Menü

SAP Predictive Maintenance and Service: FAQ

Sie fragen, wir liefern die Antworten: Hier erfahren Sie alles, was Sie über die Einführung von SAP Predictive Maintenance and Service (SAP PdMS) wissen wollten.

Wie erfolgt die Verbindung von Sensoren (Leitsystem) zum SAP?

Die Anbindung von Sensoren erfolgt mittels SAP Leonardo IOT Edge und SAP Leonardo IOT über die SAP Cloud Platform.

Funktioniert der Vergleich mit Modellen nur in Verbindung mit SAP AIN?

Modelle sind Bestandteil von Asset Central und können auch ohne AIN genutzt werden. So können z.B. verschiedene Equipments eines gleichen Modells verglichen werden. Eine Betrachtung über Unternehmensgrenzen hinweg ist allerdings nur mit AIN möglich.

Das Ganze wurde anhand von Equipments erklärt. Geht das auch mit Technischen Plätzen?

In der Cloud-Lösung werden Equipments verwendet. In der Synchronisierung zwischen Backend und Cloud können Technische Plätze im Backend als Equipments in der Cloud angelegt werden.

Kann ich mit den Rules im SAP PdMS eine Bestellung von Ersatzteilen auslösen?

Aus Regeln können Instandhaltungsmeldungen generiert werden, zu denen dann Instandhaltungsaufträge erstellt werden können. Auf Basis der Aufträge können dann Bestellungen zu Material oder Dienstleistungen erzeugt werden.

Studie Predictive Maintenance

In einer Studie haben wir untersucht, wie verbreitet die vorausschauende Wartung bei den Unternehmen tatsächlich schon ist, welcher Nutzen realisiert wurde und was unter Umständen derzeit noch von einem Engagement abhält.

Hier können Sie unsere Studie "Predictive Maintenance" downloaden.

Kann ich über AIN die Erfahrung von anderen Firmen nutzen, um die Leading Indicators zu ermitteln?

Failure Modes können über das Netzwerk geteilt werden. Zusätzlich Regelwerke, die auf Basis der Leading Indicators erstellt wurden.

Welche technischen Möglichkeiten der Datenintegration von Maschinendaten (z.B. Schwellenwerte/Alarme) habe ich zur Einbindung in SAP PdMS?

Grundsätzlich können Alarme, Ereignisse, Equipment-Zustände, Aufträge, Indikatoren (Zustände) von der Maschinensteuerung und aus weiteren Quellen integriert und konfiguriert werden. Wichtig ist hierbei, dass zum Beispiel die Zustandsdaten als Zeitreihe aufgenommen werden können. Die Integration erfolgt über IoT Applikation Enablement und SAP Cloud Platform Internet of Things for the Cloud Foundry Environment (IoT Services). Weitere Informationen zu diesem Thema finden Sie hier.

Kann man zu Vibrationssignalen (Messwertverlauf) auch Produktionsdaten (Durchfluss, Temperatur) überlagern?

Es kann alles nach belieben visualisiert werden. Z.B. sind Skalierungen, Indikatoren und Legenden anpassbar. Mehrfachdiagramme mit Zusammenzug aus verschiedenen Datenquellen sind möglich. Hier kommen Sie zur Anwendungshilfe für SAP PdMS, Cloud Edition. Die Infos zu den verschiedenen Funktionen im 2D-Diagramm finden Sie hier. 

Was sind die technischen Vorausetzungen, um PdMS als Cloud Edition zu betreiben?

Voraussetzung ist zum einen die Applikation SAP Predictive Maintenance and Service, cloud edition, zum anderen werden die sogenannten IoT Application Enablement AE Services benötigt - als Services für den Datenaustausch und das Abspeichern von Zeitreihendaten.  In IoT AE sind die IoT Services 4.0 für für die Konnektivität enthalten.

Hier finden Sie weitere Infos zum automatischen Device Onboarding.

Gibt es die Lösung für PdMS als cloud oder on-premise?

Es gibt folgende Varianten:

Hier erhalten Sie eine Übersicht über das Produkt.

Womit sollten Unternehmen am Besten anfangen auf dem Weg zu Predictive Maintenance?

Als erstes steht die Definition von relevanten Assets an. Hierbei können Kriterien wie Kosten und Kritikalität der Anlage oder operationalen Auswirkungen von Fehlverhalten relevant sein. Hierbei sollte pilotiert werden. Ausserdem sind die Instandhaltungsmassnahmen zur Verhütung des Ausfalls zu definieren und auszugestalten, damit später z.B. der Servicetechniker in der Lage ist, den Alarm A mit einer zugehörigen Massnahme zu begegnen.

Zusammengefasst sind die ersten Tätigkeiten: Identifizierung von relevanten Assets nach Risiko, hohe Lebenszykluskosten, kritische Verfügbarkeit. Nicht in der Breite anfangen eher Pilotieren, um Erfahrungen zu sammeln.

Kann man mit Predictive Maintenance immer etwas finden?

Nein. Die Qualität der Erkenntnisse hängt von der Datenbasis ab, wenn es z.B. zu wenig Fehlerfälle gibt, um ein Modell sinnvoll zu trainieren (Stichwort "rare events"). In dem Fall bleibt Anomalieerkennung als mögliche Analyse. Es ist auch darauf zu achten, dass die Datenbasis für den Anwendungsfall relevant ist . 

Was liefert die SAP aus im Bereich Data Science?

SAP liefert einige Algorithmen standardmässig mit aus für Anomalieerkennung und prädiktive Analysen, z.B.:

  • Anomalieerkennung mithilfe der Hauptkomponentenanalyse
  • Entfernungsbasierte Fehleranalyse mithilfe der Wasserstein-Metrik (auch Earth Mover’s Distance (EMD))
  • Anomalieerkennung mit Hilfe multivariater Autoregression (MAR)
  • Fehlerprognose mit Tree Ensemble Classifier (TEC)
  • Support-Vektor-Maschinen (SVM) einer Klasse für die Anomalieerkennung
  • Anomalieerkennung mithilfe des Interquartilbereichs (IQR)
  • Fehlerprognose mithilfe der automatischen Fehlerprognose (AFP)
  • Anomalieerkennung mithilfe der automatischen Anomalieerkennung (AAD)
  • Unüberwachte Themenmodellierung mithilfe der latenten Dirichlet-Allokation für die Schadensbildzuordnung
  • Überwachte Textklassifizierung mithilfe von Ensembletechniken
  • Weibull Analyse

Erweiterbarkeit mit eigenen Algorithmen möglich z.B. durch Verwendbarkeit von R. Weitere Infos zum Thema "Algorithmen für maschinelles Lernen" finden Sie hier.

 

 

Ihre Frage war nicht dabei?

Kein Problem - gerne können Sie uns Ihre Frage per Mail an expertsdontospamme@gowaway.orianda.com senden. Wir nehmen diese gerne in unsere FAQs auf.

Sie möchten regelmässig über aktuelle Themen & Trends zum Thema Asset Management mit SAP informiert werden? Melden Sie sich hier für unseren Newsletter an.

zur Übersicht