Planbare Instandhaltung

Zum Thema "Instandhaltung einer kontinuierlich fahrenden Produktionsanlage der Grundstoffindustrie" haben wir im Kundenauftrag die Instandhaltungsdaten über einen Zeitraum von zehhn Jahren ausgewertet. Die folgenden Aussagen ergaben sich aus dieser Studie:

Eine ad-hoc durchgeführte Instandsetzungsmaßnahme, hervorgerufen durch einen produktionsbedrohenden Stillstand der Anlage, verursacht Mehrkosten in Höhe von etwa 40% gegenüber einer planbaren. Dies bezieht sich nur auf die reinen IH-Aufwendungen, der Produktionsausfall ist hier noch nicht berücksichtigt; dieser hängt vom Deckungsbeitrag von Produkt und Anlage ab.

Instandhaltung planbar zu machen, ist eine große Vision der gesamten produzierenden Industrie. Die Möglichkeiten, die sich konventionell durch Optimierung der Organisation, von Management und Erfahrungsaustausch der Mitarbeiter bieten, sind bereits in vielen Anlagen ausgeschöpft.

Eine völlig neue Methode verspricht Abhilfe: Sensoren, installiert an allen wichtigen Anlageteilen, senden ihre Messdaten an einen Zentralrechner (Plant Information Management System PIMS). Ein neuartiges Programm analysiert diese Daten und erstellt Ausfallprognosen für die betroffenen Anlagenteile mit einer Genauigkeit von etwa 90 %. (entspricht einer schichtgenauen Vorhersage). Mit diesem Wissen können die Extrakosten eines Stillstandes eingespart werden.

Algorithmica technologies ermittelte in einer Studie ein Potential von über 4 % pro Jahr (bezogen auf die gesamten Instandhaltungskosten). Auf einen jährlichen Instandhaltungsaufwand von 15 Mio. Euro ergibt sich daraus eine Einsparung von über 4 Mio. EUR in fünf Jahren. Der Return on Investment für dieses System liegt daher bei weniger als einem Jahr.

Neuronator Prognose für Realdaten eines chemischen Reaktors

Anhand von tatsächlichen PIMS-Daten eines chemischen Reaktors konnte algorithmica technologies die Ausfallprognose in der Praxis nachweisen. Unsere speziellen Technologien Neuronator und Datanator wurden dafür eingesetzt.


Deutsch
English
Français