Maschinen reparieren bevor sie kaputt gehen
Predictive Maintenance mit Cloud-Based WebAccess
Bei Industrie 4.0 oder Industrial Internet of Things (IIoT) denken viele unweigerlich an vernetze Maschinenparks und eine vollautomatisierte Produktion. Das größte Potential der vernetzen Maschinen bietet aber die Möglichkeit die Instandhaltung der Maschinen aktiv planen und gestalten zu können. Der folgende Beitrag erläutert die Unterschiede zwischen Reactive, Preventive und Predictive Maintenance und stellt die dazu passende Lösung WebAccess von Advantech kurz vor.
Bild: Advantech Europe B.V.Heute repariert man Maschinen nicht mehr wenn, sondern bevor sie kaputt gehen. Um die Instandhaltung aller Maschinen oder allgemein gesagt technischen Geräten sicherzustellen, wurde bislang auf regelmäßige Wartung und Inspektionen gesetzt. Im Zeitalter von IIoT helfen technische Vorkehrungsmaßnahmen die Ausfallzeiten planbar und somit kalkulierbar zu gestalten - oder auf Englisch: Predictive Maintenance. Obwohl die Industrie immer digitaler wird, sind Maschinen und Geräte unabdingbar für die Produktion von Gütern. Auch zukünftig werden diese vor Ort gewartet oder repariert. Die Optimierung der Ausfallzeiten entwickelt sich zu einem wettbewerbsrelevanten Faktor.
Bild: Advantech Europe B.V.Die Unterschiede zwischen Reactive, Preventive und Predictive Maintenance
Bei Reactive Maintenance erfolgt eine Wartung oder besser eine Reparatur erst bei Ausfall. Hingegen erfolgt bei Preventive Maintenance eine vorbeugende Wartung ohne fundierte Erkenntnis des Maschinenzustandes aufgrund von Fakten. Predictive Maintenance basiert hingegen auf Maschinendaten und deren Analysen. Sensoren an der Maschine erheben den Echtzeitzustand und gleichen diesen mit den historischen Daten ab. Die Herausforderung von Predictive Maintenance im Allgemeinen ist das Ziehen der richtigen Schlüsse aus den generierten Daten. Damit dies gelingt, müssen zunächst die richtigen Prozessparameter identifiziert werden, die für die Qualität des Endproduktes tatsächlich relevant sind. Dabei sind die richtigen Schlüsse nicht immer auf den ersten Blick ersichtlich. Muster aus einem Datensatz zu extrahieren und verborgene Relationen vorherzusagen bedarf Data Science und nicht zuletzt erfahrene Spezialisten.
Predictive-Maintenance-Prozess: Erfassen, Bewerten und Vorhersagen
Grundlage für Predictive Maintenance - die vorausschauende Wartung - ist das Erfassen von Maschinen- und Prozessdaten aus der laufenden Produktion. Durch das Vernetzen der Produktions- und Maschinenanlagen wird aus dem Unternehmen eine Smart Factory. Der zweite Schritt ist das Bewerten und Analysieren der erhobenen Daten. Schlussendlich erfolgt durch das Vorhersagen der wahrscheinlichen Ereignisse das Predictive Maintenance. Das Konzept und die Vorgehensweise sind nicht neu. Der Einsatz von WebAccess bietet jedoch zahlreiche Neuheiten und Vorteile für den Anwender. WebAccess, eine Software von Advantech, ist die zentrale Plattform von Advantechs IIoT-Lösungen. Die Webbrowser basierte HMI/ Scada-Software beinhaltet Funktionen wie Excel-Berichte, Fernbedienung von Geräten, animierte Grafikdarstellungen, Echtzeitdaten, Trends, Alarme und Logs. Das HTML5-basierte Dashboard bietet plattform- und browserübergreifend Datenzugriff und Bedienmöglichkeiten für den Anwender. Die große Flexibilität, Nutzerfreundlichkeit und Konnektivität mit anderen Systemen ist der große Vorteil von Advantech WebAccess.
Bild: Advantech Europe B.V.Big Data - die Datenbank in der Cloud strukturieren
Bei dem Cloud-basierten Vorhersagemodell von WebAccess werden die großen Datenmengen der vernetzten Maschinen und Geräte in Frameworks wie beispielsweise Hadoop oder HANA gespeichert. Der Vergleich der historischen und Echtzeitdaten weist auf zukünftige Entwicklungen hin. Durch gezielte Aktionen aufgrund der Analysen sind Anwender in der Lage Betriebskosten zu senken und frühzeitig über Wartung und Instandhaltung der Maschinen zu informieren. Eine strukturierte Aufarbeitung und Bereinigung der Big Data ist immens wichtig um Analysen aus den Daten abzuleiten. Daten von unterschiedlichen Industrien oder Maschinen haben einzigartige Charakteristiken, so wie verschiedene Datentypen unterschiedliche Erhebungsverfahren haben. Beispielsweise besitzen ordinale Datentypen eine natürliche und strukturierte Ordnung, wobei nominale Datentypen eine Reihe von Kategorien ohne natürliche Anordnung vorweisen.
Visualisierung und Integration
Der Vorteil von Advantech WebAccess ist die gute Datenvisualisierung und Integration von Services wie beispielsweise Erinnerungen für Prozessanpassungen oder Instandhaltungen. Diese wichtigen Informationen versetzen den Anwender in die Lage, eine bessere Planungsgrundlage zu besitzen. Außerdem verfügt WebAccess über eine umfangreiche Flexibilität für die Verbindung von Geräten, Informationen und Services auf beliebigen Plattformen durch Open Interfaces. Vorhandene Vorhersagemodule wie beispielsweise Microsoft Azure ML Predictive Maintenance Template und IBM SPSS Modeler lassen sich ebenfalls in WebAccess integrieren.
Steigerung der Produktivität als Resultat
Predictive Maintenance versetzt die Anwender und Verantwortlichen heute in die Lage Entscheidungen aufgrund fundierter Echtzeitanalysen zu treffen, die früher nur mit enormen Aufwand möglich waren. In der Konsequenz führt das dazu, dass beispielsweise Werkzeuge seltener ausgetauscht werden als früher. Bei Auffälligkeiten können Prozessanpassungen frühzeitig und gezielt implementiert werden was folglich zu einer Steigerung der Produktivität führt.
Bild: Advantech Europe B.V.Die Unterschiede zwischen Reactive, Preventive und Predictive Maintenance
Bei Reactive Maintenance erfolgt eine Wartung oder besser eine Reparatur erst bei Ausfall. Hingegen erfolgt bei Preventive Maintenance eine vorbeugende Wartung ohne fundierte Erkenntnis des Maschinenzustandes aufgrund von Fakten. Predictive Maintenance basiert hingegen auf Maschinendaten und deren Analysen. Sensoren an der Maschine erheben den Echtzeitzustand und gleichen diesen mit den historischen Daten ab. Die Herausforderung von Predictive Maintenance im Allgemeinen ist das Ziehen der richtigen Schlüsse aus den generierten Daten. Damit dies gelingt, müssen zunächst die richtigen Prozessparameter identifiziert werden, die für die Qualität des Endproduktes tatsächlich relevant sind. Dabei sind die richtigen Schlüsse nicht immer auf den ersten Blick ersichtlich. Muster aus einem Datensatz zu extrahieren und verborgene Relationen vorherzusagen bedarf Data Science und nicht zuletzt erfahrene Spezialisten.
Advantech Europe BV
Dieser Artikel erschien in SPS-MAGAZIN 4 2017 - 27.03.17.Für weitere Artikel besuchen Sie www.sps-magazin.de
