Smart Maintenance

Ressourcenintelligente Instandhaltungsstrategie für die Produktion der Zukunft

Im Rahmen der FTI-Initiative (Forschung, Technologie und Innovation) „Produktion der Zukunft", welche sich vor allem zentralen Fragestellungen der sachgütererzeugenden Industrie widmet, startete Anfang September 2014 das Forschungsprojekt „Smart Maintenance". Das Projektkonsortium: Montanuniversität Leoben - Lehrstuhl Wirtschafts- und Betriebswissenschaften (Leitung), Software Competence Center Hagenberg, Messfeld sowie BMW Motoren und BRP-Powertrain. Damit haben sich die führenden nationalen Experten auf ihren Gebieten zusammengeschlossen, um an einem ressourcenintelligenten antizipativen Instandhaltungsansatz zu forschen und adäquate Lösungen für die Industrie zur Verfügung zu stellen.

Das Ziel

Ziel dieses – von der FFG geförderten – Forschungsprojektes ist es, eine verbesserte Grundlage für Instandhaltungsstrategieentscheidungen zu schaffen. Die Instandhaltungskosten sollen dabei gesenkt, die Anlagenverfügbarkeit hingegen weiter erhöht werden.

Die Herausforderung

Fertigungsanlagen unterliegen einem Verschleiß. Dieser führt ohne Gegenmaßnahmen im schlimmsten Fall zum Ausfall der Komponenten und zu ungeplanten Stillständen der Anlage, kann jedoch auch zu einer Minderung der Produktqualität, eingeschränkten Betriebsbedingungen oder erhöhten Energieverbräuchen führen.

Verschleiß erfordert somit eine entsprechende Instandhaltungsstrategie mit einem Maßnahmenbündel reaktiver oder präventiver Art, um ökonomische und ökologische Folgen zu minimieren. Zu den präventiven Maßnahmen gehören u.a. Condition Monitoring Systeme.

Der innovative Ansatz von „Smart Maintenance"

Das Projekt liefert erstmals Ansätze zur Ableitung einer kostenoptimalen Anlagenbewirtschaftungsstrategie unter Berücksichtigung von

  • Informationen von punktuellen Condition Monitoring Daten
  • einer kombinatorischen Datenanalyse, d.h. von aktuellen Maschinendaten (bspw. Stromaufnahme, Leistungsaufnahme) sowie gespeicherten Anlagenhistoriendaten (Störungsdatenbank), Prozess- und Produktdaten (bspw. Qualitätsmerkmale, Anzahl fehlerhafter Teile, Fehlermerkmale) und
  • Störungsprognostik

Technische Möglichkeiten und Grenzen werden dabei aufgezeigt und die industrielle Anwendung in einem Produktionssystem ökonomisch bewertet.

Der Einsatz von Condition Monitoring wird optimiert, indem über Bewertungs- und Entscheidungsmodelle analysiert wird, ob der Einsatz von zustandsüberwachenden Technologien für systemkritische Anlagenkomponenten überhaupt technologisch möglich ist bzw. auch ökonomisch Sinn macht. Grundsätzlich spielen sowohl technologische Grenzen als auch betriebswirtschaftliche Aspekte im Sinne von Risiko- und Lebenszyklusbetrachtungen kritischer Anlagen eine wesentliche Rolle.

Ergänzend zu Condition Monitoring werden mithilfe von Datenanalysemethoden (Data Mining von Maschinen-, Prozess- und Produktdaten) mögliche Muster für ein Maschinenausfallverhalten erkannt (bspw. tritt eine Häufung von Anlagenausfällen bei einer bestimmten Produktgruppe, Temperatur, Tageszeit, … auf). Diese Muster dienen in weiterer Folge zur Entwicklung von Methoden der Störungsprognostik, aus denen verbesserte Planungsregeln (Algorithmen) für Instandhaltungsstrategien abgeleitet werden können.

Mehrwert für Projektpartner

Industriebefragungen zeigen, dass vor allem traditionelle Methoden (Stromaufnahmemessung, Schmiermittelanalysen, Temperaturmessung) relativ gut etabliert sind, bspw. akustische Messverfahren hingegen noch weniger häufig vorkommen.

Durch den kombinatorischen Einsatz der Methoden geht der Ansatz von „Smart Maintenance" über die traditionell etablierten Methoden weit hinaus und ist zudem Bestandteil einer übergeordneten Anlagenbewirtschaftungsstrategie.

Die Industriepartner BMW Motoren und BRP-Powertrain profitieren dabei direkt durch die konkrete Umsetzung und Anwendung der entwickelten Methoden und Modelle. Zusätzlich können durch die Verwendung praxisnaher Parameter die entwickelten Modelle besser validiert werden.

Projektdaten

Projektdauer: 01.09.2014 - 31.12.2017
Budget: ca. 1.417.000 € Gesamtprojektkosten und ca. 938.000 € Förderungsbetrag
Projektpartner:

  • Montanuniversität Leoben - Lehrstuhl für Wirtschafts- und Betriebswissenschaften (Koordinator)
  • Software Competence Center Hagenberg
  • Messfeld GmbH
  • BRP-Powertrain GmbH & Co KG
  • BMW Motoren GmbH

Fördergeber: FFG, Produktion der Zukunft - 4. Ausschreibung

Kontakt

Bernhard Freudenthaler

Freudenthaler Bernhard

Executive Head Data Analysis Systems
Telefon: +43 7236 3343 850
Fax: +43 7236 3343 888

zurück