Predictive Maintenance Umsetzung

Predictive Maintenance, in 8 Wochen zur Umsetzung

Gepostet von

Viele Unternehmen haben fernab einiger Leuchtturmprojekte große Probleme mit der flächendeckenden Umsetzung von Projekten im Bereich Predictive Maintenance. Profitieren Sie von dem 8-Wochen-Plan zur Entwicklung eines funktionsfähigen Piloten.

Entwickler von Hardware streben oft zwanghaft nach der 100-%-Lösung. Im Maschinenbau hat das durchaus seine Berechtigung. Denn am Ende soll die Maschine so robust wie möglich ihren Dienst verrichten. In der Softwareentwicklung ist es hingegen sinnvoll, schnell und agil zu arbeiten. Piloten sollten rasch aufgesetzt, mit dem Kunden validiert und dann zurück in die nächste Entwicklungsschleife geschickt werden. Eine schrittweise Entwicklung muss das Ziel sein.

Umsetzung Predictive Maintenance - Plan

Versuchen Sie bei Ihrer Predictive-Maintenance-Umsetzung nicht die Eier legende Wollmilchsau zu bauen. Andernfalls werden Jahre ins Land streichen, bis Sie Ihr Entwicklungsprojekt abgeschlossen haben. Bei Markteinführung ist Ihr System dann bereits veraltet. Ihre Lösung muss zu Beginn nicht alle Kundenszenarien abdecken und jedes Problem vorhersagen können. Es ist ausreichend, drei kluge Köpfe aus IT, Software- und Steuerungsentwicklung für eine Woche zusammenzusetzen, um über das grobe Systemdesign zu entscheiden.

Ein monatelanger Finetuning-Prozess ist nicht sinnvoll. Das Ergebnis würde nur noch marginal verbessert werden. Verabschieden Sie sich von einer Idee der perfekten Lösung. Sie muss in ein paar Jahren sowieso angepasst werden.

Ich habe 5 Arbeitsschritte für die Entwicklung eines Predictive-Maintenance-Piloten herausgearbeitet. Gestartet wird bei Null und das Ergebnis soll sich schon nach 8 Wochen sehen lassen können. 

Umsetzung Predictive Maintenance - Icon Teambuilding

1. Teambuilding

Für den Anfang brauchen Sie ein gutes, interdisziplinäres Team. Das Fachwissen sollte dabei möglichst breit gestreut sein und die Bereiche Maschinentechnik sowie Software- und Steuerungsentwicklung abdecken. Es sollte sich nicht nur um reine Spezialisten im jeweiligen Fachbereich handeln, sondern auch um gut vernetzte und breit aufgestellte Mitarbeiter. Diese können sich fehlendes Know-how von ihren Kontakten ins Projekt holen und werden es so zum Erfolg führen. Für das initiale Set-up Ihrer Mission schlage ich 4 Teammitglieder vor:

 

  • Einen Projektmanager – er räumt Steine aus dem Weg, hält dem Team den Rücken frei und sollte über Vision und Weitblick verfügen. Der Projektmanager kann gerne auch ein Externer sein. Rufen Sie an, wenn Sie Hilfe brauchen!
  • Einen Servicetechniker oder Maschinenentwickler – er kennt die typischen Probleme an den Maschinen.
  • Einen Steuerungsentwickler – er weiß, welche Daten wo an der Maschine vorliegen und abgezogen werden können.
  • Einen Softwareentwickler – er kann schnell mit auf dem Markt vorhandenen Tools eine Nutzeroberfläche bauen und Datenanalysen automatisieren.

Nehmen Sie sich von Montag bis Mittwoch Zeit die Teammitglieder für Ihre Predictive-Maintenance-Umsetzung zu gewinnen. Donnerstag und Freitag schicken Sie sie zu einer teambildenden Maßnahme. Am besten auf eine einsame Berghütte in den Alpen oder etwas ähnlichem. Sie sollen sich kennenlernen.

Es versteht sich von selbst, dass das Team die Freigabe bekommt, sich während der 8 Wochen zu 100% auf das Projekt zu konzentrieren und von den regulären Tätigkeiten entbunden ist. Im Vergleich zu manchen Mammutprojekten, die sich über mehrere Jahre erstrecken und oft ergebnislos versanden, sollten die Kosten hierfür vertretbar sein.

Es ist zudem geboten, auch außerhalb der Strukturen im Unternehmen zu arbeiten, da sonst eine initiale Abstimmung mit der IT schnell länger als 8 Wochen dauern kann.

Umsetzung Predictive Maintenance - Icon Data Collector

2. Data Collector bauen

Bringen Sie die Daten von der Maschine in die Cloud! Steuerungs- und Softwareentwickler müssen selektieren, welche Daten auf welchem Weg von den Maschinen auf einem erreichbaren Server landen. Ihr kreatives und lösungsorientiertes Team wird es im Zweifel für Ihr spezielles Projekt besser wissen, aber eventuell können Sie sich an dieses Vorgehen halten:

Stürzen Sie sich nicht auf die Rohdaten, die von den unzähligen Sensoren in der Maschine erzeugt werden. Die Speicherung und die Übertragung dieser Gigabytes sind zu teuer für die spätere Skalierung.

Außerdem sind Sie wenig aussagekräftig für Ihr Predictive-Maintenance-Vorhaben. Besser ist es das aggregierte Maschinenlogfile der Anlage abzuziehen. Es wird im Normalfall in der zentralen SPS (Speicherprogrammierbare Steuerung) erzeugt und lokal auf der Maschine gespeichert. Deshalb haben wir den Steuerungsentwickler an Bord. Das aggregierte Maschinenlogfile bietet Ihnen eine Reihe von Vorteilen bei Ihrer Predictive-Maintenance-Umsetzung:

  • Alle Fehlermeldungen und Programmfeedbacks sind in aggregierter Form gelistet.
  • Es bietet spannende Angriffspunkte in der Auswertung.
  • Daten, die mit dem Intellectual Property (geistiges Eigentum) Ihres Kunden kollidieren, sind nicht inkludiert. Es dürfte deshalb kein Problem für den Kunden darstellen, diese Daten freizugeben.

Nun müssen Sie dieses File regelmäßig, sagen wir für den Anfang stündlich, in die Cloud laden. Nehmen Sie dazu auf keinen Fall den typischen Weg über das Kundennetzwerk und einen VPN-Tunnel. Dazu müssen Sie Löcher in die Firewall des Kunden bohren, was zu großem Abstimmungsaufwand mit dem Kunden führen würde. Das sprengt den Rahmen unseres 8-Wochen-Ansatzes.

Für den Start arbeiten Sie einfach mit einem Laptop mit Mobilfunkkarte neben der Maschine und verbinden diesen mit der Maschinensteuerung. Dieser holt das File von einem einzurichtenden Exchange Folder auf dem Industrie-PC der Maschine und schickt sie an Ihre Adresse in der Cloud.

Nutzen Sie für Ihren Piloten Amazon Web Services (AWS) als Host! Viele werden bei dem Gedanken eventuell ins Schwitzen kommen. Aber Sie können später noch auf andere Dienste umsteigen oder eine eigene Infrastruktur aufbauen. Der Vorteil besteht in den leistungsstarken Tools und darin, dass Sie Ihre Applikation später einfach mit etwas Sachverstand zusammenklicken können. Das spart Programmierarbeit!

Predictive Maintenance Umsetzung - Icon Data Analyzer

3. Data Analizer bauen

Nun müssen Sie sich mit der projektbezogenen Auswertung der Daten beschäftigen und herausfinden, was sich mit dem gegebenen Input umsetzen lässt. In dieser Phase können vor allem Ihr Serviceexperte und Ihr Softwareentwickler glänzen. In Workshops muss geklärt werden, welche Meldungen auf mögliche Störungen in der Zukunft hindeuten. Hier zeigt sich die Vielfalt von Umsetzungen im Bereich Predictive Maintenance, da der Kreativität kaum Grenzen gesetzt sind. Können zum Beispiel Sensormeldungen zu Druckabfällen in Ihrem Kühlsystem auf langsam porös werdende Verschlauchungen hindeuten?

Sind steigende Temperaturen im Schaltschrank ein Indiz, dass der Kühler in Zukunft versagen könnte? Das Team sollte sich zunächst auf 3 bis 5 Use-Cases beschränken, die vergleichsweise häufig auftreten. Der Softwareentwickler kann diese Analysealgorithmen in Ihrer Predictive-Maintenance-Applikation mit dem AWS-Toolkit implementieren. Dadurch erhalten Sie eine Warnmeldung, wenn sich mögliche Ausfälle ankündigen. Ihr Team sollte für diesen Schritt etwa 3 Wochen benötigen. Er stellt den aufwendigsten Teil in Ihrem Umsetzungsplan dar und erfordert sehr viel Brainstorming.

Predictive Maintenance Umsetzung - Icon Push Alert

4. Push Alarms einrichten

Nun sollte die Software in der Lage sein, mögliche Ausfälle vorherzusagen. Richten Sie über Ihre IT ein Email-Postfach ein, damit Ihre Kollegen im Service den Status nicht permanent online checken müssen. Der Softwareentwickler kann dafür sorgen, dass automatische Emails an das Postfach gesendet werden, wenn ein Problem durch die Algorithmen entdeckt wird. Nebenbei können Sie auch noch überlegen, welche zusätzlichen Dienstleistungen Sie auf Basis der Daten in Zukunft entwickeln können. Kann man auf Basis der Programmabläufe Rückschlüsse auf die Effizienz der Maschinennutzung durch den Kunden ziehen? Und lassen sich daraus Beratungsangebote ableiten? Oder interessiert den Kunden eine Übersicht über die Auslastung seiner Maschine?

Hier wird es einige Ideen für die nächste Entwicklungsschleife geben. Diese Aufgabe ist hauptsächlich im Verantwortungsfeld ihres Projektmanagers verortet.

Nach spätestens einer Woche sollte die automatische Weiterleitung funktionieren. Am besten per Schnittstelle in Ihr Field-Service-Management-System, da Sie dort alle Prozesse abgebildet haben. Letztendlich bauen wir aber einen Predictive-Maintenance-Piloten und keine Komplettlösung. Eventuell müssen also Abstriche gemacht werden. An das perfekte Ergebnis werden wir uns im Weiteren inkrementell annähern.

Predictive Maintenance Umsetzung - Icon WOW

5. WOW your customer!

Jetzt folgt der schönste Teil: Rufen Sie Ihren Kunden an und erklären ihm, dass seine Maschine demnächst ausfallen oder eine Störung aufweisen wird. Eventuell wird er das zunächst für eine Masche halten, um Ihren Ersatzteilumsatz zu steigern.

Wenn kurze Zeit später tatsächlich ein Ausfall zu beklagen ist, wird er allerdings sehr verblüfft sein. Dadurch erreichen Sie, dass Ihr Kunde in Zukunft aufgeschlossener für weitere datenbasierte Dienstleistung ist. Das sollten Sie im Anschluss tun:

  • Die Erfolgsstory auf allen Kanälen durch PR und Marketing verbreiten. Dadurch werden andere Kunden ebenfalls neugierig auf Predictive Maintenance werden.
  • Lassen Sie Ihr Projektteam mit einer reißerischen Story im Intranet glorifizieren. Das wird deren Motivation für Folgeprojekte stärken.
  • Präsentieren Sie Ihren Erfolg der Geschäftsführung, um für Aufgeschlossenheit gegenüber Investitionen in eine Weiterentwicklung zu sorgen.

Wenn Sie mit 5-10 Kunden gestartet sind, sollte der erste Call von Ihrer Seite in einer Woche machbar sein. Herzlichen Glückwunsch! Sie haben in nur 8 Wochen Ihr erstes Predictive-Maintenance-Vorhaben umgesetzt.

Kommentar verfassen