Predictive Maintenance

Predictive Maintenance

Problem:

Jedes Jahr entstehen große Schäden durch den Ausfall von Technik. Kleine Ursachen haben häufig eine große Wirkung. In einer auf Effizienz und Produktivität ausgerichteten Fertigung greifen die einzelnen Produktionsschritte eng ineinander. Der plötzliche unerwartete Ausfall einer Maschine oder einer Komponente kann zum Stillstand der gesamten Produktionslinie führen. Die Kosten durch den Produktionsausfall übersteigt meist ein Vielfaches die Kosten der Fehlerbehebung. Mittelbar ergeben sich daraus noch weitere Probleme, denn oft werden vertraglich zugesicherte Service Level vereinbart, z.B. für Lieferzeiten. Bei Nichterfüllung entstehen dann hohe Vertragsstrafen. Für viele Angebote sind Service Level Vereinbarungen heute ein Muss, um überhaupt wettbewerbsfähig zu sein. Einige Geschäftsmodelle sind darauf ausgelegt bestimmte Service-Level einzuhalten, z.B. indem Maschinenausfallzeiten auf einen bestimmten Wert begrenzt werden.

Die Überwachung von Service Level und die präventive Instanthaltung solcher Anlagen werden dann zur wichtigen Übung für deren Anbieter.

Lösung:

Vorausschauende Wartung (Predictive Maintenance) ist eine Methode, bei der datengestützte Verfahren zur Vorbeugung der beschriebenen Probleme zum Einsatz kommen. Die Predictive Analytics Lösungen der eurodata lassen sich in unterschiedlichen Bereichen einsetzen, grundsätzlich immer dort, wo Maschinen im Einsatz sind. eurodata unterstützt bereits bei der Datengenerierung. Welche Daten zur Gewinnung von Kenntnissen zur Prognose von Wartungsarbeiten herangezogen werden, ist vom Anwendungsfall abhängig. Die meisten Maschinen und Anlagen generieren in der Regel bereits eigene Daten, z.B. durch Speicherprogrammierbare Steuerungen (SPS). Moderne Maschinen sind bereits mit einer Reihe von Sensoren ausgestattet. Um weitere Daten zu gewinnen, lassen sich jedoch auch geeignete Sensoren nachrüsten. Die Integrationsplattform edbic von eurodata bindet die Maschinen- und Sensordaten an und führt sie den Analytics Systemen zu.

Hier werden in der Regel 4 unterschiedliche Analysen zur vorausschauenden Wartung und Qualitätskontrolle durchgeführt:

1. Geräteüberwachung

2. Anomalie Erkennung

3. Fehler Vorhersage

4. Anlageverwaltung

1. Geräteüberwachung

Die Geräteüberwachung zeigt in einem Dashboard aktuelle Kennzahlen und statistische Werte der Maschinen, um den aktuellen Zustand der gesamten Produktionsanlagen zu überwachen. edpem von eurodata kann noch mehr: Ereignisse entlang der Produktionskette werden transparent gemacht, wodurch sich der gesamte Produktionsprozess überwachen lässt. Dabei lassen sich nicht nur Maschinendaten einbinden, sondern auch Logistikdaten oder Daten, die von Werkstücken stammen, z.B. durch RFID Erkennung. Das ist immer dann besonders wichtig, wenn komplexe Produktionsketten in fein aufeinander abgestimmten Schritten arbeiten müssen und nicht nur Störungen in den Maschinen, sondern in der gesamten Prozesskette erkannt werden sollen.

Predictive Maintenance

2. Anomalie Erkennung

Eine störungsfreie Produktion liefert typische Daten, die vom Analytics System auch als solche erkannt werden. Kommt es zu Anomalien in den Daten, wird das durch das eurodata Analytics System registriert und bewertet.
Anomalien in den Daten müssen nicht zwangsläufig zu einer unmittelbaren Reaktion führen, sie werden jedoch für die weitere Analyse und Vorhersage von möglichen Störungen herangezogen.





Predictive Maintenance Anomalie Erkennung

3. Fehler Vorhersage

Aus den gewonnen Daten lassen sich nun mit Hilfe von statistischen Verfahren die Störungs- und Ausfallwahrscheinlichkeit und deren Zeitpunkt berechnen. So lassen sich die geplanten Wartungsfenster nutzen, um auch Teile auszutauschen, die das eurodata Predictive Maintenance System als kritisch bewertet und diese mit hoher Wahrscheinlichkeit noch innerhalb des nächsten Wartungsintervalls ausfallen. Das verhindert unnötige Kosten durch ungeplante Ausfälle der Anlagen.

Predictive Maintenance Fehler Vorhersage

4. Anlagenverwaltung

Falls vorhanden, wird das Predictive Maintenance System mit dem Asset Management verbunden, so dass Wartungsaufträge automatisch durch das Analytics System angestoßen werden.




Predictive Maintenance Anlagenverwaltung

Umsetzung:

eurodata unterstützt die Umsetzung in folgenden Bereichen:

  • Ausstattung der Maschinen mit Sensoren
  • Anbindung der Maschinen an die IT Infrastruktur
  • Integration der Datenströme aus den Sensoren und Maschinendaten
  • Überwachung der Prozess- und Datenströme mit sofortiger Erkennung und Reaktion auf bestimmte Vorfälle
  • Überführung der Daten in Big Data Verarbeitungsumgebungen auf SQL und NoSQL Datenbanken, ggf. auf Serverclustern wie Hadoop
  • Anwendung von Business Intelligence und Data Mining auf Basis der führenden Technologien im Markt
  • Einsatz von machine learning Techniken

Im ersten Schritt werden die vorhandenen und benötigten Datenquellen angebunden. Das geschieht auf Basis der eurodata Datendrehscheibe edbic. Im zweiten Schritt werden die Daten integriert. Häufig wird hierzu eine asynchrone Analytics Datenbank bewirtschaftet, das sogenannte Data Warehouse. Das geschieht mittels ETL [i] Prozessen . Um eine lückenlose und fehlerfreie Datenbewirtschaftung zu gewährleisten, führt das Produkt edpem von eurodata eine Überwachung dieser Prozesse durch, protokolliert diese und schlägt im Bedarfsfall Alarm. Die eurodata Spezialisten richten meist auch Werkzeuge zur Datenbereinigung – das sog. „Data Cleansing“ – ein, um eine hohe Datenqualität zu gewährleisten. Im Falle von Realtime- und Operational Intelligence werden auch unmittelbar anfallende Daten verarbeitet, z.B. aus Sensoren in der Produktion. Das geschieht oft als Data Streaming und synchron, also unmittelbar bei der Entstehung der Daten. Auch hier überwacht edpem die kompletten Datenströme.

Für die Datenvisualisierung und Benutzerinteraktion entwickeln unsere Spezialisten auf Basis von Cognos und SPSS, den Business Intelligence Werkzeugen von IBM die notwendigen Auswertungen und Analyse-Oberflächen.

Predictive Analytics nutzt Data Mining mit neuronalen Netzwerken und statistische Methoden wie CHAID [ii] zur Entwicklung von Modellen, die eine Vorhersage auf Basis der aktuellen Datenlage ermöglichen. Neben modellbasierten Ansätzen sind in den edbic Kern auch machine learning Ansätze, z.B. auf Basis von Python und R integrierbar.

PM Umsetzung Grafik




[i] ETL: Extract Transform Load, zur Übertagung und Aufbereitung von Daten in ein Data Warehouse

[ii] CHAID: Chi-Square Automatic Interaction Detectors, Automatische Erkennung von Abhängigkeiten, Entscheidungsbaum-Algorithmus

eurodata tec GmbH ist eine eurodata-Tochter, die Software-Lösungen und Consultingleistungen rund um das Thema „Industrie 4.0“ anbietet. Im Fokus stehen dabei die Datenintegration edbic sowie das Prozessmonitoring mit edpem.

Kontakt