Startseite » Chemie »

Intelligente Instandhaltung schafft mehr Gewissheit

Zustandsbasierte Prognosen
Intelligente Instandhaltung schafft mehr Gewissheit

Intelligente Instandhaltung schafft mehr Gewissheit
Der prognostische Bericht ermöglicht es, den zukünftigen Eintrittszeitpunkt kritischer Zustände einer Maschine vorherzusagen, noch bevor Anomalien oder gar Schäden aufgetreten sind. Die Ampel-darstellung der Software zeigt die Zeiträume für Störungen im Voraus.
Sicherheit spielt in der Chemiebranche ein große Rolle: Zu enorm wären die Konsequenzen, fällt einmal eine Anlage aus – von den potenziellen Gefahren für Mensch und Umwelt einmal abgesehen. In der Chemiebranche etablieren sich daher neue Ansätze der Instandhaltung. Durch Algorithmen lassen sich inzwischen genaue Zeitfenster für mögliche Störungen vorhersagen. Neben verbesserter Sicherheit erlangen Betreiber so zusätzlich bessere Kontrolle über Kosten und Zeitmanagement von Wartungsplänen.

Lange Zeit basierte Instandhaltungsmanagement auf einem reaktiven Modell: Sobald ein Schaden auftritt, wird dieser repariert – an Aktualität verliert diese Methode wahrscheinlich nie. Doch gerade bei sensiblen Anlagen erweist sie sich als ungenügend. Bei derartigen Anlagen, wie sie beispielsweise in der Chemiebranche auftauchen, nutzten Anwender in der Vergangenheit periodische Instandhaltungspläne als Grundlage für Wartungsmaßnahmen. Dabei werden Komponenten nach einem gewissen Zeitraum gewartet, zum Beispiel nach sechs Monaten oder zwei Jahren. Es mangelt jedoch im Detail: Periodische Wartungspläne basieren vor allem auf Erfahrungswerten. Ob eine Instandhaltungsmaßnahme zu diesem Zeitpunkt notwendig und sinnvoll ist, bleibt jedoch ungewiss.

Neue Technologien der Industrie 4.0, des Big Data oder des Internets der Dinge verfolgen dabei einen anderen Ansatz, der für kritische Anlagen und Komponenten interessant ist. Im Rahmen des Condition Monitoring erfassen Sensoren und Messtechniken regelmäßig Daten über den Zustand der jeweiligen Anlage oder Komponente, sodass Warnungen ausgegeben werden können, wenn ein potenzieller Ausfall droht. Diese Daten bilden die Grundlage für das Predictive Maintenance, das durch das Condition Monitoring allein noch nicht möglich ist: Zwar weiß der Anwender dank Condition Monitoring, dass ein Schaden droht und er die Komponenten beziehungsweise Anlage instand setzen muss, doch wieviel Zeit ihm dafür noch bleibt, weiß er nicht.
Dieses Problems nimmt sich Cassantec Prognostics an: Der Algorithmus verwendet die Daten aus dem Condition Monitoring und zieht aus ihnen erweiterte Rückschlüsse. Während andere Methoden, zum Beispiel Predictive Analytics, lediglich voraussagen, dass eine Störung in naher Zukunft auftritt, besitzt Cassantec Prognostics die Fähigkeit, den Zeitraum für die Störung vorherzusagen.
Cassantec Prognostics in der Praxis
Doch wie genau funktioniert eine derartige Technologie? Ein Beispiel aus der Chemiebranche: 2015 konfigurierte und validierte ein Unternehmen Prognosen für sein petrochemikalisches Anlagenmanagement. Der Anwender setzt die prognostische Software für einen 4-stufigen Spaltgaskompressor ein, den eine Dampfturbine antreibt und dessen Anlagekomponenten mit den neusten Condition-Monitoring- und Diagnose-Programmen ausgestattet sind. Das Prognoseprogramm verwendet die Zustands- und Prozessdaten, wie Schwingung, Temperatur, Druck und Geschwindigkeit, um einen Prognosebericht zu generieren und eventuelle Störungen des Spaltgaskompressors und zusätzlich seine Restlebensdauer vorherzusagen. Nach erfolgreicher Integration der Lösung in das Anlagenmanagement plant der Anwender, das Konzept auf weitere Maschinen zu übertragen.
Doch was einen komplexen Anschein erweckt, lässt sich in drei Schritten, wie beim Beispielanwender, vollziehen: Im ersten Schritt ermitteln Unternehmen und der Prognosedienstleister Cassantec die vorhandenen Zustands- und Prozessdaten. Derartige Daten zu besitzen, ist eine Voraussetzung, um Prognosen für Anlagen erstellen zu können. Im zweiten Schritt setzt der Dienstleister zusammen mit den Experten des Unternehmens die Daten mit den spezifischen Störungsarten der Komponente oder Anlage in Beziehung. Im finalen Schritt erstellt der Anbieter einen prognostischen Report, der sowohl die Restlebensdauer als auch einzelne Störungspotenziale anzeigt. Diese Prognosereports werden auf Wunsch für die gesamte Maschinenflotte berechnet. Dieser Vorgang ermöglicht einen flottenweiten Lernprozess. Im Ergebnis werden Daten dazu verwendet, bessere Entscheidungen bezüglich der optimalen Instandhaltungszyklen zu treffen.
Doch wozu dieser gesamte Aufwand? Der Beispielanwender hatte ein klares Ziel: Er arbeitet darauf hin, die zahlreichen vorhandenen Prozess- und Zustandsdatenhistorien für eine bessere Restlebensdauer und Optimierung künftiger Instandhaltungsmaßnahmen zu nutzen. Exzessive Instandhaltungsmaßnahmen und kostspielige Wiederholungen will er so vermeiden. Dafür verwendet der Anwender Prognosereports als Grundlage für Langzeit-Instandhaltungsmaßnahmen, Planung, Terminierung und Scoping. Durch die Verwendung von Restlebensdauervorhersagen auf Aggregatsebene kann der Betreiber größeren Nutzen von vorhergesehenen Ausfallzeiten ziehen. Er erhält somit sowohl technische als auch wirtschaftliche Vorteile.
Entscheidungen besser treffen
Was Anwender zusätzlich zu diesen Vorteilen erlangen, ist eine bessere Entscheidungsgrundlage. Die bisherigen Instandhaltungsstrategien, ob nun reaktive oder periodische Instandhaltung, erleichtern die Entscheidung des Anwenders nicht. Zwar weiß er, dass ein Fehler auftreten wird – die Einschätzung der Dringlichkeit ist jedoch der subjektiven Einschätzung des Instandhaltungsmanagers überlassen. Durch einen Prognosebericht besitzt er dagegen Transparenz, wann der beste Zeitpunkt für die Instandhaltung ist. Die Ampeldarstellung der Software zeigt die Zeiträume für Störungen über mehrere Wochen bis hin zu Jahren im Voraus. Die komplexen Informationen, die aus Daten gewonnen werden, vereinfacht ein Ampelsystem. Wartungspläne werden so von Instandhaltungsmanagern exakt an die Anlage angepasst. Damit beeinflussen sie die Restlebensdauer ihrer Maschinen positiv und sparen zusätzlich Kosten ein, da Maßnahmen gebündelt stattfinden können.
Daten intelligent nutzen
Der Weg ist eindeutig: Künftig entscheidet die Verwendung von Daten über die Wirtschaftlichkeit von Unternehmen. Gerade in der Chemiebranche, in der viele Sicherheitsaspekte beachtet werden müssen, ist die intelligente Nutzung von Datenmaterial wohl unausweichlich. Zu groß sind Kosten und Risiken bei möglichen Ausfällen. Je schneller der Gebrauch und die Interpretation von Daten für Unternehmen zum Alltag gehören, umso schneller lassen sich die Vorteile realisieren.

Moritz von Plate
CEO,Cassantec
Unsere Whitepaper-Empfehlung
Newsletter

Jetzt unseren Newsletter abonnieren

cav-Produktreport

Für Sie zusammengestellt

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Hier finden Sie aktuelle Whitepaper

Top-Thema: Instandhaltung 4.0

Lösungen für Chemie, Pharma und Food

Pharma-Lexikon

Online Lexikon für Pharma-Technologie

phpro-Expertenmeinung

Pharma-Experten geben Auskunft

Prozesstechnik-Kalender

Alle Termine auf einen Blick


Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de