P-F-Intervalle nutzen, um Ausfälle vorherzusagen und zu verhindern

Das Potential-to-Functional (P-F) Ausfallintervall ist ein Eckpfeiler von Reliability-Centered Maintenance (RCM) und leitet, wann und wie einzugreifen ist, bevor ein kritischer Ausfall eintritt.

Trotz seiner Wichtigkeit wird das P-F-Intervall häufig missverstanden. Komplexität steigt, wenn ein einzelner Ausfallmodus multiple distinkte P-F-Intervalle produziert.

Dieser Artikel entmystifiziert das P-F-Intervall und skizziert einen klaren Entscheidungsrahmen für das Management multipler Intervalle.

Ein funktionaler Ausfall tritt auf, wenn ein Asset eine erforderliche Funktion nicht mehr liefert – ob kompletter Halt oder partielle Unterschreitung. Beispielsweise wird ein Lager, das in einem Lüftermotor festfrisst, den Lüfter完全停止, während ein verschlissenes Laufrad in einer Pumpe noch Fluid zirkulieren lässt, aber unter dem nötigen Level. Beide Szenarien beeinflussen Operationen und müssen prompt adressiert werden.

In sicherheitskritischen Kontexten könnte der funktionale Ausfall ein vorbestimmter Schwellenwert sein, der nicht überschritten werden darf. Ein PKW-Motortemperaturlimit ist unter dem Punkt gesetzt, an dem der Motor irreversiblen Schaden nehmen würde. Das Überschreiten dieses voreingestellten Temperaturs würde einen Shutdown triggern, der katastrophalen Ausfall verhindert.

Bevor ein funktionaler Ausfall manifestiert, präsentiert sich ein potenzieller Ausfall als Warnsignal. Diese Symptome – Hitze, Vibration, Geruch oder Risse – können zu unterschiedlichen Zeiten auftreten und sind durch verschiedene Methoden detektierbar. Beispielsweise kann eine Lagertemperatur steigen, bevor es festfrisst, oder verbrannte Elektronik einen distincten Geruch emittieren, bevor eine Komponente versagt.

Abbildung 1. Graphische Darstellung eines P-F-Intervalls.

Sinne und Sensorik

Die Methode zur Detektion potenzieller Ausfälle hängt vom Symptom und verfügbaren Tools ab. Zwei breite Kategorien existieren: menschliche Sinne und prädiktive Instandhaltungstechnologien.

Menschliche Wahrnehmung – Auge, Ohr, Nase, Tastsinf – bleibt ein niedrigkostiges, mächtiges Diagnosewerkzeug, besonders wenn erfahrene Instandhaltungsprofis es anwenden. Oft kann ein Techniker ein Problem früh genug erkennen, um einzugreifen, bevor ein prädiktives System es würde, was wertvolle Zeit bewahrt.

Prädiktive Technologien – Thermografie, Schwingungsanalyse, Ölanalyse, Ultraschall – erweitern das Detektionsfenster. Obwohl sie potenzielle Ausfälle früher identifizieren können, kommen sie mit höheren Kapital- und Betriebskosten, einschließlich Ausrüstung, Verbrauchsmaterialien und qualifizierten Technikern.

Timing ist alles

Das P-F-Intervall ist der Zeitraum zwischen erstmaliger Detektion eines potenziellen Ausfallsymptoms und dem nachfolgenden funktionalen Ausfall. Da dieses Intervall über Ausfallmodi variiert, wird es typischerweise als durchschnittliche Dauer oder Zyklenzahl ausgedrückt.

Das P-F-Intervall zu verstehen ist essenziell für die Terminierung von Instandhaltung. Eine gängige Faustregel ist, Inspektionsintervalle bei ungefähr der halben P-F-Dauer anzusetzen, um sicherzustellen, dass das Asset geprüft wird, bevor das Symptom zum Ausfall fortschreitet.

Im Gegensatz zu Mean Time Between Failure (MTBF), das keine Einsicht in Symptom-zu-Ausfall-Timing bietet, informiert das P-F-Intervall direkt darüber, wann ein Ausfall eintreten könnte, was proaktives Handeln ermöglicht.

Mehrere Symptome

Wenn ein Ausfallmodus multiple Symptome präsentiert, jedes mit eigenem P-F-Intervall, ist es entscheidend, sie nicht als äquivalent zu behandeln. Beispielsweise kann ein Lager zunächst ungewöhnliche Vibration zeigen, detektierbar durch Schwingungsanalyse sechs Monate vor Ausfall, gefolgt von hörbaren Änderungen, erfasst durch Airborne-Ultraschall drei Monate out, und schließlich einem Hitzestieg einen Monat davor.

Denselben Inspektionsplan auf alle Symptome anzuwenden, kann zu unnötigen Ausfallzeiten oder verpassten Detektionen führen. Abbildung 2 illustriert, wie distinkte P-F-Intervalle überlappen und divergieren.

Abbildung 2. Graphische Darstellung multipler P-F-Intervalle.

Probability of Detection (PoD) quantifiziert, wie wahrscheinlich eine Inspektion einen potenziellen Ausfall erfassen wird, wenn er zu diesem Moment existiert. PoD hängt von Faktoren ab wie Ausfallort, Aufgabenkomplexität und Skill-Level des Inspektors. Niedrige PoD erfordert häufigere Inspektionen, um dasselbe Konfidenzlevel zu erreichen.

Ausfallüberwachung

Sobald ein potenzieller Ausfall identifiziert ist, stellt engmaschige Überwachung sicher, dass der Anlagenzustand bis zum Erreichen des Ausfallschwellenwerts getrackt wird. Effektives Monitoring erfordert ein vorhersehbares, hinreichend langes P-F-Intervall, um zusätzliche Inspektionen vor dem funktionalen Ausfall zu erlauben.

Monitoring wird typischerweise vermieden, wenn der funktionale Ausfall Sicherheits- oder Umweltrepercussions trägt, da der Fokus auf schneller Korrekturaktion statt verlängerter Beobachtung verschiebt.

Mean Time to Repair (MTTR) beeinflusst das Aufgabenintervall. Bei funktionalen Ausfällen mit langem MTTR – aufgrund komplexer Reparaturen, Teile-Lieferzeiten oder knapper Fachkräfte – wird der MTTR vom P-F-Intervall abgezogen, was dem Instandhaltungsteam erlaubt, früher einzugreifen.

Die richtige Entscheidung treffen

Die Wahl appropriate Inspektionsaufgaben hängt von mehreren Faktoren ab: verfügbare Methoden, erforderliche Frequenz, verfügbare Ressourcen und Impact auf Sicherheit und Operationen. Ein gestraffter Entscheidungsprozess involviert: (1) auflisten machbarer Tasks und ihrer Intervalle, (2) Ressourcen-Constraints bewerten, (3) impraktische Optionen eliminieren, und (4) beste Passform selektieren. Eine formale Kosten-Nutzen-Analyse kann diese Wahl verfeinern, ist aber nicht immer mandatory.

Zusammenfassung

Wir haben die Rolle von P-F-Intervallen in RCM geklärt, die Herausforderungen multipler Intervalle hervorgehoben und einen pragmatischen Ansatz zur Inspektionsauswahl skizziert. P-F-Intervalle sind ein wertvolles Asset für jedes Instandhaltungsprogramm, das RCM transzendiert, um Gesamtzuverlässigkeit zu verbessern.

Robert Apelgren ist Senior Reliability Analyst für General Dynamics. Er hält einen B.S. in Industrial Technology von der Roger Williams University und ein M.B.A. von der University of Phoenix. Robert ist Certified Maintenance and Reliability Professional (CMRP) und dient in den Best Practices und Standards Committees der Society for Maintenance and Reliability Professionals. Er kann kontaktiert werden unter robert.apelgren@gdit.com.