Genaue MTTR- & MTBF-Metriken: Software-Ansatz zur Wartungsoptimierung
Was ist Mean Time to Recovery (MTTR)?
In der Automatisierungssoftware ist MTTR (Mean Time to Recovery) eine Metrik, um zu bestimmen, wie einfach Geräte diagnostiziert und in den automatischen Betrieb zurückversetzt werden können. MTTR ist die durchschnittliche Zeit, um eine Maschine in einen produktiven Zustand zurückzuversetzen, und bietet eine gute Basislinie für Maschinen-Effizienz. In Kombination mit anderen Indikatoren kann sie Steuerungstechniker und Wartungspersonal auf mögliche Störfälle hinweisen, die reduziert werden können.

Abbildung 1. Industriemaschinen.
Maschinenausfälle
Jede Maschine hat Fehler oder Alarme, die die Maschine stoppen und einen Bediener oder Wartungspersonal benachrichtigen. Manchmal lassen sich diese Fehler leicht beheben, manchmal weisen sie das Wartungspersonal auf ein Komponente hin, die nicht wie erwartet reagiert. MTTR-Berechnungen können einem Steuerungssoftware-Entwickler helfen, Fehlerbeschreibungen klar und leicht interpretierbar zu gestalten.
MTTR berechnen
Ingenieure können MTTR manuell berechnen oder, mit grundlegender Logik, in der Maschinensteuerung programmieren, damit geschultes Personal die Werte jederzeit während der Produktion prüfen kann. Die Formel lautet:
MTTR = Summe der Wiederherstellungszeiten nach einem Fehler / Anzahl der Fehler.
Beispiel: Eine Maschine fällt 10-mal während einer Schicht aus, und die damit verbundene Ausfallzeit beträgt 25 Minuten. Dann ist MTTR = 25 min / 10 = 2,5 min. Je nach Fehler könnte dies bedeuten, dass der Fehler nicht klar genug ist, damit ein Bediener schnell genug reagieren kann.
MTTR nutzen
Sobald der MTTR berechnet ist, können Softwareentwickler und Steuerungstechniker diese Information nutzen, um zu wissen, wie effizient und beschreibend die Fehler und Alarme sind. Der MTTR zeigt auch die Geschwindigkeit von Bedienern und Wartungspersonal bei der Fehlerbehebung.

Abbildung 2. Überwachung von Industriemaschinen und Erkennen von Spitzen durch Ausfälle. Bild mit freundlicher Genehmigung von Chris Liverani
Um Fehler durch nicht anwesende Bediener oder nicht bereinigte Fehler durch Wartungspersonal zu reduzieren, können wir das Zeitmessgerät so ändern, dass es nur die Zeit misst, die ein Bediener benötigt, um den Fehler zu quittieren. Indem wir die Zeit bis zur Fehlerquittierung durch die Anzahl der Fehler teilen, verstehen wir, wie lange ein Bediener braucht, um zur Maschine zu gelangen, den Fehler zu lesen und zu handeln. Dies kann nützliche Informationen liefern, wenn die Overall Equipment Effectiveness (OEE) niedrig ist oder die Ausfallzeiten hoch sind.
Was ist Mean Time Between Failure (MTBF)?
MTBF ist die mittlere Zeit zwischen Ausfällen; der durchschnittliche Zeitraum zwischen einem Systemfehler und dem nächsten. Manchmal können wir als Steuerungssoftware-Designer nicht viel dagegen tun, da einige Fehler mechanisch oder gerätebedingt sind und so lange auftreten, bis das Gerät oder die mechanische Störung behoben ist. Wenn wir MTBF jedoch für bedienerbedingte Fehler verwenden, können wir feststellen, wie oft ein Bediener einen Fehler macht und Produktionsverlust verursacht.
Bedienerfehler
Ein Bedienerfehler tritt auf, wann immer ein Bediener mit der automatisierten Ausrüstung interagieren muss, um deren Aufgabe fortzusetzen. Dies könnte das Einbauen einer Komponente sein, die zu schwierig zu automatisieren ist, oder das Beladen der Ausrüstung mit zu montierenden Teilen.
Wo immer ein Bediener mit automatisierter Ausrüstung interagieren muss, sollten Sensoren oder Vision-Systeme prüfen, ob der Bediener die Aufgabe korrekt ausgeführt hat. Diese Systeme haben Fehler, wenn sie feststellen, dass der Bediener seine Arbeit fehlerhaft ausgeführt hat. Diese Fehler sind valide und verlangsamen die Produktionsrate der Maschine, wenn sie zu häufig auftreten.
MTBF berechnen
Die MTBF-Berechnung ist der MTTR-Berechnung sehr ähnlich, außer dass wir uns auf spezifische Fehler konzentrieren. Die Formel ist relativ einfach.
MTBF = Summe der Zeit zwischen Fehlern / Anzahl der Fehler.
Diese Berechnung ist jedoch nur nützlich, wenn man sehr spezifische Fehler betrachtet, und muss nicht nur für Bedienerfehler gelten. Zudem, wenn Sie wiederkehrende Fehler erhalten und deren Auswirkung auf die Wiederherstellung wissen möchten, kann MTBF von anderen Metriken abgezogen werden.

Abbildung 3. MTTR und MTBF können Probleme in der Produktionslinie verhindern, die Effizienz verringern und Kosten erhöhen.
Metriken kombinieren für Maschinenzuverlässigkeit
Maschinenbesitzer oder Fertigungsingenieure nutzen typischerweise die OEE einer Maschine, um zu bestimmen, wie gut die Maschine Teile produziert, aber andere Metriken können tiefer in die Ursache des Problems vordringen. Durch Verwendung von MTTR oder MTBF und Anpassung der betrachteten Fehler können Sie bestimmen, welcher Fehler die höchste OEE-Reduktion und längste Ausfallzeit verursacht.
Als Steuerungssoftware-Designer können wir MTTR nutzen, um sauberere, robustere Fehler zu entwickeln, die von Bedienern oder Wartungspersonal leicht verstanden werden. Wir können MTBF nutzen, um ein genaueres Bild der Maschinen-OEE zu erhalten. Durch Kombination dieser Metriken entwickeln wir ein klareres, genaueres Bild der Maschineneffizienz, was nicht nur für den Gerätehersteller, sondern auch für den Kunden und das Produktionspersonal wichtig ist.
Internet der Dinge-Technologie
- Portable Software Agents: Die Goldilocks-Lösung für IoT-Konnektivität
- Asset Utilization vs. OEE: Klärung der Schlüsselmessgrößen für Fertigungsleistung
- Mean Time to Repair (MTTR) meistern: Messen, Benchmarken, Instandhaltung optimieren
- Produktivität maximieren: Wie Wartungssoftware Kosten senkt und Zeit spart
- Warum Wartungs- & Asset-Management-Software jetzt unverzichtbar ist
- Brücke schlagen: 3 bewährte Schritte für nahtlose Zusammenarbeit zwischen Netzwerk- und Security-Teams
- Smart Home absichern: Warum Biometrie essenziell für IoT-Cybersicherheit ist
- Moderne, vernetzte Tech ist essenziell für Pflegekräfte und Patienten
- Nationalität als Service annehmen: Ein Aufruf für software-basierte Governance
- Fog Computing erklärt: IoT-Datenfluss transformieren & Cloud-Last reduzieren