In der Prozessindustrie müssen alle Anlagen und Abläufe stets reibungslos laufen, um eine durchgängige Lieferfähigkeit zu garantieren und eine hohe Wirtschaftlichkeit zu erzielen. Dafür braucht es effiziente Instandhaltungsprozesse, wie sie am Messestand bei BASF im Fokus stehen.
Modernes Plant-Asset-Management trägt zur Erhöhung der Anlagenverfügbarkeit bei und hilft ungeplante Produktionsausfälle aufgrund technischen Versagens zu vermeiden bzw. die Ausfallzeit und damit den wirtschaftlichen Schaden so gering wie möglich zu halten. Dies gelingt unter anderem durch Erarbeitung von Maßnahmenplänen für besonders ausfallgefährdete kritische Anlagenteile bzw. Apparate, z. B. verschärfte Inspektionsumfänge und verkürzte Intervalle, Modernisierung und Schaffung von Redundanzen durch Kleininvestitionsmaßnahmen, Sicherstellung der Ersatzteilbevorratung beim Lieferanten und Absprache eines optimierten Reparaturprozesses mit der zuständigen Fachwerkstatt. Um diese in der Regel zunächst kostenträchtigen Maßnahmen gezielt einsetzen zu können, ist die Klassifizierung von Schadenspotenzial und Ausfallwahrscheinlichkeit pro Apparateeinheit, die Identifikation von Schwachstellen und die Ermittlung veralteter Anlagensubstanz erforderlich. Die Auswertung technischer Informationen spielt hierbei eine Schlüsselrolle.
Aufbereitung der Daten
Im Zentrum moderner Datenanalysemethoden zur Unterstützung von Anlagenbetreibern und Instandhaltern steht die bedarfsgerechte Aufbereitung, Analyse und Visualisierung von Daten zu Instandhaltungsprozessen, z. B. aus ERP-Systemen wie SAP. Die Analyse dieser Daten in Dashboards, die mithilfe von Business-Intelligence-Werkzeugen wie Power BI erzeugt werden, hat sich bei BASF unter dem Schlagwort „Maintenance Intelligence“ binnen kurzer Zeit als sehr erfolgreiches Instrument erwiesen. Der Nutzer wird mit diesen Dashboards in die Lage versetzt, Daten zu Themen wie technische Auftragskosten, Wartungs- und Störungsmeldungen, Produktionsmengen und Anlagenverfügbarkeit intuitiv und interaktiv zu filtern, zielgerichtet zu detaillieren und in unterschiedlichen Kontext zu setzen. Tabellen, Graphen und weitere visuelle Elemente können hierbei frei gewählt und passgenau auf den Einsatzzweck und die unternehmensinternen Arbeitsprozesse zugeschnitten werden.
Zentrale Aufbereitung der Daten und Verteilung in die Breite über die unternehmensinterne Cloud, gepaart mit einfacher Bedienung und hoher Nutzerfreundlichkeit, ermöglichen den Einsatz der Dashboards direkt durch die für die einzelnen Produktionsanlagen zuständigen Asset Manager und Instandhalter im Tagesgeschäft, die somit direkt vor Ort Maßnahmen definieren, Verbesserungen erreichen und einen Mehrwert für das Unternehmen generieren können. Dies stellt einen wesentlichen Fortschritt gegenüber bisherigen Lösungen dar, die zwar Schlüsselindikatoren (KPI) zur Instandhaltungsleistung lieferten, die Ableitung konkreter Maßnahmen vor Ort aber nur unzureichend unterstützten.
Weitere Einsatzfelder
Neben dem Instandhaltungs-Tagesgeschäft setzt die BASF Maintenance Intelligence für eine Vielzahl weiterer Aufgaben in der Ingenieurtechnik ein. So sind Dashboards bereits seit einiger Zeit fest als Leitwerkzeug für die Durchführung von innerbetrieblichen Workshops zur Schwachstellenerkennung, sog. Bad-Actor-Programme, fest etabliert. Da in komplexen Chemieanlagen standardisierte Ausfallkategorien den ursächlichen Ausfallgrund bestenfalls unvollständig beschreiben können, spielt hier die Analyse unstrukturierter Daten, insbesondere aus Freitextfeldern, eine wesentliche Rolle. Die Darstellung der Fehlerbeschreibung in Wortwolken macht wiederkehrende Fehlermuster sowohl für den Betrieb als auch die betreuende Fachwerkstatt sichtbar und stellt eine weitere Stärke des Dashboard-Ansatzes dar. Weitere Einsatzfelder finden sich überall dort, wo es um die Koordination und Vernetzung großer organisationsübergreifender Teams geht, die Informationen auf unterschiedlicher Detaillierungstiefe benötigen. In diesem Zusammenhang entwickelt BASF aktuell ein Dashboard, das den Arbeitsfortschritt bei Großabstellungen auf Tagespläne und kritische Tätigkeiten für die einzelnen beteiligten Gewerke und Teams herunterbricht.
Erhöhung der Datenqualität
Korrekte Daten sind die natürliche Grundvoraussetzung für jede intelligente Datenanalyse. Zur Erhöhung der Datenqualität haben sich in der Praxis zwei wesentliche Treiber als entscheidend herausgestellt. Zum einen ist dies die konsequente Nutzung der Daten zur Ableitung von Maßnahmen, denn erst die Erkenntnis, dass Störungsbeschreibungen und Reparaturberichte nicht in einem „schwarzen Datenloch“ landen, erzeugt die notwendige Wertschätzung, Bereitschaft und Einsicht in der Organisation, Datenqualität Vorrang gegenüber kurzfristigem, scheinbarem Effizienzgewinn durch schnelle, aber schludrige Dokumentation zu geben. Zweiter Treiber und mindestens ebenso wichtig ist die unmittelbare Erfassung von Störungen und Reparaturmaßnahmen im Feld. Im Rahmen der 4.0-Initiative der BASF werden hierzu Produktionsbetriebe und Instandhaltung mit mobilen Endgeräten (Tablets, Smartphones) ausgerüstet, die für den Einsatz in explosionsgefährdeten Bereichen (Ex-Zone) konzipiert sind.
Speziell auf die Bedürfnisse einzelner Anlagen konfigurierte Apps unterstützen die Betriebsmannschaft bei den regelmäßigen Betriebsrundgängen. Schnittstellen zum ERP-System ermöglichen die Aufgabe von Störungs- und Wartungsaufträgen vor Ort, die neben Textinformationen auch mit Fotos zur Dokumentation der technischen Aufgabe angereichert werden können. Ebenfalls bereits möglich ist die elektronische Zuordnung der Meldung zum betroffenen Apparat durch Auslesen eines eindeutigen Identifikationsanhängers, z. B. RFID-Transponder oder QR-Code. In weiteren Ausbaustufen soll dieser Identifikator auch in weiteren Apps genutzt werden, z. B. zur Lokalisierung und Reservierung geeigneter Ersatzteile, Absprung in Datenbanken mit technischen Zeichnungen bzw. Planungsunterlagen oder Anzeige von Messdaten und Trends im Feld.
Der digitale Zwilling
Ziel in der Endausbaustufe ist der sogenannte digitale Zwilling, also eine vollständige Datenbeschreibung des aktuellen Zustands und der Spezifikation der technischen Anlage inklusive dreidimensionaler Planungsdaten. Ein solches digitales Anlagenmodell ermöglicht eine bessere Qualität von Zustandsüberwachung und Fehlererkennung und stellt die Basis für optimierte Serviceangebote seitens der technischen Fachzentren dar. Auch wenn an vielen Stellen noch ein gutes Stück Weg zu beschreiten ist um diese weitreichende Vision mit Leben zu erfüllen, zeigen einzelne Leuchtturmbeispiele bereits heute das Potenzial datenzentrierter Anlagenüberwachung auf.
Daten zum Maschinenverhalten wie Schwingungs- und Magnetfeldmessungen werden zentral gesammelt und mit Daten aus der Prozessführung wie Druck, Temperatur und Durchfluss korreliert. Basierend auf diesen Daten erfolgt bei BASF die Zustandsüberwachung von Großmaschinen wie Verdichtern und Kompressoren in einer eigenständigen zentralen Maschinenmesswarte namens „Reliability Center“. In dieser Messwarte bewerten Maschinenexperten den Datenstrom und erarbeiten im Fall von Auffälligkeiten zusammen mit dem Betrieb Lösungswege zur Verbesserung der Laufeigenschaften. Zur Bewertung des Datenstroms und Definition des Gut-Zustands eines Apparates kommt hierbei maschinelles Lernen zum Einsatz. Für Standardmaschinen verfolgt BASF parallel vereinfachte Konzepte in Zusammenarbeit mit Sensor- und Maschinenherstellern.
Nutzer einbinden
Die bisherigen Erfahrungen mit neuen digitalen Diensten im Produktionsumfeld zeigen, dass im Spannungsfeld zwischen dem disruptiven Leitbild der Digitalindustrie und den etablierten Arbeitsabläufen in der Prozessindustrie eine Vielzahl an Herausforderungen zu meistern sind, um Akzeptanz für neue digitale Werkzeuge sicherzustellen und wirklichen Mehrwert durch ihre Anwendung zu generieren. Hierbei hat sich die Orientierung an vier Leitlinien (siehe Grafik) bewährt, die den Fokus auf kleine, evolutionäre Veränderungen, Einbindung der Nutzer vor Ort und eine Kultur des Ausprobierens, Scheiterns und Verbesserns legen.
Halle 8.0, Stand C37
