Predictive Maintenance Effizientere Instandhaltung durch die Verknüpfung von IT/OT-Daten

Transkript

1 Predictive Maintenance Effizientere Instandhaltung durch die Verknüpfung von IT/OT-Daten Klaus Vogelgesang / Custom Development & Strategic Projects SAP SE SAP-Forum für die Versorgungswirtschaft, November 2014, Essen Public

2 Disclaimer The information in this document is confidential and proprietary to SAP and may not be disclosed without the permission of SAP. This document is not subject to your license agreement or any other service or subscription agreement with SAP. SAP has no obligation to pursue any course of business outlined in this document or any related presentation, or to develop or release any functionality mentioned therein. This document, or any related presentation and SAP's strategy and possible future developments, products and or platforms directions and functionality are all subject to change and may be changed by SAP at any time for any reason without notice. The information on this document is not a commitment, promise or legal obligation to deliver any material, code or functionality. This document is provided without a warranty of any kind, either express or implied, including but not limited to, the implied warranties of merchantability, fitness for a particular purpose, or non-infringement. This document is for informational purposes and may not be incorporated into a contract. SAP assumes no responsibility for errors or omissions in this document, except if such damages were caused by SAP intentionally or grossly negligent. All forward-looking statements are subject to various risks and uncertainties that could cause actual results to differ materially from expectations. Readers are cautioned not to place undue reliance on these forward-looking statements, which speak only as of their dates, and they should not be relied upon in making purchasing decisions SAP SE or an SAP affiliate company. All rights reserved. Public 2

4 Predictive Maintenance Solution Definition

5 Predictive Maintenance Definition Predictive Maintenance Techniken helfen, den Zustand von in Service befindlichen Equipments festzustellen, um vorherzusagen, wann eine Wartung durchgeführt werden sollte. Dieser Ansatz bietet enorme Kostenvorteile gegenüber Routine- oder vorbeugender Wartung bzw. Instandhaltung, da Aufgaben nur bei Bedarf durchgeführt werden. Der Hauptvorteil von Predictive Maintenance ist es, eine akkurate Planung der Instandsetzung zu ermöglichen um so unerwartete Geräteausfälle zu verhindern. Eine wesentliche Voraussetzung dabei ist es die die richtigen Informationen zur richtigen Zeit zur Verfügung zu haben. (Wikipedia) 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 5

6 Why predictive now? Gestiegenes Interesse seitens des Business Gestiegener Informationsgehalt von Daten (Big Data) Technologische Innovation Heute wissen die Nutzer genau was in der Vergangenheit passiert ist und fragen was wird wahrscheinlich als nächstes passieren Explodierende Datenvolumina Steigende Datenvielfalt Parallele Verarbeitung, schnellere Prozessoren und Speichertechnologien reduzieren Zeit und Kosten der Datenverarbeitung 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 6

7 Predictive Maintenance Umsetzbare Erkenntnisse für Business-Anwender Profitability Liquidity 360 Transparency Product Reliability Product Improvement Customer Service Predictive Analytics Emerging Issues What-if Analysis Machine Health Prediction Spare Parts OEM Dealer Service Owner/Operator R&D Warranty Sales Service Fleet Operator Wie kann ich die Zuverlässigkeit und Betriebszeit meiner Produkte verbessern? "Welche Service Level sollen wir zur Verfügung stellen?" "Wie kann ich meine Kundenzufriedenheit und Kundenbindung erhöhen?" "Wie kann ich den besten Service zum richtigen Zeitpunkt bereitstellen?" "Wie kann ich Serviceund Betriebskosten reduzieren?" "Wie kann ich die Fahrweise verbessern, sicherer Betrieb bei gleichzeitig geringem Energieverbrauch?" 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 7

8 Predictive Maintenance Vorteile für Anbieter und Anwender Predictive Maintenance bietet neue Chancen und Wettbewerbsvorteile für Anbieter Nutzung der Instandhaltung als strategisches Mittel Predictive Maintenance als Differenzierungsmerkmal im Wettbewerb Erhöhung der Kundenzufriedenheit durch höhere Maschinenverfügbarkeit Bessere Kundenbindung durch einen verbesserten After-Sales-Service Optimierter Ressourceneinsatz in der Durchführung und Ersatzteil-Logistik und Anwender Kostensenkungspotentiale Verzögerungsfreie Auftragsabwicklung Reduzierung ungeplanter Stillstände und Ausfallkosten Verlängerung der Nutzungsdauer 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 8

9 Vorhersage ist im Grunde ein dreistufiges Verfahren Historische Daten Vorhersagemodell Aktuelle Daten Historische Daten werden verwendet, um die Beziehungen zwischen Maschinensensordaten und Ereignissen erlernen Das Erlernte wird verwendet um Vorhersagemodelle zu erstellen Die Modelle werden auf aktuelle Daten angewendet um Ereignisse vorherzusagen 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 9

10 Predictive Maintenance & Service High-Level Überblick über Daten- und Informationsfluss Maschinendaten (OT) Sensormessungen Geodaten Diagnosen (DTC) Events Performance-Metriken. Business Daten (IT) Verkaufsbelege Garantieinformationen Instandhaltungs- / Servicehistorie Kundendaten Technische Stammdaten Produktionsdaten Kostenaufstellungen. Andere Datenquellen Strukturierte und unstrukturierte Daten z.b. Texte, Social Media, Wettervorhersagen Portale und Mobile Applikationen für Händler Kunden und Service Techniker Auslösen von Geschäftsprozessen (Service, Instandhaltung, Konstruktion, ) R&D Engineer Service Coordinator Account Manager Asset Manager Warranty Manager Analytical Expert 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 10

11 Predictive Maintenance Customer Co-Innovation Programm

12 Co-Innovation: Design Thinking und Data Mining Der Co-Innovationsansatz für Predictive Maintenance & Service verbindet Best Practices aus Data Mining mit dem Design Thinking Konzept für die Definition von neuen Softwarelösungen. Design Thinking gleicht ausdrücklich Erwünschtheit (Markt-/Kundenanforderungen) und technische Machbarkeit (Datenanalyse) miteinander ab, um eine solide Entscheidungsgrundlage für die Erstellung einer Standardsoftware zu schaffen. Exploration Data Fusion Modeling Evaluation Create unified data model! Search for pattern and rules! Get ready for coinnovation! Analyse and present results! Observe & Ideate Prototype & Test User`s point of View! Sketch of potential solution! Start 1st month 2nd month 3rd month 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 12

13 Predictive Maintenance Auswahl von Co-Innovationsprojekten 2013/14 Industrie Region Umfang Automotive Automotive Farm Equipment Farm Equipment Manufacturing Manufacturing Chemicals Utilities DE DE, US US DE DE DE DE US Frühzeitiges Erkennen von Verbesserungspotentialen an einzelnen Teilen auf Basis von Fahrzeugtestergebnissen in Forschung und Entwicklung Vorhersage des Fahrzeugzustands zur besseren Serviceplanung und Erhöhung der Kundenzufriedenheit auf Basis von Business Daten und Fahrzeug-Telemetrie-Daten Früherkennung von Anomalien im Maschinenzustand zur Verbesserung der Produktqualität und Fehlervorhersage zur Reduzierung von Ausfallzeiten auf Basis von Business Daten und Fahrzeug-Telemetrie-Daten Identifikation und Priorisierung von Maschinenausfallmustern zur Verbesserung der Produktqualität auf Basis von Businessdaten und Sensordaten der Fahrzeuge Vorhersage des Maschinenzustands um die Kosten für die Servicebereitstellung zu reduzieren und gleichzeitig eine hohe Maschinenverfügbarkeit zu gewährleisten Identifikation eines sog. Fingerprint auf Basis von Vibrationsmessungen die den Referenzzustand (Verschleiß) einer Maschine beschreiben. Anschließende Integration der Vibrationsanalysen in ein Remote Monitoring zur massenhaften Überwachung des Maschinenzustandes Zum Aufdecken von Fehler Hot-Spots und wiederkehrenden Fehlermustern wurden 6,2 Milliarden Messpunkte einer chemischen Anlage mit Servicemeldungen aus SAP ERP miteinander verknüpft und in SAP HANA geladen Zustandsanalyse, Lebensdauervorhersage inkl. Ausfallwahrscheinlichkeit für Transformatorstationen auf Basis von SAP ERP Daten, GIS- und Sensordaten 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 13

14 Predictive Maintenance Wann liefert Predictive Maintenance auf Basis von SAP HANA Mehrwert? Hohes Datenvolumen (OT) Hoher Wert der betrachteten Produkte/Assets Hohe Komplexität der betrachteten Produkte/Assets Hoher Instanthaltungsaufwand Hohe Kosten bzw. negative Auswirkungen im Falle eines Anlagenausfalls Lange Nutzungsdauern der Assets/Produkte Hohe Anzahl der Nutzer von Zustandsberichten, Meldungen und Alarmen Infrastruktur für Daten Akquisition bereits vorhanden Standardisiertes Datenmodell Standardisierte Prediction Rules Kurze Reaktionszeiten sind entscheidend für Berichte, Warnungen und Benachrichtigungen 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 14

15 Predictive Maintenance HANA als Solution Plattform

16 SAP HANA Predictive Ecosystem SAP Predictive Analysis SAP Infinite Insight Neue SAP- und kundenspezifische Lösungen Business Intelligence Clients SAP HANA Platform SAP HANA Studio with Application Function Modeler (AFM) Predictive Analysis Library (PAL) R Integration for SAP HANA R Daten Vorverarbeitung, Daten laden (ETL) SAP Data Services, Information Composer, SLT, DXC, Hadoop 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 16

17 Zeitreihendaten in SAP HANA Business Applications Analytics Tools SQL Interface Time Series Data Storage Time Time Series Series Data Core Platform Services in HANA Time Series Analysis Zeitreihen Speicher Flexieble Zeitreihendefinition (equidistant, non-equidistant, interval, instant, sparse, non-sparse, multivariate Zeitreihen) Effiziente scalierbare Speicherung (z.b. Datenkompression für Zeitstempel, Integration von Nearline Stores) Zeitreihen Core Services Volle SQL Unterstützung Versionierung Aggregation und Disaggregation Ersatzwertbildung HANA Studio Data Import Tools Zeitreihen Analyse Outlier Detection Auto-Correlation Exponential Smoothing Linear Regression 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 17

18 SAP HANA Geo-Daten Support SAP HANA XS HTML5 Anwendungen ipad/ Browser Möglichkeiten SAP HANA Geo-Anwendungs-Entwicklungskomponenten beinhalten: Location Services (on-premises or cloud), Geo- Content, Anwendungsoberflächen, Services Erlaubt Visualisierung, Interaktion und Untersuchung von GeoDaten in SAP HANA via Karten Unterstützt HTML5 Installationen für Browser oder ipad Benutzt SAP HANA Modelle Spatial Engine Geocontent SAP HANA Maps Geocoding Services Location Services 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 18

19 SAP HANA Predictive Analysis Library (PAL) Association Analysis Apriori Apriori Lite FP-Growth Classification Analysis CART Decision Tree Analysis C4.5 Decision Tree Analysis CHAID Decision Tree Analysis K Nearest Neighbour Naïve Bayes Support Vector Machines Regression Analysis Multiple Linear Regression Exponential Regression Polynomial Regression Bi-Variate Geometric Regression Bi-Variate Logarithmic Regression Logistic Regression Cluster Analysis ABC Classification DBSCAN K-Means K-Medoid Kohonen Self Organized Maps Hierarchical Agglomeration Affinity Propagation Time Series Analysis Single Exponential Smoothing Double Exponential Smoothing Triple Exponential Smoothing Optimal Smoothing ARIMA Probability Distributions Distribution Fit Probability Distribution Function Quantile Function Outlier Detection IQR Test (Tukey s Test) Variance Test Anomaly Detection Link Prediction Common Neighbours Jaccard s Coefficient Adamic/Adar Katzβ Data Preparation Sampling Random Distribution Sampling Binning Scaling Partitioning Statistics Functions (Univariate) Mean, Median, Variance, S.D. Kurtosis Skewness Statistics Functions (Multivariate) Covariance Matrix Pearson Correlation Matrix Chi-Squared Tests: - Test of Quality of Fit - Test of Independence F-Test (Variance Equal Test) Other Weighted Scores Table Substitute Missing Values 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 19

20 Predictive Maintenance and Services on SAP HANA Software Architektur SAP Predictive Analysis SAP InfiniteInsight SAP Lumira HANA Studio SAP Client Tools PdMS Screens R-Machine R-Engine monitor OT Daten Anlagen Maschinen Fahrzeuge Flugzeuge SAP ESP (Event Stream Processing) Data Services (Bulk upload) Machine Data SAP HANA Platform für Predictive Maintenance Emerging Issues Predictive Maintenance Machine Health Analytics PdMS Foundation Automated Prognosis IT/OT Integration UI Components Analysis Table Advanced Analytical Capabilities Text Analysis Rules Engine Predictive Analytics Library R-Integration. Data Management Time Series Geospatial Elastic Storage predict create actionable insights Business Data Actionable Insights IT Daten (ERP/CRM) Service Management Verkaufsabwicklung Gewährleistungsmanagement Produkt-/Anlagenstruktur Ersatzteilplanung Transportplanung SAP IQ Daten Historie 2014 SAP SE or an SAP affiliate company. All rights reserved. Public 20

22 2014 SAP SE oder ein SAP-Konzernunternehmen. Alle Rechte vorbehalten. Weitergabe und Vervielfältigung dieser Publikation oder von Teilen daraus sind, zu welchem Zweck und in welcher Form auch immer, ohne die ausdrückliche schriftliche Genehmigung durch SAP SE oder ein SAP-Konzernunternehmen nicht gestattet. SAP und andere in diesem Dokument erwähnte Produkte und Dienstleistungen von SAP sowie die dazugehörigen Logos sind Marken oder eingetragene Marken der SAP SE (oder von einem SAP-Konzernunternehmen) in Deutschland und verschiedenen anderen Ländern weltweit. Weitere Hinweise und Informationen zum Markenrecht finden Sie unter Die von SAP SE oder deren Vertriebsfirmen angebotenen Softwareprodukte können Softwarekomponenten auch anderer Softwarehersteller enthalten. Produkte können länderspezifische Unterschiede aufweisen. Die vorliegenden Unterlagen werden von der SAP SE oder einem SAP-Konzernunternehmen bereitgestellt und dienen ausschließlich zu Informations-zwecken. Die SAP SE oder ihre Konzernunternehmen übernehmen keinerlei Haftung oder Gewährleistung für Fehler oder Unvollständigkeiten in dieser Publikation. Die SAP SE oder ein SAP-Konzernunternehmen steht lediglich für Produkte und Dienstleistungen nach der Maßgabe ein, die in der Vereinbarung über die jeweiligen Produkte und Dienstleistungen ausdrücklich geregelt ist. Keine der hierin enthaltenen Informationen ist als zusätzliche Garantie zu interpretieren. Insbesondere sind die SAP SE oder ihre Konzernunternehmen in keiner Weise verpflichtet, in dieser Publikation oder einer zugehörigen Präsentation dargestellte Geschäftsabläufe zu verfolgen oder hierin wiedergegebene Funktionen zu entwickeln oder zu veröffentlichen. Diese Publikation oder eine zugehörige Präsentation, die Strategie und etwaige künftige Entwicklungen, Produkte und/oder Plattformen der SAP SE oder ihrer Konzernunternehmen können von der SAP SE oder ihren Konzernunternehmen jederzeit und ohne Angabe von Gründen unangekündigt geändert werden. Die in dieser Publikation enthaltenen Informationen stellen keine Zusage, kein Versprechen und keine rechtliche Verpflichtung zur Lieferung von Material, Code oder Funktionen dar. Sämtliche vorausschauenden Aussagen unterliegen unterschiedlichen Risiken und Unsicherheiten, durch die die tatsächlichen Ergebnisse von den Erwartungen abweichen können. Die vorausschauenden Aussagen geben die Sicht zu dem Zeitpunkt wieder, zu dem sie getätigt wurden. Dem Leser wird empfohlen, diesen Aussagen kein übertriebenes Vertrauen zu schenken und sich bei Kaufentscheidungen nicht auf sie zu stützen SAP SE or an SAP affiliate company. All rights reserved. Public 22