Die Wartung von Maschinen- u. Produktionsanlagen ist auf mehrere Arten möglich. Im Zeitalter der Digitalisierung und der Industrie 4.0 ist eine intelligente Lösung hinzugekommen. Aus Sensordaten der Maschinen werden in Echtzeit große Datenmengen gesammelt und in Data Lakes gespeichert. Die Daten sind da, warum nutzt man diese nicht für eine vorausschauende Wartung? Warum wartet man, bis teure Maschinen einen Schaden nehmen? Warum tauscht man Ersatzteile aus, obwohl diese sicher noch länger laufen würden? Mit den althergebrachten Methoden läuft man der Situation hinterher. In unserer globalisierten Welt kann es sich kein Unternehmen mehr leisten, im Wettbewerb abgehängt zu werden. Daher ist es unerlässlich sich offen für neue Technologien und Ansätze zu zeigen. Hierbei bieten sich kundenorientierte Lösungen von IIoT-Plattformprovidern wie Quantis an.
Bei der Umstellung auf vorausschauende Wartung von Maschinen oder ganzen Anlagen ist eine enge Zusammenarbeit mit dem Maintenance Manager unverzichtbar, denn er kennt seine Anlagen besser als jeder andere.
Die Vorteile von vorausschauender Wartung liegen auf der Hand.
Digitalisierte Daten aus Maschinen und Anlagen helfen Leckagen zu erkennen und beseitigen. Leckagen sind ein Grund für zu hohen Energieverbrauch. Angesichts der signifikant gestiegenen Energiepreise ist eine ressourcensparende Produktion anzustreben.
Die Lebensdauer von Ersatzteilen wird erhöht. Durch die Abbildung von Verschleißparametern, wie Temperatur, Vibration oder Druck und der angegebenen Lebensdauer, können Komponenten wie Ventile oder Pumpen überwacht werden. Das System alarmiert den Maintenance Manager bei abweichendem Normalmusterverhalten. So kann das entsprechende Ersatzteil geprüft und rechtzeitig ausgetauscht werden. Eine Nutzung der Ersatzteile kann so signifikant erhöht werden. Zudem verhindert man so teure Maschinenausfälle, die durch kaputte Ersatzteile verursacht werden.
In veralteten Anlagen und Maschinen ist es nicht immer möglich Daten aus relevanten Ersatzteilen zu gewinnen. Auch hier kann man mit Prozess Know-How eine kostengünstige Lösung generieren, indem zum Beispiel die effektiven Betriebsstunden der Ersatzteile aufgezeichnet werden. Wichtig sind hier die Gewichtungen der einzelnen Belastungsphasen der Ersatzteile zu definieren und abzubilden. Mittels Machine Learning werden Verschleißdaten berechnet, die anzeigen ab wann es voraussichtlich zu einer Verschlechterung der Ersatzteile kommt.
Ein weiterer Vorteil für den Maintenance Manager ist der Entfall einer Sichtprüfung in der Maschinenhalle, da alle Ersatzteile auf einem PC oder Tablet visuell und leicht verständlich in Dashboards abgebildet werden. So spart man wertvolle Arbeitszeit.
In komplex verketteten Anlagen können Störungen von vor- oder nachgelagerten Maschinen, sich bis zur Leitmaschine durchschlagen. Die Folge sind Maschinen- oder Anlagenstillstände. Mittels KI stellt der Timestealer-Algorithmus Verschlechterungen an Maschinen fest und kategorisiert und priorisiert diese. Bei sich einschleichenden Verschlechterungen wird eine Benachrichtigung abgesetzt und warnt den Maintenance Manager rechtzeitig, damit verbessernde Maßnahmen ergriffen werden können.
Zudem zeigt der Algorithmus an, ob getroffene Maßnahmen zu Verbesserungen in der Produktion geführt haben.
Die Digitalisierung von ganzen Abfüllanlagen gleicht einer Reise. Die Umstellung auf vorausschauende Wartung ist ein Prozess, indem der Maintenance Manager immer neue Ideen zur Datenerhebung und Digitalisierung von Komponenten vorbringt. Das setzt einen gewissen Pioniergeist und eine Hands-on Mentalität voraus. Der IIoT- Provider setzt die vorgegebenen Ziele dann um. So entsteht gemeinsam ein Weg nach und nach, die Produktion zu digitalisieren und vorausschauend zu warten.
Credits Unsplash Foto Tim Mossholder