Smart Maintenance
Smart Maintenance steht für eine intelligente, wissens- und lernorientierte Instandhaltung und geht auf die Bedürfnisse, die z. B. durch Industrie 4.0 und die Digitalisierung entstanden sind, ein.[1] Die Einordnung dieses Vorgehenskonzeptes erfolgt unter der Prämisse der „prädiktiven Instandhaltung“. Diese lernt von historischen und gegebenenfalls in Echtzeit verfügbaren instandhaltungsrelevanten Daten. Wodurch die Frage „Was wird Wann passieren?“ beantwortet wird. Neben der "prädiktiven Instandhaltung" spielt auch die "diagnostische Instandhaltung" eine bedeutende Rolle. Diese beantwortet die Frage "Warum ist es passiert?" durch die Analyse von Ursache-Wirkzusammenhängen und der Bereitstellung technischer Details über historisch durchgeführte Instandhaltungsmaßnahmen.[2]
Einführung[Bearbeiten]
Im Zuge von Industrie 4.0 und der Digitalisierung gibt es in der Instandhaltung einen großen Wandel, wodurch diese in den Vordergrund rückt. Verschiedenste auf Daten basierende Methoden und Technologien werden an Unternehmen herangetragen. Predictive Maintenance (vorausschauende Instandhaltung) wird immer wichtiger, da durch kontinuierliche Messungen Auswertungen und Prognosen möglich sind. Die Methode verspricht eine optimale Ausnutzung der Anlagen bei einer minimalen Ausfallwahrscheinlichkeit und gleichzeitig eine sehr gute Planbarkeit von Instandsetzungs- und Wartungseinsätzen[3].
Die wissensbasierte Instandhaltung (Knowledge-Based Maintenance, KBM) setzt eine ganzheitliche Betrachtung von Produktionsprozessen voraus, um korrekte und zuverlässige Aussagen über zukünftige Ereignisse zu generieren. Das Konzept versucht durch die Implementierung von Rahmenbedingungen
- das Einbringen des Wissens der Mitarbeiter in den Leistungserstellungsprozess zu fördern,
- das Wissensangebot zu erweitern (Wissensgenerierung)
- und langfristig ein Wissensmanagementsystem aufzubauen.
Ziel ist die Entwicklung eines generischen Konzepts, um die Instandhaltungsprozesse durch eine umfassende Betrachtung von Auswirkungen von Instandhaltung, Systemzuständen, der Organisation und durch Prozesse zu optimieren.
Die leistungsorientierte Instandhaltung (Performance Based Maintenance) baut auf den traditionellen Konzepten auf und entwickelt dieselben über die TPM-Strategie weiter – durch die strategische Einbringung der Kundenorientierung, des KVP-Ansatzes und der Konzentration auf das Mitarbeiterpotenzial. Das Lernen und das Wachstum werden durch
- die Mitarbeiter,
- adäquat gestaltete Instandhaltungssysteme bzw. -prozesse sowie
- die konsequente Ausrichtung an den Unternehmens- und Instandhaltungszielen
erreicht.
Auf Basis von Total Productive Maintenance und unter Anwendung von Condition-Monitoring Methoden in Kombination mit Wissensmanagement, verfolgt Smart Maintenance das Ziel, die Leistung der Instandhaltung kontinuierlich zu steigern. Dazu werden kritische Erfolgsfaktoren der Instandhaltung identifiziert und über das Kennzahlen-Cockpit, das zur effektiven Steuerung, Analyse und Kontrolle der Instandhaltung beiträgt, kommuniziert. Dadurch werden negative Abweichungen, wie beispielsweise ungeplante Stillstände realitätsnah erkannt und in einer angemessenen Zeit durch richtige Maßnahmen verhindert oder zumindest minimiert.[4]
Ziel von Smart Maintenance ist es, die technische und ökonomische Wirksamkeit von Instandhaltungsmaßnahmen unter der ganzheitlichen Betrachtung des jeweiligen Produktionssystems zu maximieren. Die vertikale und horizontale Integration von Daten sind hierfür Voraussetzung. Die horizontale Integration adressiert verschiedene Prozessschritte im Herstellungsprozess, während die vertikale Integration auf die bislang isoliert bestehenden IT-Systeme in Richtung Ganzheitlichkeit zielt.[5]
Neben der OEE (Overall Equipment Effectiveness = Gesamtanlageneffektivität) bestehend aus der Anlagenverfügbarkeit, dem Leistungsgrad und der Qualitätsrate, welche eine hoch aggregierte Kennzahl ist, die einerseits die Anlagenleistung und andererseits die Instandhaltungsleistung widerspiegelt, gibt es weitere wichtige Instandhaltungskennzahlen. Kennzahlen sind für einen geschlossenen Controllzyklus (PDCA-Zyklus) von zentraler Bedeutung, da sie Sachverhalte messbar machen. Ohne diese können Ziele nicht gemessen, eine Zielerreichung nicht bestimmt und die Zielabweichung nicht analysiert werden. Weitere wichtige Kennzahlen sind zum Beispiel die MTTR und die MTBF. Die MTTR (Mean Time to Repair) gibt die Zeit vom Anlagenausfall, bis zur Wiederherstellung der Funktionalität an und betrachtet daher die Instandhaltungsleistung. Die MTBF (Mean Time between Failure) definiert sich über die mittlere Zeit zwischen Anlagenausfällen und kann als ein Indikator für die Anlagenleistung gesehen werden. Diese beiden Kennzahlen sind für eine detaillierte Betrachtung der Instandhaltungstätigkeiten unablässlich.[6]
Wozu Smart Maintenance?[Bearbeiten]
Industrie 4.0 ist nicht nur eine große Herausforderung, sondern schafft durch die Flexibilitäts- und Wandlungsfähigkeit enorme Chancen für Unternehmen. Aus dem produktionsnahen Sektor getrieben, wird dabei meist ein entscheidender Aspekt übersehen – die industrielle Instandhaltung. Denn für die Zukunft gilt: Die Instandhaltung muss zur Smart Maintenance werden. Die Kundenzufriedenheit, Produktivität und Flexibilität können durch die Integration von IT-Systemen und Prozessschritten im Sinne des Wissensmanagements gesteigert werden. Die digitale Durchgängigkeit und die vertikale und horizontale Integration des Engineerings über die gesamte Wertschöpfungskette sind Voraussetzung. Wer sich für Industrie 4.0 fit machen will, muss mehr tun, als innovative Technologien einzusetzen. Im produzierenden Gewerbe bedeutet Industrie 4.0 vor allem: bereits bestehende Anlagen und Maschinen aufzurüsten, sie flexibler, verfügbarer und wandlungsfähiger zu machen – und gleichzeitig die steigende Komplexität zu beherrschen.
Verschiedene Arbeitsschritte im Herstellungsprozess werden der horizontalen Integration zugeordnet, wohingegen die vertikale Integration auf die bislang isoliert bestehenden IT-Systeme in Richtung Ganzheitlichkeit gerichtet ist. Unterstützt wird die vertikale Ebene durch unterschiedliche Systeme wie ERP (Enterprise Ressource Planning), MES (Manufacturing Execution System) und SPS (Speicherprogrammierbare Steuerung). Durch die schnelle Anpassung des Produktionskombinationsprozesses an aktuelle Situationen können Störungen mit der Durchgängigkeit des Engineerings abgefangen werden. Häufig sind heutzutage die Industrie- und Fertigungssysteme funktional organisiert und durch hierarchische Systeme in der Automatisierung geformt. Daten werden durch cyberphysikalische Produktionssysteme (CPS) gespeichert und stellen Funktionen und Dienste zur Verfügung, wo sie den größten Wertschöpfungsbeitrag liefern. Dadurch ermöglicht Industrie 4.0 eine höhere Flexibilität und einen größeren Vernetzungsgrad, wobei die Menge als auch die Vielfalt an instandzuhaltenden Elementen zunimmt. Eine der größten Herausforderungen für die Instandhaltung bzw. des Anlagenmanagements ist die Heterogenität der Maschinen, maschinellen Anlagen, Prozesse und IT-Systeme, die historisch gewachsen und demgemäß in Herkunft und Alter geprägt sind. Daher muss die horizontale und vertikale Integration vorangetrieben und umgesetzt werden, wobei man oftmals finanziell sehr limitiert ist, da der Produktionsvollzug dennoch stabil bleiben muss. Durch die Verknüpfung bislang getrennter Informationen können Chancen und Potenziale der Integration in Richtung einer Wertschöpfungssteigerung und -partnerschaft dennoch genutzt werden. Vor allem für das Personal – den Instandhalter – ergeben sich aus dem Einsatz dieser neuen elektronischen Komponenten und deren Vernetzung völlig neue Qualifikations- und Unterstützungsanforderungen.
Eine sichere und langfristige Wertschöpfung, durch rasches Lernen über die Abteilungsgrenze hinweg, kann nur durch konsistente und durchgängige Daten erzielt werden. Das Instandhaltungsmanagement wird durch die zunehmende Flexibilität, die steigende Automatisierung und dem mit der verstärkten IT-Integration verbundenen erfolgskritischen Faktor sowohl der Daten- und Informationssicherheit, wie auch der Betriebssicherheit stark beeinflusst. Bisherige Instandhaltungsphilosophien und -strategien unterscheiden sich von Industrie 4.0 durch ihre Forderung nach geringer Fehlerhäufigkeit, -toleranz und -robustheit. Jedoch werden die Komplexitäts-, Abstraktions- und Problemlösungsanforderungen durch die Veränderung im Aufgabenumfang, dem Aufgabenspektrum und im Managementinstrumentarium der Instandhaltung zunehmen. Diese wiederum sollten durch selbstgesteuertes Handeln, kommunikative Kompetenzen und der vermehrten Fähigkeit zur Selbstorganisation im Sinne einer intelligenten, lernorientierten Instandhaltung abgedeckt sein. Die Instandhaltung muss sich zur Smart Maintenance weiterentwickeln.[7]
Vorgehensweise[Bearbeiten]
Die Entwicklung, Implementierung und permanente Verbesserung der Wirksamkeit des Anlagenmanagementsystems zur Steigerung des Wertschöpfungsbeitrages der Instandhaltung unter Berücksichtigung der Stakeholderinteressen wird zum Ziel gesetzt.
Vorgehensmodell – lernorientierte Instandhaltung[Bearbeiten]
Das Vorgehensmodell einer kontinuierlich lernorientierten Instandhaltung,[8] als Basis für Smart Maintenance, besteht aus den folgenden Kernelementen und orientiert sich am PDCA-Zyklus nach Deming.
- Zielsystem (Plan)
- Definierter Output/Outcome, z. B. Gesamtanlageneffektivität (OEE), Netto-Gesamtanlageneffektivität (NEE), Totale effektive Anlagenproduktivität (TEEP) bei minimalem Input (Instandhaltungskosten)
- IH-Strategie (Do)
- Dynamische Anpassung von einem Strategiemix
- Bestehend aus zustandsorientierter, präventiver und ausfallorientierter Instandhaltung in Abhängigkeit von der Betriebs- und Unternehmenssituation und unter Berücksichtigung des adäquaten Vorbeugungsgrades zur Verminderung von Ausfallsrisiken.
- IH-Controlling (Check)
- Kennzahlengestützter Output-/ Input-Vergleich
- Schwachstellenanalyse
- Wertschöpfungsbeitrag
- IH-Optimierung (Act)
Vorgehensmethodik – Smart Maintenance[Bearbeiten]
Eine mögliche Vorgehensmethodik von Smart Maintenance besteht aus folgenden Prozessschritten.[9]
- Identifikation kritischer Anlagen
- Einsatzbewertung von Condition Monitoring (CM) Technologien
- Datenanalyse
- Erkennen und Bewerten von Ursache-WIrkungsbeziehungen
- Methoden der Ausfallprognostik
- Verbesserter Instandhaltungsstrategiemix
Schwerpunkte[Bearbeiten]
Folgende Schwerpunkte werden im Smart Maintenance behandelt:[10]
- Datenmanagement bspw. durch Optimierung der prädiktiven Instandhaltung mittels Ausfallprognose
- Wissensmanagement bspw. durch externalisieren von Wissen
- Lernorientierung bspw. durch die Integration der wesentlichen Schritte
- Schwachstellenbeseitigung bspw. durch die Unterstützung von Big Data Analytics und geeigneten IPSA-Systemen
- Mitarbeiterqualifikation bspw. durch gezielte Qualifikation und Weiterentwicklung von Mitarbeitern und Fachkräften
- IH-Strategiemix-Optimierung bspw. durch gezielten Einsatz von Datenanalyse und Condition Monitoring an als kritisch identifizierten Anlagen und durch dynamische Anpassung der Instandhaltungsstrategie
Literatur[Bearbeiten]
- M. Henke, T. Heller, T. Anlahr, S. Bärenfänger: Acatech Positionspapier: Smart Maintenance für Smart Factories Mit intelligenter Instandhaltung die Industrie 4.0 vorantreiben, Springer Verlag, 10/2015
- S. Vössner: Smart Maintenance. In WINGbusiness 1/2016.
- A.Kinz, H. Biedermann, P. Traxler, B. Freudenthaler, J. Isopp, W. Schröder, A. Schlegl: Smart Maintenance – Ressourcenintelligente antizipative Instandhaltung durch Condition Monitoring. Datenanalyse und Störungsprognostik. In: WINGbusiness 1/2016.
- A. Maggele: Von der Theorie zur Praxis: Smart Maintenance. In: WINGbusiness 1/2016.
- B. Kleindienst, H. Biedermann: Instandhaltungs-Controlling als Baustein von Smart Maintenance. In: WINGbusiness 1/2016.
- A. Kinz, H. Biedermann: Anlagenspezifische Instandhaltungsstrategiewahl durch strukturierte Anlagenbewertung. In: Smart Maintenance – Intelligente, lernorientierte Instandhaltung. TÜV Media, Köln 2015, S. 221–238.
- A.Kinz, H Biedermann: Strukturierte Anlagenbewertung – Ein Instrument zur Optimierung des Instandhaltungsstrategiemix in der Smart Maintenance. In: Der Instandhaltungsberater. 67. Aktualisierungslieferung, 2016, S. 1–29.
- B. Kleindienst, R. Bernerstätter: Kennzahlen in Smart Maintenance: Entwicklung eines Kennzahlen-Cockpits für die Instandhaltung unterstützt durch Datenanalysemethoden. In: H. Biedermann (Hrsg.): Smart Maintenance: Intelligente, lernorientierte Instandhaltung. TÜV Media, Köln 2015. ISBN 978-3-8249-1950-5. S. 161–180.
- H. Biedermann: Benchmark - Instandhaltung; TÜV Media; 2018
- H. Biedermann: Lean Smart Maintenance; TÜV Media; 2016
- H. Biedermann: Predictive Maintenance: Möglichkeiten und Grenzen; TÜV Media; 2018
- A. Kinz: Ausgestaltung einer dynamischen, lern- und wertschöpfungsorientierten Instandhaltung; Montanuniversität Leoben; 2017
- A. Kinz, H. Biedermann: Lean Smart Maintenance - Value Adding, Flexible und Intelligent Asset Management; BHM Berg- Hüttenmänn. Monatshefte, 1, 13–18; 2019
- A. Kinz, T. Passath: Ressourceneffiziente Anlagenwirtschaft; WINGbusiness, 1/18, 29–32; 2018
- T. Passath, C. Huber: Dynamische Instandhaltungsstrategieanpassung durch Anlagenkritikalitätsbewertung; BHM Berg- Hüttenmänn. Monatshefte 1, 7–12; 2019
- T. Passath, K.Mertens: Decision Making in Lean Smart Maintenance: Critically Analysis as a Support Tool; IFAC IMS 2019 Kanada
- T. Passath: RISK-BASED MAINTENANCE FOR HOLISTIC ASSET MANAGEMENT SYSTEM: A model for dynamic adaption of the maintenance strategy; IFAC MIM 2019 Berlin
Weblinks[Bearbeiten]
- Deutsche Akademie der Technikwissenschaften: Smart Maintenance für Smart Factories (PDF)
- Frauenhofer-Institut für Materialfluss un Logistik IML: Smart Maintenance
- Frauenhofer-Institut für Produktionstechnik und Automatisierung IPA: Smart Maintenance
- FIR an der RWTH Aachen; Smart Maintenance - einfach machen (PDF)
Einzelnachweise[Bearbeiten]
- ↑ Biedermann, Hubert: Benchmark - Instandhaltung eine Studie zum Reifegrad von Instandhaltungsorganisationen der DACH-Region. Köln 1953, ISBN 978-3-7406-0360-1.
- ↑ Biedermann, Hubert: Predictive Maintenance Realität und Vision: 32. Instandhaltungsforum. Köln 1953, ISBN 978-3-7406-0359-5.
- ↑ Instandhaltung muss zur Smart Maintenance werden. Abgerufen am 15. Oktober 2019.
- ↑ Hubert Biedermann: Instandhaltung im Wandel. Hrsg.: H. Biedermann. TÜV Media, Köln 2014, ISBN 978-3-8249-1823-2.
- ↑ Biedermann, Hubert, 1953-, Österreichische Technisch-Wissenschaftliche Vereinigung für Instandhaltung und Anlagenwirtschaft, Instandhaltungsforum Österreichische Technisch-Wissenschaftliche Vereinigung für Instandhaltung und Anlagenwirtschaft. 29. 2015 Bad Erlach: Smart Maintenance intelligente, lernorientierte Instandhaltung. Köln, ISBN 978-3-8249-1950-5.
- ↑ Biedermann, Hubert 1953-: Predictive Maintenance Realität und Vision : 32. Instandhaltungsforum. Köln, ISBN 978-3-7406-0359-5.
- ↑ Biedermann, Hubert, 1953-, Österreichische Technisch-Wissenschaftliche Vereinigung für Instandhaltung und Anlagenwirtschaft, Instandhaltungsforum Österreichische Technisch-Wissenschaftliche Vereinigung für Instandhaltung und Anlagenwirtschaft. 29. 2015 Bad Erlach: Smart Maintenance intelligente, lernorientierte Instandhaltung. Köln, ISBN 978-3-8249-1950-5.
- ↑ Hubert Biedermann: Smart Maintenance: Intelligente, lernorientierte Instandhaltung. In: Hubert Biedermann (Hrsg.): Praxiswissen für Ingenieure. TÜV-Verlag, Köln 2015, ISBN 978-3-8249-1950-5, S. 23–33.
- ↑ Alfred Kinz, Hubert Biedermann: Ein Modell zur Strategieauswahl. In: Instandhaltung. Ausgabe 8/15 Auflage. S. 30–31.
- ↑ Smart Maintenance. Abgerufen am 29. April 2016.
Diese artikel "Smart Maintenance" ist von Wikipedia The list of its authors can be seen in its historical and/or the page Edithistory:Smart Maintenance.
