June 21, 2021 · 5 min read
English version here.
In unserem vorherigen Artikel haben wir bereits verschiedene Wartungsstrategien beschrieben, wodurch Maschinen bestmöglich kontrolliert werden können. Eine dieser Strategien ist Predictive Maintenance, die dazu beitragen kann, Wartungsverfahren effizient zu planen und Maschinen und Prozesse zu optimieren. Predictive Maintenance hat viele Vorteile, wie beispielsweise Effizienzsteigerungen im gesamten Produktionsprozess, Kostensenkungen und sogar positive Umweltauswirkungen. Die Strategie kann aber auch einige Nachteile mit sich bringen: Die Einführung kann unter Umständen sehr kostspielig und zeitaufwändig werden und könnte einen Effekt auf andere Unternehmensbereiche haben. Das bedeutet konkret, dass Produktions-, Wartungsmanager und CIOs, die Predictive Maintenance einführen möchten, auf Widerstand stoßen könnten.
Um Widerstand bereits in der Anfangsphase vorzubeugen, sollte klar vermittelt werden, dass es sich bei Predictive Maintenance nicht um ein Wundermittel für alle Wartungsarbeiten handelt und dass für die Umsetzung keinerlei Änderungen im Rest der Fabrikanlage vorgenommen werden müssen. Daneben sollten zudem die positiven Ergebnisse benannt werden, die die unterschiedlichen Wartungsstrategien auf die Organisation haben können.
Eine Möglichkeit besteht beispielsweise darin, diejenigen Maschinen zu benennen, auf die sich die neue Wartungsstrategie positiv auswirkt und den Grad dieser Auswirkungen genau zu ermitteln. Eine häufig genutzte Methode hierzu ist die Kritikalitätsanalyse zur Gerätepriorisierung. Durch das Ranking der Anlagen anhand ihrer Wichtigkeit kann eine Roadmap für die Umsetzung der neuen Wartungsstrategie erstellt werden.
Was genau bedeutet Gerätekritikalität?
Die Idee hinter der Kritikalitätsanalyse besteht darin, eine Analyse der Fabrikanlagen durchzuführen, um die Betriebsrisiken besser einschätzen zu können, die mit jeder Maschine einhergehen. Solch eine Analyse ist nicht einfach, da es hierfür keinen standardisierten Prozess gibt, an den man sich halten könnte.
Dies liegt vor allem daran, dass sich ein Risiko immer auf ein bestimmtes Ereignis und nicht auf einen Gegenstand bezieht. Der schwierige Teil der Berechnung besteht somit darin, die Auswirkungen von Ereignissen in eine Geräte-Risikoanalyse umzuformen. Um dies zu erreichen, kann man entweder den Risikomatrizen des Unternehmens folgen oder auf Auswirkungsanalysen zurückgreifen, wie beispielsweise der Failure Mode Effects and Criticality Analysis (FMECA), um Ursache und Effekt von Maschinenausfall bereits in der Planungsphase zu ermitteln.
Methode 1: Ein intuitiver Ansatz zur Gerätekritikalität
Der erste Schritt bei der Kritikalitätsanalyse besteht darin, Menschen aus verschiedenen Abteilungen des Unternehmens zusammenzubringen und sich auf Risikomatrizen zu einigen. Die Einführung von verschiedenen Perspektiven kann erheblich zum allgemeinen Verständnis des Problems beitragen und hilft ebenfalls dabei, Risiken richtig zu priorisieren. Ein Beispiel: Ein Maschinenausfall, der nicht allzu tragisch aus einer unternehmerischen Perspektive erscheint, könnte aus technischer Sicht schwerwiegende Folgen für das Unternehmen haben.
Wie bereits erwähnt, beziehen sich Risiken immer auf Ereignisse; wenn es um Maschinen geht, beziehen sich diese Ereignisse auf Maschinenausfälle. Problematisch an dieser Vorgehensweise ist jedoch, dass Maschinen auf viele verschiedene Arten versagen können. Um die Analyse nicht zu überkomplizieren, empfehlen daher einige Experten, nur ein Ereignis für jedes Gerät zu betrachten: Hierbei handelt es sich um das Maximum Reasonable Outcome (MRO). Das MRO ist ein Ereignis, das mit einer hohen Wahrscheinlichkeit auftritt und starke negative Auswirkungen mit sich bringt. Diese Art von Ereignis verdeutlicht, warum eine Kritikalitätsanalyse auf Unternehmensebene durchgeführt werden sollte und warum es so wichtig ist, die Risikomatrizen im Vorhinein zu vereinbaren. Da es so viele verschiedene Arten von Risiken gibt, insbesondere Gesundheits-, Sicherheits-, Umwelt- und Produktionsrisiken, weisen Experten darauf hin, dass nur das jeweilige Risiko berücksichtigt werden sollte, das die negativsten Auswirkungen mit sich bringt.
Als Ergebnis dieses Prozesses, der mögliche Fehlerquellen ergründet und priorisiert, sollte eine Risikoprioritätsnummer (RPN) stehen, damit das Risiko der jeweiligen Geräte miteinander verglichen werden kann. Wenn nur eine Art des Risikos in Betracht gezogen wird, ist der häufigste Ansatz für die RPN eine 6x6-Matrix, die die Wahrscheinlichkeit des Ausfalls als Funktion auf der y-Achse und die Auswirkungen auf der x-Achse darstellt. 1 würde einen Fehler darstellen, der unwahrscheinlich ist und darüber hinaus keinerlei Auswirkungen hat, während 36 ein Ereignis wäre, das sehr wahrscheinlich auftritt und schwere Folgen hätte (siehe Bild 1).
Durch die Durchführung dieses Prozesses für jedes Gerät können Sie die RPNs in verschiedene Gruppen zusammenfassen und ein Ranking der Anlagen entsprechend ihrer Kritikalität zusammenstellen.
Methode 2: Der FME(C)A Ansatz
Eine andere Möglichkeit, die Kritikalitätsanalyse anzugehen, ist die Verwendung der Fehlermöglichkeits- und -einflussanalyse. Diese Methodik wurde in den 1940er Jahren vom US-Militär entwickelt, und bereits in den 1960er Jahren in vielen verschiedenen Branchen eingesetzt. Das Ziel dieser Methodik besteht nicht darin, festzustellen, wie wichtig eine Maschine ist, sondern zu betrachten, wie und warum eine Maschine ausfallen kann und wie die Folgen verringert werden können.
Die FMECA enthält auch eine Kritikalitätsanalyse, die die Wahrscheinlichkeit des Auftretens sowie die Ausfallfolgen unter Berücksichtigung der Dormancy Time berechnet. Die Dormancy Time steht mit der Variable „Detection“ in Verbindung, die angibt, wie wahrscheinlich der Fehler erkannt wird. Diese wird auf einer Skala von 1 bis 6 bewertet, wobei 1 eine sehr hohe Erkennungswahrscheinlichkeit bedeutet, während 6 eine sehr geringe Wahrscheinlichkeit vorhersagt.
Die FMECA erfordert viele Ressourcen und ist wesentlich zeitaufwändiger als die vorhergehende Methode. Während einige Resultate, wie beispielsweise die Einbeziehung der RPN, gleich sind, kann die Menge an Details, mit der jede Analyse durchgeführt wird, sehr stark variieren. Weitere Variablen, die hinzugefügt werden können, sind unter anderem Redundanz, Auslastung und Alter der Maschine. Das primäre Ergebnis der Analyse ist jedoch immer eine Liste von Empfehlungen, wie Maschinenausfälle verringert werden können.
Gerätekritikalität: Ihr Wegweiser für Wartungsstrategien
Beide der zuvor genannten Methoden können als Wegweiser zur Auswahl der richtigen Wartungsstrategie für jede einzelne Maschine dienen. Die Kritikalitätsanalyse kann Ihnen dabei helfen, die Anzahl der Ersatzteile besser zu bestimmen, zukünftige Upgrades und Ersetzungen zu priorisieren und Ihnen einen klaren Überblick darüber verschaffen, welche Wartungsstrategie für jedes einzelne Gerät am besten funktioniert.
Mehr Zuverlässigkeit kann unter Umständen sehr teuer und zeitaufwändig werden. Dies macht Berechnungen wie den ROI und die Gerätekritikalität unabdingbar. Wenn eine Maschine hierbei eine sehr hohe Punktzahl erreicht, bedeutet dies, dass die gesamte Fabrik durch die Fehler negativ beeinflusst wird und einen hohen Schaden nimmt. In solchen Fällen sollte eine kontinuierliche Überwachung Effizienzsteigerungen mit sich bringen und ungeplante Produktionsausfälle bestmöglich verhindern. Für ein weniger kritisches Element ist ein reaktiver Wartungsansatz möglicherweise ausreichend. Alle möglichen Wartungsstrategien können hier eingesehen werden.
Während Predictive Maintenance traditionell viel Zeit und Geld zur Umsetzung erfordert, kann das AiSight-Sensor-Kit hier Abhilfe schaffen und Ihr Equipment einfach und kostengünstig am Laufen halten. Die fortschrittlichen Analysetools unserer Sensoren sind bereits ab einer kleinen monatlichen Gebühr erhältlich. Die Installation des AiSight-Sensors dauert nur 5 Minuten, während die Kalibrierung nur wenige Stunden beansprucht. Sobald die Sensoren eingerichtet wurden, kann die Zuverlässigkeit der Maschinen verbessert werden, selbst ohne zeitaufwändige Priorisierungen vornehmen zu müssen. Wenn Sie mehr darüber erfahren möchten, welche Maschinen mit unserer Lösung kompatibel sind, klicken Sie einfach hier.
© 2021 AiSight GmbH. Alle Rechte vorbehalten.
Telefon: +49 (0) 30 40363399
Website: https://aisight.de
