Wartung in der Fertigung optimieren: Digitale Daten für Spitzenleistung nutzen

Das digitale Universum verdoppelt seine Größe alle zwei Jahre, projiziert von 4,4 Billionen Gigabyte 2013 auf 44 Billionen 2020. Unternehmen tragen Verantwortung für rund 85 Prozent der in diesem digitalen Universum gehaltenen Daten, laut EMC Digital Universe.

Fertigungsanlagen sind nur eine Art von Unternehmen, die zu dieser Datenproduktion beitragen, indem sie Prozessdaten sammeln, um Maschinenstatus zu überwachen. Werksingenieure können das Beste aus diesen Daten machen und sicherstellen, dass ihr Wartungsplan ihrer Anlage nützt, so Claudia Jarret, US-Managerin beim Automatisierungsteilelieferanten EU Automation.

Hersteller, konstanter Druck, Kundennachfrage zu bedienen und flexibel zu bleiben, sind sich der Bedrohung durch Anlagenstillstand akut bewusst, erklärt Jarret. Verursacht durch viele Faktoren, einschließlich Maschinenausfall, kann Stillstand Hersteller bis zu 260.000 $ pro Stunde kosten, laut Analystenfirma Aberdeen Research.

Daher ist präventive Wartung, bei der Geräte gewartet werden, bevor sie kaputtgehen, essenziell – im Gegensatz zu reaktiver Wartung, die sich auf Reparatur nach Ausfall konzentriert.

Doch für Branchen mit hohen Volumen und niedrigen Margen wie Lebensmittel & Getränke oder Autoteilefertigung wird präventive Wartung fälschlicherweise als unerreichbar gesehen, wegen wahrgenommener hoher Vorabkosten.

Prävention

Die Zeiten, in denen man wartete, bis ein System durch überhitzte Motoren oder leckende Wärmetauschsysteme ausfiel, sind zum Glück vorbei, sagt Jarret. Werksleiter planen jetzt regelmäßige Inspektionen, Upgrades und Fehlersuchen, um Ausfälle zu vermeiden. Diese einfachen Schritte sind ein Weg, präventive Wartung durchzuführen.

Da Industry-4.0-Technologien wie Condition Monitoring zugänglicher werden, gibt es sogar schlauere, präzisere und weniger zeitaufwendige Methoden.

Viele Fertigungsanlagen nutzen nun vorausschauende Wartung (Predictive Maintenance), eine fortgeschrittene Form präventiver Wartung, um festzustellen, wie gut Geräte funktionieren, und Ausfälle präzise vorherzusagen, bevor sie eintreten. Das reduziert nicht nur das Risiko stillstandsverursachender Ausfälle, sondern bedeutet auch, dass nötige Ersatzteile rechtzeitig bestellt und vorrätig sein können.

Zusätzlich ermöglicht die Überwachung der Anlagengesundheit schrittweise Anpassungen, wo zuvor ein großer Überholungsbedarf für Verbesserungen bestand. Änderungen können Prozesseffizienz verbessern, letztlich Kosten senken durch Eliminierung ineffizienter Elemente und Erhöhung der Anlagenlebensdauer durch Wartung oder Austausch verschlissener Teile.

Wo anfangen

Der erste Schritt, den ein Werksleiter bei Implementierung eines präventiven Wartungsplans tun sollte, ist, so viele Daten wie möglich zu sammeln, rät Jarret. Dazu gehört eine genaue Schätzung der echten Stillstandskosten für die jeweilige Anlage. Zusammenführung von Daten aus smarten Sensoren, Verkaufszahlen und nachgerüsteten Systemen sollte es erlauben, Umsatzverluste, Ausschuss und Notfallreparaturkosten einzurechnen – eine nützliche Baseline.

Anlagen-Ingenieure sollten basierend auf ihrer Erfahrung ein ideales Anlagenkonzept erstellen, einschließlich Bereichen, die sie für höheren Wartungsbedarf halten – ältere Geräte oder Maschinen, die von Natur aus ausfallanfälliger sind wie Motoren, Turbinen oder andere bewegliche Teile.

Dieser Plan kann dann zusammen mit dem Budget genutzt werden, um einen realistischen Wartungsplan zu erstellen, einschließlich des Levels an präventiver Wartung, der eingesetzt werden kann. Für manche Hersteller bedeutet das regelmäßige Geräteprüfungen – monatlich für einen Anlagenteil, täglich für volatilere Maschinen.

Daten

Wenn echte Predictive Maintenance das Ziel ist, werden Daten wie Temperatur, Druck und Vibration von Sensoren gesammelt und kontinuierlich integriert, gespeichert und analysiert. Die nächste Frage für Hersteller: Wie macht man das Beste aus diesen wertvollen, aber großen Datensätzen?

Einmal gesammelt, ist der nächste Schritt zur optimalen Nutzung die Analyse. Eine beliebte Option: Cloud-Analytics-Services. Rohdaten werden in die Cloud übertragen, wo sie gespeichert und auf Trends analysiert werden können, die ein Ereignis – inklusive Ausfall – vorhersagen. Viele Services integrieren auch ein Alert-System, und Warnungen vor drohenden Ausfällen können via Webportal, App, E-Mail oder SMS an relevantes Personal gesendet werden.

Andere Hersteller, vielleicht besorgt um Cybersicherheit, langfristige Stabilität cloud-gespeicherter Daten oder Latenz zwischen Datensammlung und Analyse, analysieren Rohdaten Inhouse. Obwohl das oft deutlich ressourcenintensiver ist, gibt es Werksleitern volle Kontrolle über ihre Daten.

Obsoleszenz

Unabhängig vom implementierten System kann Predictive Maintenance genutzt werden, um Obsoleszenz zu managen, zusätzlich zu Stillstandsreduktion und Prozesseffizienzsteigerung.

Das bedeutet, Teile können zum richtigen Zeitpunkt für den Wartungsplan bestellt werden. Traditionell mussten Hersteller einen Vorrat an potenziell benötigten Teilen halten, der wertvollen Platz auf der Anlagenfläche belegt, der stattdessen für Operationen genutzt werden könnte. Ersatzteile können auch sperrig sein und Gesundheits- und Sicherheitsrisiken wie Stolper- oder Brandgefahren erzeugen, wenn sie auf der Anlagenfläche gelagert werden.

Stattdessen können Hersteller wählen, Ersatzteile nur bei Bedarf zu bestellen, um Platz und Ressourcen zu maximieren. Mit Lieferanten wie EU Automation, die veraltete Teile weltweit innerhalb von 24 Stunden liefern können, gibt es nun keine Notwendigkeit mehr, Teile vor Ort zu lagern oder verlängerte Stillstände zu erleiden, während man auf sie wartet.

Wenn Predictive Maintenance eingesetzt wird, können gesammelte Daten auch für andere Zwecke genutzt werden: Prozesseffizienz steigern und sicherstellen, dass Ersatzteile rechtzeitig bestellt werden. Richtige Sammlung und Analyse dieser Daten ist essenziell, um ihr Potenzial zu maximieren – und das wird jedes Jahr wichtiger, da die Datenmenge zunimmt.