Einfacher und effektiver Einstieg in die Datenanalyse in der Smart Maintenance

Transkript

1 Einfacher und effektiver Einstieg in die Datenanalyse in der Smart Maintenance Science Center der maintenance 2018 in Dortmund

2 In diesem Vortrag untersuchen wir die folgenden Fragen: Was bedeutet Smart Maintenance? Wie sieht die Architektur für Smart Maintenance aus? Wie kann man Datenanalysen einfach durchführen? Wie nutzt man die Ergebnisse organisatorisch? 2

3 Smart Maintenance Was bedeutet Smart Maintenance? 3

4 Die Grundaufgabe der Instandhaltung Halte es verfügbar (immer, wenn es gebraucht wird) Sei nicht zu teuer (was auch immer teuer bedeutet) 4

5 Das Grundwissen der Instandhaltung Ich weiß, wo es steht Ich finde heraus, was kaputt ist Ich weiß, wie ich es reparieren kann Ich repariere es Ich tue etwas, damit es länger hält 5

6 Smart Maintenance unterstützt diese Punkte durch IT Wo ist es? Wann passiert etwas? Was tue ich, wenn etwas passiert? Was kann ich tun, damit es nicht passiert? Wie mache ich das möglichst wirtschaftlich? 6

7 Smart Maintenance Wie sieht die Architektur für Smart Maintenance aus? 7

8 Die IT-Architektur soll die reale Welt abbilden und die Daten der Anlage für die Anwender nutzbar machen Die reale Welt Der Datenaustausch Die Datennutzung 8

9 Kombiniert man die einzelnen Bausteine, entsteht ein digitaler Zwilling der Anlage Sicherheit IIoT-Plattform Sensorik Übertragung Modell Analyse Speicher Archiv Agenten Anweisungen 9

10 Die Datengewinnung in technischen Anlagen wird ständig einfacher übestehende Prozessleitsysteme und Steuerungen haben offene Schnittstellen üüberwachung und Konnektivität gehören zum Standardlieferumfang von Equipments üwirtschaftlichkeit und Leistungsfähigkeit von Sensorik steigt ständig an ütechnologie der Datenübertragung in der Fabrik wird immer einfacher zugänglich Smart Sensors Smart Facilities Condition Monitoring Smart Logistic Prozessleitsystem 10

11 Smart Maintenance Wie kann man Datenanalysen einfach durchführen? 11

12 Es gibt verschiedene Möglichkeiten zur Modellbildung A Priori (White Box) Empirisch (Black Box) Stochastisch Wann ist welches Verfahren sinnvoll? Deterministisch 12

13 A Priori (White Box) Modell aus Hypothesen Empirisch (Black Box) Modell aus tatsächlichen Daten Theoretische Annahmen über Zusammenhänge Modellbildung und Überprüfung an der Wirklichkeit Entwicklung Datenmodell rein aus den Daten der Anlage Ableitung der theoretischen Zusammenhänge aus dem Modell Erkenntnis aus der Theorie Erkenntnis direkt aus Daten 13

14 Stochastisch Deterministisch Der einzelne Ausgang eines Vorgangs ist nicht vorhersagbar Aber auf lange Sicht ist die Struktur sehr vieler Ereignisse absehbar Die Kausalität kann als Ursache und Wirkung ausgedrückt werden Der einzelne Vorgang ist beschreibbar 14

15 Auch wenn Anlagen und Instandhaltung sehr komplex sind, verhalten sie sich meistens deterministisch Eindeutige Ursachen und Wirkungen (deterministische Systeme) Häufig nichtlineare Zusammenhänge und Rückkopplungen Viele Einflussgrößen (multivariate Probleme) Häufig zeitliche Veränderung (hohe Komplexität) Technische Anlagen => deterministische Datenmodelle! 15

16 Neuronale Netze sind in der Lage, für eine technische Anlage ein passendes Datenmodell zu finden üeindeutige Ursachen und Wirkungen (deterministische Systeme) ühäufig nichtlineare Zusammenhänge und Rückkopplungen üviele Einflussgrößen (multivariate Probleme) ühäufig zeitliche Veränderung (hohe Komplexität) Technische Anlagen => Einsatz Neuronaler Netze (nicht Statistik)! 16

17 Smart Maintenance Wie nutzt man die Ergebnisse organisatorisch? 17

18 Ein Beispiel für einen Technik/IT-Dienstleister in einem Industriepark Technik und IT teilen sich die Verantwortlichkeiten auf und erbringen die Smart-Maintenance- Leistungen gemeinsam aus einer Hand. 18

19 Die Nutzung der Data-Analytics sollte auf die Anforderungen der Kunden abgestimmt sein Steigerung der Verfügbarkeit in der Produktion Absolute Senkung der Instandhaltungskosten Automatische präventive Ausfallüberwachung, Anpassung der Zyklen für Wartung und Inspektion sowie vorbeugende Instandsetzungen Früherkennung Bad-Actors (Größter Teil der Reparaturkosten entsteht durch Folgeschäden), Optimierung der Wartungs- und Inspektionszyklen Outsourcing der Instand- Umsetzung einer vollständig risikobasierten, haltung als Full-Service zustandsorientierten Instandhaltung Steuerung des eigenen Automatische Erzeugung von Meldungen durch Vor-Ort-Personals Remote-Monitoring und präventive Ausfallüberwachung 19

20 Hat man mehrere, automatische Datenmodelle, kann man sie in Form von Software-Agenten hintereinander schalten Prädiktive Instandhaltung Smartes Equipement Datenanalyse & Datentransfer Datenmodell zur Fernüberwachung Präskriptive Instandhaltung Dynamischer Alarm UrsachenAnalyse Analyse Datenmodell zur Maßnahmenableitung Instandsetzung 20

21 Zusammenfassung 1. Smart Maintenance bedeutet, dass IT den Menschen bei der Durchführung der Kernaufgaben der Instandhaltung unterstützt 2. Die IT-Architektur für Smart Maintenance sollte geeignet sein, die reale Welt der Anlage schrittweise in einen digitalen Zwilling zu überführen 3. Deterministische, empirische Modelle eignen sich für die Modellierung von technischen Anlagen besser als Statistik 4. Bei der organisatorischen Umsetzung sollten Technik, IT und Mathematiker zusammenarbeiten und möglichst viele Aufgaben durch automatische Softwareagenten bearbeiten lassen 21

22 Verstehen Sie die Gegenwart. Nutzen Sie das Mögliche. Gestalten Sie Ihre Zukunft.

23 Is this the way to Industrial Internet? We pick you up. And get you there.