Prediktive Maintenance Daten, Erfahrungen, Analysen, Prognosen

Präsentation zum Thema: "Prediktive Maintenance Daten, Erfahrungen, Analysen, Prognosen"—  Präsentation transkript:

1 Prediktive Maintenance Daten, Erfahrungen, Analysen, Prognosen
Instandhaltungsstrategien Instandhaltungsorganisation Instandhaltungsmanagement

2 Datenerfassung und Datenverarbeitung
Wissensmanagement ist die Grundlage aller Strategien im Unternehmen Schaffen sie eine Wissensdatenbank – Abteilungsübergreifend ist Datenmanagement für alle Abteilungen ein Thema – Stammdatenmanagement betrifft das ganze Unternehmen

3 Stammdaten generieren
Daten auswerten Daten bereit stellen

4 Ausfallverhalten analysieren Schadenseintritt vorhersagen Bauteil Neu
Verschleiß Schaden Ausfall „Richtige Zeitpunkt“ IH Maßnahme Abnutzung Bauteile niedrig Nutzungsdauer Bauteile hoch Zeit Nutzung

5 Niedrig Instandhaltungskosten hoch
Neue Methode Anlagenverfügbarkeit Prediktive IH Risiko IH Präventiv IH Intervall IH Reaktiv IH Traditionell Niedrig Instandhaltungskosten hoch

6 Management bestimmt die Instandhaltungsstrategie
Rein korrektive Instandhaltung – Reaktion auf Ausfälle und Störungen Reaktive Instandhaltung Präventive Instandhaltung Prediktive Instandhaltung Reliability Instandhaltung Risk based Instandhaltung Vorbeugende Maßnahmen – Aufwendig und kostenintensive Lösung Instandhaltung zum „richtigen“ Zeitpunkt – Datenanalyse & Pflege RCM mittels FMEA und Zuverlässigkeitserwartungen Instandhaltung auf Basis von Statistik und erwarteter Ausfälle durch Prognose

7 Wie also bestimmen wir das Ausfallverhalten von Bauteilen?
Innerhalb einer zeitlichen Achse verschleißen Bauteile. Prediktive Maintenance zielt darauf ab das Ausfallverhalten seiner Maschinen zu kennen und den richtigen Zeitpunkt der Instandhaltung zu bestimmen. Das bedeutet immer ein Risiko, denn sie müssen alle relevanten Daten und Fakten bewerten und einschätzen. Prognosen müssen viele Unbekannte berücksichtigen. Netzwerke zwischen Hersteller, Lieferanten und den Betreibern sind unerlässlich um die richtigen Daten zu generieren und bereit zu stellen Daten und Erfahrungen Analysen Herstellerangaben Abnutzungsverhalten Beanspruchung Auslastung – Belastung Richtige Wartungen Richtigen Ersatzteile Richtige Bedienung

8 Daten sind in der digitalen Produktion
Daten bereit stellen Datenbank pflegen Analysieren Alarmierung Prognostizieren Prozesse der Instandhaltung optimieren neue Prozesse integrieren Regeln anwenden Maßnahmen kontrollieren Strategien optimieren Daten sammeln Daten aufbereiten Daten sind in der digitalen Produktion ein wichtiges Instrument zur Bestimmung der Strategien im Unternehmen

9 Was ist nötig um prediktive Maintenance umzusetzen
Was ist nötig um prediktive Maintenance umzusetzen? Voraussagen beinhalten auch immer den Blick in die Vergangenheit, Erfahrungen sind Teil der Zukunft. Daten, die richtigen Daten generieren, auswerten - Ableitungen und Prognosen ausarbeiten Das bedeutet das die Prozesse im Unternehmen aufeinander abgestimmt werden müssen. Stammdatenmanagement geht alle an Das beinhaltet optimale Betriebsmittel, eine optimale EDV & IT Ausstattung, Personal und Ressourcen zur Datenverarbeitung Aus- und Weiterbildung der Mitarbeiter, Qualifizierung Auswahl der passende Systeme – Hard & Software, Infrastruktur Standardisierung der Abläufe, Organisation des Ersatzteilmanagements