Instandhaltung und Produktion erfolgreich digital vernetzen

Das Kernthema der digitalen Instandhaltung ist die Optimierung der Laufzeit und damit der Auslastung bestehender Anlagen auf Basis unterschiedlichster Daten. Kai Uwe Kuhn, Partner and Account Manager Hexagon EAM bei der Rodias GmbH, berichtet über die Herausforderungen und Chancen der Vernetzung.

Welche Herausforderungen stehen typischerweise bei der Umsetzung der digitalen Instandhaltung für die Unternehmen an?

Die erste Herausforderung ist sicherlich – soweit noch nicht geschehen – eine umfassende Betrachtung des Status quo: Welche Anlagen sind vorhanden, wie ist deren Gesamtleistung, wo liegen Fehlerschwerpunkte und was wären realistische Verbesserungen? Nach einer solchen Betrachtung zeigt sich in der Regel, dass die Antworten auf diese Fragen alles andere als trivial sind. Ausfälle, Minderleistungen, der menschliche Faktor und strukturelle Engpässe sind wenig transparent, treten häufig zufällig auf und lassen sich ad hoc in ihrer Gesamtheit kaum erfassen. Allerdings ist die Erstellung eines solchen Bewertungsmodells eine wesentliche Voraussetzung für die Optimierung. Was nicht in Zahlen ausgedrückt werden kann, lässt sich kaum als Grundlage für ein Budget verwenden

Wie können verbindliche Bewertungsgrundlagen gefunden werden?

Um einen ersten Eindruck zu gewinnen, bieten sich hier Zahlen aus der Kostenrechnung sowie eine Betrachtung der Produktionsleistungen an. Hier stellt man die aktuelle Ausbringung einer Anlage (z.B. 600 Einheiten pro Schicht) der theoretisch möglichen Leistung (z.B. 800 Einheiten/Schicht) gegenüber, was eine erste Einschätzung des Optimierungspotentials erlaubt. In Verbindung mit der Kostenrechnung lassen sich dann auch gleich die möglichen Optimierungspotentiale in Euro ermitteln.

Ein Beispiel: In dem obigen Beispiel errechnen Sie eine „Gesamtanlageneffektivität“ (eine aktuelle Ausbringung von 600 Einheiten gegenüber einem Soll von 800 Einheiten pro Schicht) von 75%; laut Kostenrechnung kostet eine Stunde Produktion mit 40 Mitarbeitern (Löhne, Abschreibungen, Nebenkosten, ohne Material) ca. 5.000 Euro. Eine zehnprozentige Steigerung der Produktionsleistung würde hier einen monatlichen Kostenvorteil von 80.000 Euro erzielen, bzw. die Herstellkosten um 12% verringern.

Was in diesem Zusammenhang auch oft vergessen wird – es sind oft nicht nur die Anlagenstillstände, sondern auch die Qualität der Ausbringung, die die Herstellkosten in die Höhen treiben. Selbst wenn die Maschine zuverlässig ihren Dienst tut, liegen auch die in der Maschine eingespannten Betriebsmittel einem Verschleiß, der durch frühzeitige Wartung aufgefangen werden muss. Je nachdem wieviel Wertschöpfung dann bereits in das Halbzeug eingeflossen ist können die Ausschusskosten sich hier oft unbemerkt zu beträchtlichen Höhen aufsummieren.

In der Praxis empfiehlt sich hier zuerst mit einer solchen Abschätzung zu starten und früh das Controlling mit einzubeziehen; später können diese Modelle dann mit Szenarien verfeinert werden, da Steigerungen der Produktivität häufig in Schritten (z.B. durch Änderungen der Schichten) umgesetzt werden.

Warum ist Condition-based Monitoring so wichtig optimale Instandhaltung?

In der Instandhaltung geht es – wie in allen operativen Bereichen- immer darum die Betriebs- oder Herstellkosten zu optimieren. Hier ergibt sich ein Spannungsfeld.

Vereinfacht betrachtet führen

zu früh ausgeführten Wartungen zu erhöhten Betriebskosten: eine schon bei 85% der Standzeit ausgeführte Wartung erzeugt 18% höhere Wartungskosten, die sich aus Arbeitszeit und erhöhten Ersatzteilbedarf zusammensetzen
zu spät ausgeführte Wartungen zu ungeplante Anlagenstillständen, die dann noch viel teurer sind – hier addieren sich zum regulären Wartungsaufwand oft Wartezeiten & Überstunden des Produktionspersonals, zusätzliche Frachtkosten und letzten Endes auch Schäden an der Reputation, wenn zu spät geliefert wird.

Es gilt also – je früher die Wartung, desto geringer mein Ausfallrisiko, aber desto höher meine Wartungskosten. Um bei dem obigen Beispiel zu bleiben, bei dem bei 85% der Standzeit (der ideale Abstand zwischen zwei Wartungen) bereits eine Wartung erfolgt – eine Wartung bei 95% der Standzeit würde anstelle 18% nur 5% höhere Wartungskosten gegenüber dem idealen Wartungszeitpunkt erzeugen – also eine Einsparung um 13%. Allerdings käme man dem Ausfall einer Maschine in der Produktion schon gefährlich nahe.

Wie kann ich nun diese zusätzlichen 10% Standzeit (und damit 13% niedrigere Kosten) erreichen, ohne einen Produktionsausfall zu riskieren?

Sicherlich kann man einen Teil dieses Potentials durch optimierte Inspektionen auffangen – solange sie einen nicht ebenso großen Eingriff wie die Wartung selbst benötigen. Nach wie vor müssen die Mitarbeiter (oder externe Firmen) für diese Inspektionen zur Verfügung stehen, und selbst dann passieren noch Fehler, da die oft Bewertungskriterien zu subjektiv gefasst sind.

Hier ist es nun wesentlich günstiger eine geeignete Sensorik mit nachgelagerter Dateninterpretation den Dienst tun zu lassen. Die Kosten einer solchen Installation (siehe auch oben) sind auf Dauer gesehen ein kleiner Bruchteil dessen, was manuelle (und damit eben oft auch subjektive) Inspektionen leisten können. Mit geeigneten Systemen sparen Sie so nicht nur die manuellen Inspektionen, sondern erhöhen auch die Aussagequalität der Messungen, erarbeiten sich ein Wissen und können so nach und nach aufwändige und kostspieligen Wartungen reduzieren.

Der finale letzte Schritt in dieser Kette ist dann die Anbindung an ein Wartungs-/Instandhaltungssystem, welches anhand der von dem Sensorik-System erhaltenen interpretierten und priorisierten Information automatisch Inspektions- und Wartungsaufträge auslöst. Damit ersparen Sie sich die Überwachung der Daten; das System steuert die Wartungen dann allein, ohne weiteren Kontrollaufwand.

Wie sieht es denn mit der Vernetzung bis auf die Maschinensteuerungsebene aus?

Eine Auswertung von Maschinensteuerungsdaten ist im ersten Schritt vor allem überall dort sinnvoll, wo Maschinen kritisch für die Produktionsleistung sind – die berühmten Bottlenecks. Das gilt insbesondere dann, wenn diese Maschinen durch Art, Alter, Umgebung oder sonstige Umstände ungeplante Ausfälle, unregelmäßige Leistung oder schlechte Ausbringungsqualität erzeugen.

Maschinen werden in erster Linie aufgrund der Produktionserfordernisse gesteuert und vernetzt – sie „wissen“ welche Vorschübe, Kräfte, oder andere Parameter für das jeweils nächste Produktionslos benötigt wird, stellen diese ein und geben eine Rückmeldung, ob die Einstellung erfolgreich war. Mit diesen – eher produktionsbezogenen – Daten kann man schon erste Betrachtungen anstellen.

Zum Beispiel: wenn ein Freigabesignal auf einmal später als sonst kommt hat dies oft eine mechanische Ursache – hier besteht bereits Wartungsbedarf. Im Alltag werden diese feinen Anzeichen eines aufkommenden Problems aber selten erkannt, und stellen somit eine erste vergebene Chance dar, die Maschine zum optimalen Zeitpunkt zu betreuen.

Neben diesen produktionsbezogenen Daten gibt es an der Maschine (oder an den Betriebsmitteln) weitere Parameter, für die normalerweise keine Sensorik vorgesehen ist. Das Erfassen von wartungsrelevanten Daten wie Temperaturen, Drücken, Abständen oder Vibrationen kann hier einen deutlichen Mehrwert erzeugen, da sich auf dieser Datenbasis Wartungen passgenauer planen, und Wartungskosten, als auch das Ausfallrisiko reduzieren lassen.

Wie lässt sich diese Lücke schließen?

Als erster Schritt lohnt sich ein Abgleich der vorhandenen Maschinendaten mit dokumentierten Ausfällen. Wenn diese sich in den regulären Maschinendaten vorangekündigt haben, hat man einen ersten Hinweis. Der zweite Schritt geht dann tiefer: eine Störung in den regulären Maschinendaten tritt oft erst auf, nachdem schon ein Schaden entstanden ist, den man vielleicht mit zielgerichteter Sensorik hätte vermeiden können. Diese gilt es dann zu etablieren.

Nun ist es oft so, dass der erste Schritt schon Probleme bereitet: die Maschinendaten werden nicht gesammelt und damit auch nicht systematisch ausgewertet. Auf Basis von IoT-Technologien sowie durch den Preisverfall der Cloudspeicher, ist dies heute kein technisches Problem mehr. Man kann Daten-Analyse und -Visualisierungs-Lösungen mit spezialisierten Firmen zeitnah und problemlos umsetzen. Services wie die automatische Interpretation dieser Daten per künstlicher Intelligenz lassen sich nachfolgend darauf aufsetzen. Insgesamt führt dies zu beeindruckenden Performancesteigerungen, da nun rechtzeigt vorgewarnt und gewartet werden kann.

Warum tun sich noch immer viele Unternehmen so schwer damit, die digitale Transformation in der Instandhaltung voranzutreiben?

Wir sehen in der Praxis, dass viele Unternehmen noch nicht wissen, mit wie wenig Aufwand sich diese Technologien installieren lassen. Natürlich kommt das Tagesgeschäft immer an erster Stelle, und es ist auch nicht einfach einen Partner zu finden, der gleichzeitig die Belange der Produktion, der Instandhaltung und der hauseigenen IT versteht. Zudem ist es im Instandhaltungsbereich (anders als in Bereichen wie Finance, Marketing oder Produktion) noch eher unüblich, externe Firmen zur Beratung hinzuzuziehen. Eine solche Optimierung ist auch – entgegen häufigen Annahmen – keine Angelegenheit, die viel Geld und Zeit verschlingt oder die internen Mitarbeiter blockiert. Sowohl in der Aufnahme und Betrachtung des Problems, für eine Rentabilitätsrechnung, als auch für die IT-technische Realisierung können externe Firmen durch ihre Erfahrung schnell belastbare Aussagen treffen und in kurzer Zeit erste sichtbare Fortschritte erzielen.

Wie können Unternehmen ihre Ausgangsposition in der Instandhaltung und bei digitalen Services durch IoT und Sensorik verbessern? Welche bisher oft ungenutzten Möglichkeiten liegen in den Daten?

Neben der Verbesserung der Anlagenlaufzeiten aus der reinen „Maschinensicht“ können die Daten auch zu einer Optimierung der Produktionslaufzeiten beitragen. – Nicht jede Stillstandszeit ist durch Fehler an den Maschinen verursacht. Mit Datenanalytik werden auch Zusammenhänge sichtbar, die nicht auf den ersten Blick klar sind.

Als Beispiel: Die Produktion startet Montagsmorgen erst eine Stunde nach Schichtbeginn, da der Mitarbeiter oder die Mitarbeiterin zunächst noch Produktionsvorbereitungen treffen muss. Solche Wartezeiten sind meist für die Produktions- oder Werksleitung unsichtbar, da diese oft nur die am Tag im ERP eingebuchten Mengen sehen. Alles scheint gut zu laufen, augenscheinlich gibt es keine Erklärung, warum nur 80 Prozent der sonst üblichen Tagesleistung erreicht wurden.

Hier können die Daten aus der Steuerungstechnik schnell Auskunft geben, wann die Maschinen standen, ob ein Fehler vorlag und ob es sich jeden Montagmorgen so verhält. Durch die die Erfassung möglichst viele der begleitenden Variablen werden diese – bislang unsichtbaren – Sachverhalte in entsprechenden Dashboards sichtbar gemacht.

Mit Hilfe der fortgeführten Digitalisierung von Instandhaltung und Produktion, sowie mit der Schließung der digitalen Lücken zwischen diesen beiden Welten, sind eine insgesamt deutlich höhere Transparenz und in Folge davon signifikante Produktionssteigerungen und Kosteneinsparungen erreichbar.