IoT

Das Kernthema der digitalen Instandhaltung ist die Anlagenoptimierung mittels Daten. (Bild: AdobeStock)

Belastbare Zahlen für die Budgetplanung

Die erste Herausforderung ist eine Betrachtung des Status quo: Welche Anlagen sind vorhanden, wie ist deren Gesamtleistung, wo liegen Fehlerschwerpunkte und was wären realistische Verbesserungen? Danach zeigt sich in der Regel, dass die Antworten 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 ein solches Bewertungsmodell Voraussetzung für die Optimierung: Was nicht in Zahlen ausgedrückt werden kann, lässt sich kaum als Grundlage für ein Budget verwenden.

Verbindliche Bewertungsgrundlagen

Für einen ersten Eindruck bieten sich Zahlen aus der Kostenrechnung sowie eine Betrachtung der Produktionsleistungen an. Hier stellt man die aktuelle Ausbringung einer Anlage, beispielsweise 600 Einheiten pro Schicht, der theoretisch möglichen Leistung von zum Beispiel 800 Einheiten gegenüber, was eine erste Einschätzung des Optimierungspotenzials erlaubt. Das Beispiel ergibt eine Gesamtanlageneffektivität von 75 Prozent; laut Kostenrechnung kostet eine Stunde Produktion mit 40 Mitarbeitern rund 5.000 Euro. Eine zehnprozentige Steigerung der Produktionsleistung würde einen monatlichen Kostenvorteil von 80.000 Euro erzielen, beziehungsweise die Herstellkosten um zwölf Prozent verringern.

Aber es sind nicht nur Anlagenstillstände, wodurch die Herstellkosten steigen, sondern auch die Qualität der Ausbringung. Selbst wenn die Maschine zuverlässig läuft, unterliegen die in der Maschine eingespannten Betriebsmittel dem Verschleiß, der durch frühzeitige Wartung aufgefangen werden muss. So können sich Ausschusskosten hier – je nach Aufwand, der im Halbzeug steckt - oft unbemerkt aufsummieren.

In der Praxis empfiehlt sich, zuerst mit einer solchen Abschätzung zu starten und früh das Controlling mit einzubeziehen; später können diese Modelle verfeinert werden, da Steigerungen der Produktivität häufig in Schritten umgesetzt werden.

Ziel ist das Condition-based Monitoring

In der Instandhaltung geht es darum, Betriebs- oder Herstellkosten zu optimieren. Hier ergibt sich ein Spannungsfeld, denn vereinfacht betrachtet führen zu früh ausgeführten Wartungen zu erhöhten Betriebskosten… Eine schon bei 85 Prozent der Standzeit ausgeführte Wartung erzeugt 18 Prozent höhere Wartungskosten, die sich aus Arbeitszeit und erhöhten Ersatzteilbedarf zusammensetzen. Zu spät ausgeführte Wartungen wiederum führen zu ungeplante Anlagenstillständen, die dann noch teurer sind. Je früher also die Wartung, desto geringer das Ausfallrisiko, aber desto höher die Wartungskosten. So würde eine Wartung, die bei 95 statt bei 85 Prozent der Standzeit erfolgt, nur fünf Prozent höhere Wartungskosten erzeugen, auch wenn das dann nicht mehr der ideale Wartungsabstand wäre und der Ausfall der Maschine gefährlich naherückte.

Wie sind nun die zusätzliche Standzeit und die geringeren Kosten erreichbar, ohne einen Produktionsausfall zu riskieren? Sicherlich kann man einen Teil durch optimierte Inspektionen auffangen, aber es müssen Fachkräfte zur Verfügung stehen und die Fehleranfälligkeit durch subjektive Bewertungskriterien bleibt. Geeignete Sensorik wäre die günstigere Lösung. Die Kosten der Installation sind auf Dauer geringer als die für manuelle Inspektionen. Mit geeigneten Systemen erhöht sich auch die Aussagequalität der Messungen und das Wissen über die Anlage – so können Wartungen reduziert werden.
Der finale Schritt ist dann die Anbindung an ein Wartungs- und Instandhaltungssystem, welches anhand der Sensor-Information automatisch Aufträge auslöst. Damit steuert das System die Wartungen ohne weiteren Kontrollaufwand.

Vernetzen bis auf die Maschinensteuerungsebene

Eine Auswertung von Steuerungsdaten ist dort sinnvoll, wo Maschinen kritisch für die Produktionsleistung sind. Das gilt insbesondere, wenn diese Maschinen ungeplante Ausfälle, unregelmäßige Leistung oder schlechte Ausbringungsqualität erzeugen.
Maschinen werden in erster Linie aufgrund der Produktionserfordernisse gesteuert und vernetzt – sie "wissen" welche Parameter für das jeweils nächste Produktionslos benötigt wird, stellen diese ein und melden, ob die Einstellung erfolgreich war. Mit diesen Daten kann man erste Betrachtungen anstellen.

Wenn beispielsweise ein Freigabesignal später als sonst kommt, hat dies oft eine mechanische Ursache und es besteht Wartungsbedarf. Im Alltag werden diese feinen Anzeichen eines aufkommenden Problems aber selten erkannt, und stellen somit eine vergebene Chance dar, die Maschine zum optimalen Zeitpunkt zu betreuen.
Neben diesen produktionsbezogenen Daten gibt es weitere Parameter, für die normalerweise keine Sensorik vorgesehen ist. Das Erfassen von wartungsrelevanten Temperaturen, Drücken, Abständen oder Vibrationen kann hier einen deutlichen Mehrwert erzeugen, da sich nun Wartungen passgenauer planen und Wartungskosten als auch Ausfallrisiko reduzieren lassen.
Als ersten Schritt lohnt es sich, abzugleichen, ob sich dokumentierte Ausfälle in den vorhandenen Maschinendaten angekündigt haben. Der zweite Schritt geht dann tiefer, denn eine Störung in den regulären Maschinendaten tritt oft erst auf, nachdem ein Schaden entstanden ist, den man mit passender Sensorik hätte vermeiden können. Diese gilt es dann zu etablieren. Aber oft bereitet schon der erste Schritt Probleme, denn in vielen Fällen werden die Maschinendaten nicht systematisch gesammelt. Aber mit modernen IoT-Technologien sowie durch den Preisverfall der Cloudspeicher ist dies heute kein Problem mehr und kann mit Spezialisten zeitnah umgesetzt werden. Services wie die automatische Untersuchung dieser Daten per KI lassen sich hinzubuchen und führen zu beeindruckenden Performancesteigerungen.

Schnellere Erfolge mit externer Unterstützung

Wir sehen, dass viele Unternehmen nicht wissen, mit wie wenig Aufwand sich diese Technologien installieren lassen. Neben dem Tagesgeschäft ist es auch nicht einfach, einen Partner zu finden, der die Belange der Produktion, der Instandhaltung und der hauseigenen IT versteht. Zudem ist es im Instandhaltungsbereich eher unüblich, externe Beratungsfirmen hinzuzuziehen. Aber eine solche Optimierung ist keine Angelegenheit, die viele Ressourcen verschlingt oder Mitarbeiter blockiert. Sowohl in der Aufnahme und Betrachtung des Problems als auch in einer Rentabilitätsrechnung können externe Firmen durch ihre Erfahrung schnell belastbare Aussagen treffen und Fortschritte erzielen.

Ungenutztes Potenzial durch IoT und Sensorik nutzen

Neben der Verbesserung der Anlagenlaufzeiten können die Daten auch zur Optimierung der Produktionslaufzeiten beitragen, denn nicht jeder Stillstand ist durch Fehler an den Maschinen verursacht.
Als Beispiel: Die Produktion startet am Montagsmorgen erst eine Stunde nach Schichtbeginn, da der Mitarbeiter oder die Mitarbeiterin zunächst noch Produktionsvorbereitungen treffen muss. Solche Wartezeiten sind für die Produktions- oder Werksleitung meist unsichtbar, da diese oft nur die am Tag im ERP eingebuchten Mengen sehen und es für sie nicht ersichtlich ist, 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 Digitalisierung ist insgesamt eine deutlich höhere Transparenz erreichbar.

Sie möchten gerne weiterlesen?

Registrieren Sie sich jetzt kostenlos:

Bleiben Sie stets zu allen wichtigen Themen und Trends informiert.
Das Passwort muss mindestens acht Zeichen lang sein.

Mit der Registrierung akzeptiere ich die Nutzungsbedingungen der Portale im Industrie-Medien-Netzwerks. Die Datenschutzerklärung habe ich zur Kenntnis genommen.

Sie sind bereits registriert?

Dieser Beitrag wird präsentiert von: