gesammelt und aktiv bei der Festlegung der Instandhaltungsstrategie verwendet? Ein optimaler Wartungsplan liefert finanzielle und qualitative Ergebnisse für Ihr Unternehmen! Angebotswert hat a Whitepaper Predictive Maintenance geschrieben, in dem die verschiedenen Wartungsarten, ein Reifegrad Ihres Wartungsplans und wie dieser implementiert werden kann, erörtert werden. Aber was ist ein optimaler Wartungsplan? In diesem Einblick nehmen wir Sie an einem konkreten Beispiel mit, bei dem wir mit Hilfe von historischen Zahlen und Simulationstechnologie Ihre Asset-Instandhaltungsstrategie ermitteln und optimieren können.

Kontext

Als Unternehmen möchten Sie natürlich das Beste aus Ihrem Vermögen herausholen. Die Asset-Auslastung ist der Indikator, mit dem Sie einen Einblick in die Leistung Ihres Unternehmens auch im Vergleich zum Wettbewerb gewinnen können. Diese wird als Verhältnis zwischen der realisierten Leistung und der maximalen theoretischen Leistung, d. h. der normalen Arbeitszeit, quantifiziert. Es kann unzählige Gründe geben, die normale Arbeitszeit nicht einzuhalten. Diese können fast alle in die Overall Equipment Effectiveness (OEE) einfließen. Die OEE besteht aus drei Kategorien, die wiederum in die sechs KPIs unterteilt sind, die die Asset-Auslastung bestimmen. Diese KPIs werden auch als die „Sechs großen Verluste“ bezeichnet:

Verfügbarkeit

  1. Asset-Ausfälle (ungeplant)
  2. Umrüstzeiten, Anpassungen und Wartung (geplant)

Leistung

  1. Warten und kleine Unterbrechungen
  2. Niedrige Produktionsrate

Qualität

  1. Anlage starten
  2. Mängel und Nacharbeit

Befindet sich ein Asset in einem schlechten Wartungszustand, führt dies eher zu Produktionsfehlern, Geschwindigkeitsverlusten oder sogar Asset-Ausfällen. Dies wirkt sich negativ auf die OEE und damit die Asset-Auslastung aus. Gebrauchsgegenstände können dem Verschleiß nicht entgehen und ihr Zustand verschlechtert sich im Laufe der Zeit. Wir nennen dies Vermögensverschlechterung. Doch wie können Sie dies so bewerkstelligen, dass die Kosten für Ihre Wartung akzeptabel bleiben? Nachfolgend wird beschrieben, wie die Degradation mittels Simulation abgebildet und anschließend die optimale Instandhaltungsstrategie ermittelt werden kann. Ein fiktiver Fall zeigt die Auswirkungen einer Reihe von Vermögensmerkmalen.

Simulation

Obwohl eine Simulation eine vereinfachte Darstellung der Realität darstellt, kann sie dennoch gute Ratschläge für die Wartungsstrategie geben. Ziel ist es herauszufinden, ab welchem Grad der Asset-Degradation idealerweise eine vorbeugende Instandhaltung geplant werden sollte, also der optimale Grenzwert M. Historische Asset-Daten werden über einen deutlich größeren Zeithorizont extrapoliert, was die Auswertung der Daten zuverlässiger macht. Bevor die Simulation durchgeführt werden kann, müssen einige Voraussetzungen erfüllt sein.

Bedingungen

Um eine optimale Wartungsstrategie zu ermitteln, ist es erforderlich, dass mindestens die folgenden Daten über einen repräsentativen Zeitraum von mindestens drei Monaten vorliegen. Mehr verfügbare Daten führen zu einer genaueren Simulation und weniger Annahmen. Es handelt sich in jedem Fall um:

  1. Zustand des Vermögenswerts;
  2. Zeitstempel der Zeitpunkte, zu denen sowohl korrigierende als auch vorbeugende Wartung durchgeführt wurde;
  3. Wartungskosten, sowohl korrigierend als auch präventiv.

Die Simulation wird in mehreren Schritten abgeschlossen.

Eigenschaften

Auf der Grundlage historischer Daten können allgemeine Anlagenmerkmale identifiziert werden, wie z. All diese Eigenschaften haben Einfluss auf den optimalen Grenzwert M und die durchschnittlichen Kosten pro Stunde für die Lebensdauer des Assets. In Wirklichkeit können viele weitere Merkmale von Einfluss sein, die gewählten Variablen sind daher illustrativ. Die Eigenschaften werden unten diskutiert.

1. Vermögensausfälle

Aus den historischen Daten ist es möglich herauszufinden, was die Degradation der Anlage ist und wie sie sich im Laufe der Zeit verändert hat. Es zeigt auch, wie oft die Anlage ausgefallen ist (Ausfallniveau), wie lange das Zeitintervall ist und wie stabil dieses Niveau ist. Störungen können um den gleichen Degradationsgrad (stabil) oder zu zufälligen Zeiten (instabil) auftreten. Letzteres ist in Abbildung 2 zu sehen.

2. Wirkung der vorbeugenden Wartung

Diese Analyse gibt auch Aufschluss über die Effektivität der Wartung. Die Wartung kann „perfekt“ sein, bei der der Zustand der Anlage wieder in einen neuen Zustand versetzt wird, oder „unvollkommen“, bei der sie nur teilweise wiederhergestellt wird. Ein Beispiel für den Degradationsverlauf ist in Abbildung 2 dargestellt. Die Wartung ist perfekt, da der Degradationsgrad bei jeder Wartung immer auf 0 reduziert wird.

3. Variation des Abstiegslevels

Der Vermögensabbau erfolgt nicht immer gleichmäßig, es gilt immer ein gewisses Maß an Variation. Abbildung 3 zeigt, dass die Degradation mit einiger Regelmäßigkeit in großen Sprüngen nach oben schießt. Denken Sie an einen Zug, der über einen Stein fährt oder eine Maschine mit Ölleckage, der Zustand der Anlage verschlechtert sich in kurzer Zeit enorm.

4. Kostenverhältnis zwischen präventiver und korrektiver Wartung

Schließlich können die realisierten Wartungskosten abgebildet werden. Dies wollen wir natürlich minimiert sehen, ohne dass die Asset-Auslastung darunter leidet. Um diesen Kompromiss richtig einzugehen, ist es wichtig zu verstehen, wie die beiden Wartungsarten (korrektiv vs. präventiv) mit den „Sechs großen Verlusten“ und damit der OEE zusammenhängen. Grün bedeutet, dass die Art der Wartung einen positiven Beitrag zum jeweiligen „Loss“ leistet, Orange hat praktisch keinen Einfluss, während Rot einen negativen Einfluss hat und somit den „Loss“ erhöht.

Daten vorbereiten und extrapolieren

Um jedoch den optimalen Grenzwert M berechnen zu können, werden viel mehr Daten benötigt, um fundierte Schlussfolgerungen ziehen zu können. Diese Daten werden durch Simulation generiert. Dazu werden die Daten in ein Tool geladen und über einen deutlich längeren Zeitraum simuliert. In den in dieser Erkenntnis besprochenen Beispielen erstrecken sich die historischen Daten über 4.000 Stunden und werden über 150.000 Stunden simuliert. Dieses Beispiel umfasst Verschlechterung, Verschlechterungsgrad, korrektive Wartung, vorbeugende Wartung und Wartungskosten. Die Simulation sollte für jeden Einzelfall maßgeschneidert sein, da sich jedes Merkmal unterschiedlich auf den Grenzwert M auswirkt.

Analyse

Bei der Simulation der Daten wird vom aktuellen Grenzwert M für die vorbeugende Wartung ausgegangen. Liegt diese nicht vor, wird eine Annahme getroffen. Anhand der Daten lassen sich für jeden möglichen Grenzwert M die durchschnittlichen Kosten pro Zeiteinheit (GKPT) berechnen. Um die Instandhaltungsstrategie anschließend zu optimieren, wird die niedrigste GKPT ermittelt. Es können verschiedene Szenarien verglichen werden: die aktuelle Strategie, die optimale Strategie oder ob nur eine korrektive Wartung stattfinden würde. Abbildung 4 zeigt die Ergebnisse der optimierten Strategie aus dem Beispiel: GKPT von 4,86 € bei einem Schwellenwert M von 50.

Wartungsstrategie

Die Simulation liefert kein schlüssiges Ergebnis, liefert aber hervorragende Hinweise zum Grenzwert M und damit zum optimalen Zeitpunkt für eine vorbeugende Wartung. Die Festlegung der Instandhaltungsstrategie hängt natürlich auch von weiteren Erkenntnissen, Asset-Eigenschaften und unternehmensspezifischen KPIs ab. Denken Sie an die Situation, in der die Liefertreue eine der wichtigsten KPIs ist: Es ist nicht undenkbar, den Grenzwert M abzusenken, um Anlagenstörungen (und Instandsetzungen) zu verhindern. Außerdem haben, wie in Abbildung 4 zu sehen ist, die umgebenden Grenzen eine relativ ähnliche GKPT.

Diese Erkenntnis zeichnet ein Bild von der Leistungsfähigkeit der Simulation bei der Bestimmung Ihres Wartungsplans. In diesem Beispiel handelt es sich um eine vereinfachte Darstellung der Realität. Die Simulation kann jedoch auf eine Vielzahl komplexer Wartungsthemen angepasst und verwendet werden. Wenden Sie sich an unsere Berater, um zu sehen, was sie für Ihre Wartungsstrategie tun können!

Weitere Informationen

Sie möchten mehr über Predictive Maintenance erfahren? dann herunterladen hier kostenlos unser Whitepaper zu diesem Thema oder wenden Sie sich an einen unserer Experten.