Das Instandhaltungsmanagement der Zukunft funktioniert als neuronales Netz, also als ein System aus Hard- und Software, das der Signalverarbeitung und Mustererkennung dient. Möglich wird diese Entwicklung, da wertorientierte Instandhaltung durch und durch datengetrieben ist:
1. Die Erarbeitung von risiko- und verfügbarkeitsorientierten Instandhaltungsstrategien erfolgt auf Basis der Ausfallhäufigkeiten und Ausfallkosten der jeweiligen Equipments. Ob ein Teil oder eine Komponente einer Maschine redundant ausgelegt, periodisch gewartet oder online zustandsüberwacht werden soll, ist damit eine Rechenaufgabe aus Kosten gegen Nutzen.
2. Die Früherkennung von Fehlerursachen basiert auf der Korrelationsanalyse diverser Sensordaten, Instandhaltungs- und Produktionsparameter. Früherkennung von Fehlerursachen ist damit eine Aufgabe aus dem Bereich der Mustererkennung, ein ausgewiesenes Spezialgebiet für ein neuronales Netze.
3. Die Festlegung von optimalen Wartungszeitpunkten und -umfängen ist die konsequente Zusammenführung der ersten beiden Punkte. Instandhaltungs- und Wartungsstrategien werden dynamisch und laufend auf Basis der aktuellen Datenlage angepasst.
4. Und auch die Kapazitäts- und Ressourcenplanung ist eine Optimierungsaufgabe auf Basis von Prioritäten und Verfügbarkeiten. Die hohe Volatilität bei diesen Faktoren kann der Computer in Echtzeit in seine Planungen einbeziehen, wohingegen der Mensch wieder von vorne beginnen muss
Die strategischen Aufgaben einer modernen Instandhaltungsorganisation sind im Kern mathematische Optimierungsprobleme, die auf Basis von umfangreichen Datenbanken gelöst werden können. Dabei gelingt es dem Computer und den relevanten Optimierungs-Algorithmen deutlich besser als dem Menschen, der zunehmend komplexeren und sich ständig verändernden Arbeitsumgebung gerecht zu werden. Wo strukturierte Daten zur Verfügung stehen, wird künstliche Intelligenz als Werkzeug mittelfristig zu einem immer wichtiger werdenden Optimierungswerkzeug.
Schon heute lösen datengetriebene, auch teilautomatisierte Analysen die traditionell auf Erfahrungswerten basierenden Entscheidungen in der Instandhaltung ab. Die zur Verfügung stehenden Analysenmöglichkeiten werden dabei stetig besser und erlauben eine zunehmend umfangreichere Auswertung von Eingangsparametern. Die Anwendungen reichen hier von einfachen Exceldateien, über PowerBI-Dashboards, Prozessleitsystem-(PLS)-Funktionalitäten, bis hin zu voll integrierten Management Information Systemen (MIS).
Stets ist jedoch der Mensch gefragt, wenn es um die Weiterverarbeitung der Analyseergebnisse geht. Zumeist endet der Kompetenzbereich der IT-Systeme heute noch beim Auslösen eines Alarms. In Einzelfällen können auch schon Handlungsempfehlungen generiert werden, wie zum Beispiel der Tausch von Komponenten beim Überschreiten bestimmter Schwellenwerte. Unterm Strich ist es aber der Mensch, der entscheiden muss, welche Maßnahmen zu treffen sind.
Hier wird künstliche Intelligenz die nächste große Veränderung bringen: Die Präskriptive Instandhaltung. Zukünftig wird die KI nicht nur Handlungsempfehlungen abgeben, sondern diese auch sukzessive durch direkte Eingriffe in Produktions- und Instandhaltungssysteme umsetzen und daraus dementsprechende Lern- und Optimierungseffekte generieren.
Auf die Früherkennung eines sich anbahnenden Fehlers folgt dann beispielsweise ein sofortiges Anpassen der Produktionsparameter. Durch das Verändern von Maschineneinstellungen, -geschwindigkeiten oder auch Produktionsreihenfolgen, kann der Verschleiß an den relevanten Stellen gebremst werden, sodass ein unplanmäßiger Ausfall verhindert wird. Schon heute ist in weitgehend jeder modernen Anlage eine Sensorik verbaut, die im Falle von kritischen Parametern einen Notstopp auslöst, um Folgeschäden an der Anlage zu verhindern. Diese Technik ist die Vorstufe des automatisierten Eingriffs in Produktionssysteme. Zukünftig wird der Eingriff aber nicht erst erfolgen, wenn es bereits zu spät ist, sondern bereits vorausschauend im Vorfeld.
Gleichzeitig erzeugt die Künstliche Intelligenz einen Auftrag im Instandhaltungsmanagementsystem, der vom Zeitpunkt und Umfang maßgeschneidert auf den erkannten Fehler ist. Starre Wartungsintervalle und -umfänge werden so dynamisiert. Dabei sind unterschiedlich große Wartungspakete für jedes Equipment durch den Menschen vordefiniert. Durch das neuronale Netz der künstlichen Intelligenz wird entschieden, wann welches Wartungspaket ausgeführt wird. So wird sichergestellt, dass Wartungen nicht unnötig häufig erfolgen bei gleichzeitiger Verlängerung der Lebensdauer von kritischen Anlagenkomponenten. Außerdem plant die künstliche Intelligenz in der Instandhaltung auch den notwendigen Instandhaltungsauftrag zum Austausch einer Komponente rechtzeitig vor einem Ausfall.
Datenerhebungsaufwände und Analysefähigkeiten monetarisieren sich erst, wenn die gewonnenen Informationen nutzbringend eingesetzt werden. Dazu müssen im ersten Schritt Daten per Analyse in Information übersetzt werden und im zweiten Schritt adäquate Reaktionen eingeleitet werden. Präskriptive Instandhaltung automatisiert dabei nicht nur die Analyse, sondern auch die Reaktion und schließt damit den digitalen Kommunikationskreislauf. So wird ein selbstlernendes System geschaffen, das seinen Entscheidungsalgorithmus kontinuierlich weiter verbessert.
Im nächsten Schritt der Digitalisierung wird auch die Ressourcenplanung in der Instandhaltung durch künstliche Intelligenz unterstützt werden. Das Zuweisen von Aufträgen an die ausführenden Personen basiert im Wesentlichen auf einigen wenigen Faktoren: Art und Umfang der Tätigkeit, Verfügbarkeit der Ressourcen (Kompetenz in Form eines geeigneten Handwerkers, Werkzeug, Material) und der Verfügbarkeit der Anlage. Insbesondere Arbeitspläne, bei denen die Arbeitsvorbereitung schon vollständig hinterlegt ist, können dann automatisiert und auf Basis der genannten Faktoren einem Handwerker zugewiesen werden. So werden IH-Planer von Routineaufgaben entlastet, müssen weniger administrative Arbeit leisten und können sich stärker technischen Problemstellungen widmen. Häufig ist der IH-Planer ein Knowhow-Träger in der Organisation, der auch gerade im Hinblick auf den Fachkräftemangel nur schwer zu ersetzen ist.
Eine wichtige Grundlage für die automatisierte IH-Planung ist die qualitativ hochwertige und maschinell auswertbare Rückmeldung. Zum Beispiel werden rückgemeldete Zeiten benötigt, um die Planzeiten und damit die künftige Planung stetig zu verbessern. Auch muss beim Anzeigen von Inspektionen per Checkbox erkennbar sein, bei welchen Checklistenpunkten eine Anomalie entdeckt wurde. Dieses Ergebnis ist ein Parameter für die Effektivität der jeweiligen Inspektion. Eine Inspektion, bei der über Jahre nie eine Anomalie entdeckt wird, ist unwirksam.
Unterstützt wird die barrierefreie Kommunikation zwischen IT und Handwerker durch mobile Endgeräte, um einen schnellen und unterbrechungsfreien Informationsfluss sicherzustellen. Die Digitalisierung der Instandhaltung ist die entscheidende Grundlage für den Aufbau einer präskriptiven Instandhaltung in der Zukunft. Präskriptive Instandhaltung und damit die Zukunft der Instandhaltung ist datengetrieben. Digitalisierung macht diese Daten nutzbar und erlaubt es neuronalen Netzen komplexe Steuerungsaufgaben in der Instandhaltung zu übernehmen.
Die Einführung von Präskriptiver Instandhaltung ist dabei kein Einmalprojekt, es ist ein Prozess, über den man sich Stück für Stück dem Zielbild der weitgehend automatisierten Instandhaltungssteuerung annähert. Gerne unterstützen wir Sie auf Ihrem Weg. Sprechen Sie uns an!
English