Mit der Automatisierung der Industrie sind Sensoren in Anlagen zur Steuerung des Produktionsprozesses allgegenwärtig geworden. Diese Sensoren erzeugen enorme Datenmengen, und in der Industrie 4.0-Ära nutzen wir diese Daten, indem wir sie in Historians und Data Lakes zusammenführen und speichern und sie mit Tools der künstlichen Intelligenz kombinieren, um das Verhalten einer Maschine vorherzusagen.
Derzeit wird erwartet, dass klassische Asset-Strategien mit festen Zeitintervallen, wie z. B. eine kalenderbasierte Anlagenüberholung, durch prädiktive Strategien ersetzt werden können, bei denen wir nur dann Wartungsaktivitäten durchführen, wenn der vorhergesagte Zustand der Anlage eine Wartung oder Reparatur erfordert. Ziel des Asset Performance Management (APM) ist es, die Einhaltung von Vorschriften, die Leistung und die Nachhaltigkeit von Anlagen über den gesamten Lebenszyklus hinweg sicherzustellen. Wir bewegen uns von einer "Push"-Strategie, bei der wir präventive Eingriffe unabhängig vom unmittelbaren Zustand der Anlage planen, zu einer "Pull"-Strategie, bei der wir präventive Eingriffe "Just-in-Time" (JIT) auslösen, um Ausfälle und ungeplante Ausfallzeiten kritischer Anlagen zu vermeiden. Der große Vorteil dieser Strategie besteht darin, dass wir Ausfälle und ungeplante Ausfallzeiten vermeiden und Kosten für die vorbeugende Instandhaltung sowie geplante Ausfallzeiten einsparen können, da wir uns auf die Anlagen konzentrieren, die am dringendsten gewartet werden müssen.
Die Vorhersage mit Datenanalyse im Asset Performance Management (APM) verspricht viel - aber allein reicht sie nicht aus, um ihr volles Potenzial auszuschöpfen. Vorhersagewarnungen erfordern spezifische präskriptive Folgemaßnahmen, um den erwarteten Wert zu realisieren. Ich habe mehrere Owner Operators (OO) beobachtet, die in ihrer Branche führend sind, und die meisten von ihnen befinden sich auf einem fortgeschrittenen APM-Reifegrad, bei dem dieses Phänomen offensichtlich geworden ist: Sie implementieren prädiktive Alarme, erzielen aber nicht den erwarteten Nutzen.
Die Bediener oder Techniker sind von der schieren Anzahl der Warnmeldungen überwältigt und verfügen nicht über die Mittel, um gleichzeitig auftretende Warnmeldungen zu priorisieren. Sie wissen auch nicht, wie dringend die einzelnen Warnungen sind und ob sie außergewöhnliche Maßnahmen ergreifen müssen, um den vorhergesagten Ausfall zu vermeiden. All dies macht die Erstellung eines praktikablen und risikobasierten Wartungsplans zu einer entmutigenden Aufgabe.
In einigen Fällen sind die für die Lösung des gemeldeten Problems erforderlichen Ersatzteile nicht verfügbar, und selbst eine schnelle Beschaffung würde teure ungeplante Ausfallzeiten nicht verhindern. In anderen Fällen wurde wertvolle Zeit darauf verwendet, die Warnmeldungen zu interpretieren und zu diagnostizieren und einen Konsens über die zu ergreifenden Maßnahmen zu erzielen. Zeit, die eigentlich für die Lösung des Problems hätte genutzt werden sollen.
Bei präskriptiven Maßnahmen geht es darum, eine "Boxenstopp"-Mentalität zu implementieren, um gewarnte Probleme effektiv zu lösen, bevor sie zum Ausfall von Anlagen führen. Wenn Sie Ihre APM-Methodik erfolgreich von "Push"- auf "Pull"-Anlagenstrategien umstellen wollen, bei denen wir Ereignisse mit Alarmen auslösen, anstatt sie im Voraus zu planen, erfordert dies eine sorgfältige Vorbereitung von Folgemaßnahmen und eine agile Organisation zur Ausführung dieser Maßnahmen.
Wir müssen für jeden Alarm, den wir vorhersagen, die folgenden vier Elemente vorschreiben:
- Kritikalität: Wie hoch sind die finanziellen Auswirkungen des vorhergesagten Ausfalls? Die Auswirkung ist der Gesamteffekt des Ereignisses, wenn der vorhergesagte Ausfallmodus eintritt.
- Dringlichkeit: Wie viel Zeit haben Sie noch? Die Dringlichkeit ist eine verlässliche Vorhersage darüber, wann der Ausfallmodus eintritt, sobald der Indikatoralarm ausgelöst wird.
- Aktion: Welche Maßnahmen werden Sie ergreifen? Sie definiert die auszuführenden Aufgaben und umfasst die erforderlichen Fähigkeiten, Werkzeuge, Genehmigungen, Arbeitsanweisungen und die erforderliche Sicherheitstrennung der Anlage (d. h. Lockout/Tagout oder LOTO).
- Ersatzteilmanagement: Die Verfügbarkeit des richtigen Ersatzteils entscheidet darüber, ob ein prognostizierter Ausfall vermieden werden kann, bevor er eintritt.
Predictive Analytics ermöglicht es uns, aussagekräftige Indikatoren zu definieren, die auf Sensor- und anderen Betriebsdaten beruhen. Diese Indikatoren sind echte "Leitindikatoren", da sie es uns ermöglichen, in Echtzeit Entscheidungen zu treffen, die die Leistung unserer Anlage beeinflussen, bevor sie ausfällt. Dies ist in der Geschichte der Managementsysteme ziemlich revolutionär. Aber wenn wir diese Warnindikatoren nicht mit präskriptiven Maßnahmen ergänzen, werden wir nicht den erwarteten Nutzen erzielen. Im schlimmsten Fall könnten all die Warnmeldungen zu Nervosität und Ineffizienz im Unternehmen führen, was wiederum negative Folgen hätte.
Beeinflussen Sie Ihren ROI auf die Anlagenleistung mit sensorgestützter Echtzeit-Entscheidungsfindung und -ausführung auf der Grundlage von präskriptiven Analysen.
