Predictive Maintenance Exzellenz freisetzen: Experten-Best-Practices für Hersteller

Mit wachsendem Fokus auf vorausschauende Wartung als einem der dominierenden Trends für Fertigung 2021 und darüber hinaus: Wie sollten Hersteller die Herausforderung angehen, Machine-Health-Insights zu bewerten und darauf zu reagieren?

In diesem Film diskutieren Senseyes Alexander Hill und Rob Russell mit Jim Davison (Make UK) und Dr. Hannah Edmonds (Manufacturing Technology Centre) über Best Practices, die maximalen Nutzen aus Predictive Maintenance ziehen, und wie das Wissen von Condition-Monitoring-Spezialisten und Reliability Engineers demokratisiert werden kann, um PdM nachhaltig und skalierbar zu machen.

Transkript

Alexander Hill, Senseye: Predictive Maintenance wird Fokus von Fertigungs- und Industrieunternehmen dieses und der nächsten Jahre sein. Es muss sein. Um Effizienzgewinne zu genießen, Geld zu sparen, Remote Working und Remote Maintenance zu ermöglichen – PdM ist absolut essenziell.

Rob Russell, Senseye: Der Haupt-Use-Case für Smart Factories und Digitalisierung wurde in und um Predictive Maintenance herum gebaut. Es braucht Domain Knowledge: erst verstehen, wie man die richtigen Informationen aus Maschinen bekommt, dann wie man sie im Wartungskontext nutzt.

Jim Davison, Make UK: Traditionelle Werksingenieure sehen oft aus wie ich – graue Haare, nah am Karriereende. Herausforderung: nächste Generation für diese Rollen rekrutieren. Smart Technologies einzusetzen bringt ein spannendes Element in die Rolle, das man früher nicht kannte.

Rob Russell, Senseye: Bei der Reaktion auf Machine-Health-Outputs: Gute Engineering-Policy und -Praxis bleiben必須. Datenquellen und Identifikation früher Probleme, die PdM ermöglichen, detektieren manchmal subtile Frühstadien von Ausfällen.

Wartungsteams erwerben Wege, Findings zu substantiieren und verstehen: Früherkennung gibt größeres Zeitfenster. Planung und Untersuchung, wenn Produktion die Maschinen nicht braucht; Wartung später planen, wenn Maschinen wieder down sind – kein Produktionsimpact.

Dr. Hannah Edmonds, Manufacturing Technology Centre: In einem größeren Programm hatten wir viele Produktionselemente, viele Analytics – die Kombination schuf Mehrwert. Wir nutzten Senseyes automatisierte Analyse, um Issues im Produktionssystem zu diagnostizieren und Restnutzungsdauer von Maschinen zu identifizieren. Visualisierung durch Zusatzprogramm, kombiniert mit CMMS zur Wartungsplanung.

Alexander Hill, Senseye: Wir wollen Condition-Monitoring-Ingenieure und Reliability-Spezialisten nicht ersetzen. Wir wollen sicherstellen, dass ihre Zeit wirklich effektiv genutzt wird – sie schauen oft auf Zehntausende Datenströme und müssen verstehen, welche wichtig sind. Sehr anstrengend, sehr schwierig.

Unser Ansatz: Automatisieren, soweit möglich, die traditionelle Rolle des CM-Ingenieurs, der Tausende Datenpunkte prüft und die wichtigen identifiziert. Wir müssen nicht manuell Modelle bauen und tweaken – unsere patentierte Technologie und Algorithmen automatisieren den gesamten Prozess.