Erfolgsratgeber für Predictive Maintenance

Ungeplante Ausfallzeiten sind das größte Hindernis für einen effizienten Service. Wenn Techniker reagieren müssen (statt Prognosen zu erstellen), ist der daraus resultierende Service teuer, ineffizient, auf Dauer nicht tragbar – und er schadet den Kundenbeziehungen. Predictive Maintenance liefert umsetzbare Erkenntnisse zur Prognose und Behebung von Anlagenproblemen, bevor diese zu kostspieligen Ausfallzeiten führen. Die Herausforderungen in den Bereichen Data Science und KI können eine Predictive Maintenance-Lösung jedoch für Service-Organisationen schwierig machen. Wie können Sie den schlechten Ruf der KI überwinden und diese nutzen, um echte, greifbare Ergebnisse zu erzielen?

Wenn Sie mit einem erfahrenen Partner für das Internet der Dinge (IoT) die richtigen Schritte beachten, können Sie Predictive Maintenance implementieren, um ungeplante Ausfallzeiten um bis zu 30 % zu reduzieren, bis zu 83 % schnellere Service-Lösungen zu erreichen und bis zu 75 % weniger Zeit vor Ort aufzuwenden.1

Vorbereitung auf die Implementierung

Bevor Sie und Ihr Team mit der Implementierung einer IoT-basierten Predictive Maintenance-Strategie beginnen, müssen Sie wahrscheinlich zunächst eine gemeinsame Basis finden, für Einheitlichkeit sorgen und eventuell sogar virtuelle Teams bilden. So können Sie den Erfolg sicherstellen. Um eine unternehmensweite Transparenz und Zustimmung zu erreichen, müssen Ihre Kollegen ein klares Bild davon bekommen, wie Predictive Maintenance die Verfügbarkeit der Anlagen, die Service-Effizienz und die Kundenbeziehungen unmittelbar verbessert.

Predictive Maintenance verstehen

Was wäre, wenn Ihr Team schon im Voraus wüsste, dass ein wichtiges Gerät bald ausfallen könnte? Diese Erkenntnis wäre eine wertvolle Information, auf die Sie reagieren könnten. So könnten Sie kostspielige Ausfallzeiten für Ihre Kunden verhindern. Aber ohne Vorhersage sind ein reaktiver, ineffizienter Service – und unzufriedene Kunden – wahrscheinlicher.

Um Predictive Maintenance in Ihrem Executive-Team zu vermitteln, sollten Sie Bereiche wie Data Science und Prognosen nicht als "Hexenwerk" betrachten. Sie und Ihr Team erstellen bereits Prognosen auf Basis bekannter Informationen. Der einzige Unterschied zum aktuellen Zustand besteht darin, dass Service-Organisationen mit dem Internet der Dinge Prognosen erstellen können, die auf gewonnenen Informationen und Simulationsergebnissen basieren. Das sind die entscheidenden Insights, die zu wichtigen Geschäftsvorteilen wie Kosteneinsparungen und langfristigem Kundenvertrauen führen.

Ermitteln des Maschinenzustands für die Prognose

Welcher Maschinenzustand (oder welche -zustände) verursacht/verursachen bei einer Störung die größten Kosten für Ihre Kunden? F&E-, Engineering- und Service-Teams müssen gemeinsam die entscheidenden Daten identifizieren, wichtige Faktoren bestimmen und einen Plan für den Zugriff auf diese Daten entwickeln.

Unternehmensweite Transparenz und Zustimmung erreichen

An diesem Punkt haben Sie ein geschäftsrelevantes Anwendungsbeispiel erstellt, das auf die täglichen Herausforderungen im gesamten Unternehmen abgestimmt ist. Das Anwendungsbeispiel muss vom gesamten Unternehmen unterstützt werden. Das allein reicht jedoch nicht aus. Der Erfolg Ihrer Predictive Maintenance-Implementierung hängt von den Mitarbeitern ab, die die Technologie nutzen und im Alltag Prognosen erstellen. Sie benötigen Transparenz und Zustimmung von den Endbenutzern und müssen die Arbeitsabläufe, auf die sich dieses neue Modell auswirkt, anpassen. So können Sie gewährleisten, dass die Benutzer ein Verständnis für das Internet der Dinge entwickeln und darauf vertrauen, dass sie wertvolle Prognosen erstellen können.

Auswählen eines Partners

Ein entscheidender Schritt bei der Vorbereitung auf die Predictive Maintenance-Implementierung ist die Auswahl des richtigen Partners für das Internet der Dinge, der Ihnen während des gesamten Prozesses zur Seite steht. Sobald Sie die Unterstützung der Geschäftsführung für Predictive Maintenance im gesamten Unternehmen gewonnen, die Bedingungen für die Prognosen identifiziert und die unternehmensweite Zustimmung sichergestellt haben, sollten Sie sich mit Experten zusammensetzen, die sich mit der Implementierung des Internets der Dinge für Predictive Maintenance auskennen.

Service-Organisationen sollten sich nach IoT-Partnern umsehen, die die für die Predictive Maintenance-Implementierung erforderliche Supportstruktur bereitstellen können und über Erfahrung verfügen:

• Auswahl der Daten
• Erstellung von Modellen
• Analysen
• Strategie zur Datenerfassung und -verwaltung
• Datenarchitektur, -design und -verwaltung
• Erfahrung mit Simulationen
• Verfügbarkeit des Ökosystems

Erstellen eines Prognosemodells

Ihre Predictive Maintenance-Partner können Ihnen bei der Auswahl der richtigen Technologie für den Aufbau eines Prognosemodells helfen. So können Sie wertvolle Insights gewinnen, um den Service zu beschleunigen und die Ausfallzeiten zu reduzieren.

Industrielle Konnektivität aufbauen
Ein wichtiger erster Schritt beim Aufbau eines Prognosemodells ist die industrielle Konnektivität, die eine unternehmensweite Transparenz und Datenvergleiche ermöglicht. Eine Möglichkeit zum Aufbau der industriellen Konnektivität ist ThingWorx Kepware Server von PTC. Eine Lösung, die eine sichere, standardisierte Datenkonnektivität zwischen unterschiedlichen Anlagen (sowohl neuen als auch älteren) bietet und damit eine Basis für die Skalierung mit dem Internet der Dinge schafft.

Gewinnen umsetzbarer Insights per IoT Analytics
Die ThingWorx IoT-Platform von PTC automatisiert Analysen und die KI, damit Unternehmen schnell und einfach auf umsetzbare Erkenntnisse aus dem Internet der Dinge zugreifen können. Diese Insights werden durch ThingWorx-Funktionen wie maschinelles Lernen bereitgestellt, mit denen Ihr Team Prognosen auf der Basis von IoT-Daten treffen kann – ohne komplexe mathematische Verfahren oder Datenexperten zu benötigen.

Predictive Maintenance in Aktion bei Howden

Für Howden, ein führendes Entwicklungsunternehmen in einem globalen Umfeld, trägt Predictive Maintenance dazu bei, kostspielige ungeplante Ausfallzeiten zu reduzieren, die Leistung und Energieeffizienz zu optimieren und den Kunden wertvolle Erkenntnisse zu den Anlagen zu liefern.

Howden ist eine Partnerschaft mit PTC eingegangen und hat sich für die ThingWorx Platform für Predictive Analytics entschieden. Die Partnerschaft bildet die Basis für Howdens Data Driven Advantage (DDA)-Programm, das den Kunden umsetzbare Insights bietet, um "durch die Erkennung von Frühwarnsignalen kostspielige Ausfälle zu vermeiden" und die Verfügbarkeit zu verbessern.

Sehen Sie sich die vollständige Howden-Story zu Predictive Maintenance an

Predictive Maintenance in Aktion bei Parata

Bei Parata Systems, einem führenden Unternehmen für die Automatisierung im Apothekenbereich, ersetzte ThingWorx eine Internet der Dinge-Plattform, der es an Funktionen in den Bereichen Transparenz, Berichterstattung und Analyse mangelte. Parata wollte die Zustandsüberwachung für seine Kunden auf skalierbare Weise verbessern. Das Unternehmen begann mit der Remotezustandsüberwachung und entwickelte später eine Lösung zur Service-Optimierung. Heute ermöglicht ThingWorx proaktive Warnmeldungen, und maschinelles Lernen sorgt in den Bereichen Service-Effizienz, Ressourcennutzung, Ersatzteilbedarf und Service-Rentabilität für Verbesserungen.

Sehen Sie sich die vollständige Predictive Maintenance-Story von Parata an

Skalieren Ihrer Predictive Maintenance-Strategie

Mit einer dedizierten IoT-Partnerschaft und einem Prognosemodell können Sie sich darauf konzentrieren, Ihre Predictive Maintenance-Strategie in großem Umfang auszubauen:

1. Überwachung der Effizienz Ihres Prognosemodells über einen längeren Zeitraum
2. Erfassung von Daten und Aktualisierung Ihres Prognosemodells

Echte Ergebnisse von Predictive Maintenance in großem Maßstab

Die Prinzipien der Predictive Maintenance-Skalierung können in Fertigungs- und Service-Umgebungen in verschiedenen Branchen angewendet werden. Ein Hersteller von technischen Kabeln für kritische Anwendungsbereiche in der Luft-/Raumfahrt und Verteidigung stellte einen Fehler in einer Produktionslinie fest, der eine Ausschussproduktion im Gegenwert von ca. 400.000 US-Dollar verursachte und sich auf die Geschwindigkeit der Produktionslinie und die Liefertermine auswirkte. Im Folgenden erfahren Sie, wie das Team des Unternehmens Predictive Maintenance nutzte, um mehrere Produktionslinien zu optimieren.

Kontrolle Ihrer Service-Strategie mit Predictive Maintenance

Prognosen auf Basis Ihrer Daten sind nicht so schwierig, wie es vielleicht scheint. Mit Hilfe eines dedizierten IoT-Partners können Service-Organisationen wie die Ihre eine Predictive Maintenance-Strategie umsetzen, die unternehmensweit Herausforderungen angeht, die Service-Effizienz verbessert und die Ausfallzeiten reduziert. Erkunden Sie weitere Ressourcen, um umsetzbare Erkenntnisse für wertvolle Prognosen zu gewinnen.