SAP Predictive Maintenance and Service
Bei den Instandhaltungsstrategien ist einiges in Bewegung! Jahrelang dominierten die korrektive und geplante Instandhaltung.
Predictive Maintenance mit SAP
Bei der korrektiven Instandhaltung (Corrective Maintenance) wird erst dann gehandelt, wenn ein Asset defekt ist - ungeplante Stillstände sind dabei die Regel. Die geplante Instandhaltung wird nach fixen zeitlichen oder leistungsabhängigen Intervallen durchgeführt - auch dann, wenn die Komponenten noch gar nicht verschlissen sind.
Unternehmen beschäftigen sich wegen der Optimierung von Verfügbarkeit und Kosten nun seit einiger Zeit mehr und mehr mit einer zustandsorientierten Instandhaltung (Condition-based Maintenance). Wann welche Wartungsarbeit durchgeführt wird, hängt dabei davon ab, wie es aktuell an einem Asset tatsächlich aussieht. Dazu erfassen die zahlreichen Sensoren, mit denen mittlerweile viele Maschinen und Anlagen, Werkzeuge und Fahrzeuge ausgestattet sind, Daten, die von der IT verarbeitet werden. Die Ergebnisse dienen beispielsweise dem Asset Manager, Entscheidungen zu treffen. Plötzliche Ausfälle sind damit deutlich seltener geworden, die Instandhaltung lässt sich planen.
Noch einen Schritt weiter geht die vorausschauende Wartung (Predictive Maintenance), weil hier auf Basis von aktuellen Daten die Wahrscheinlichkeit und der Eintrittszeitpunkt von Störungen oder Defekten prognostiziert werden. Erforderlich sind dafür neben den über die Sensoren erfassten Daten auch Informationen aus zusätzlichen Quellen und leistungsstarke Algorithmen, die die enormen Datenmengen in Echtzeit analysieren.
Predictive Maintenance als Chance
Dass sich Predictive Maintenance für die Betreiber von Assets lohnt, liegt auf der Hand. Denn ungeplante Stillstände lassen sich so vollständig vermeiden und die Instandhaltungsarbeiten können optimal in die übrigen Rahmenbedingungen - etwa die Auslastung der Produktion, die Verfügbarkeit des Instandhalters oder die Termine und Kosten bei der Ersatzteilbeschaffung - eingepasst werden. Auch für Hersteller und externe Instandhaltungsdienstleister ist Predictive Maintenance eine Chance: Sie können sich - zumindest heute noch - mit dem Angebot vom Wettbewerb differenzieren und so einen Vorteil auf dem immer härter umkämpften Markt verschaffen. Die Frage ist nur, wie sich Predictive-Maintenance-Szenarien schlank realisieren lassen. Eine Möglichkeit ist SAP Predictive Asset Insights (SAP PAI), ehemals SAP Predictive Maintenance & Service (SAP PdMS). Die Lösung ist als On-Premise- und als Cloud-Variante verfügbar.
Die Kernfunktionen im Überblick:
- Darstellung des Gesundheitszustands von Assets mit Drill-down auf Komponentenlevel · Vorkonfigurierter Machine-Learning-Content für technische Anlagen
- Derived-Signals-Management zum Beispiel über KPIs, Alerts und Health Scores.
- 2D- und 3D-Charts sowie Kartenansichten
- Closed-Loop-Integration in die Instandhaltungs- und Serviceprozesse
- Volle Flexibilität beim Laden und Speichern der Maschinendaten
- Software Development Kit (SDK), um die bestehende Lösung mit kundenspezifischen Algorithmen und Benutzeroberflächen zu erweitern
- Fingerprint-Management: Ein visueller Ansatz zur Erfassung von Referenzzuständen von Assets. Wird für den visuellen Vergleich mit der aktuellen Betriebsleistung verwendet.
- IndicatorForecasting: Berechnung und Visualisierung von Indikatortrends, um Entscheidungen über Wartung und Zuverlässigkeit zu treffen.
- Advanced Rules-based Alert Creation: Maschinelles Lernen, um den Gesundheitszustand von Anlagen zu berechnen und Ausfälle vorherzusagen.
- LeadingIndicator Analysis: Maschinelles Lernen, um die wirkungsvollsten Indikatoren zu identifizieren, die zu Ausfallereignissen oder bestimmten Fehlermodi führen.
- Failure Mode Analytics (Schadensbild Analyse): Nutzt maschinelles Lernen, um KPIs zu dokumentierte Fehlermodi zu generieren.
- FailureCurve Analytics (Ausfallkurvenanalyse): Ermittlung der Restnutzungsdauer und Visualisierung von Ausfallkurven mittels Weibullverteilung u. IH-Meldungen.
