Kostenreduktion in der Produktion und Geschäftsmodelle mit Predictive Maintenance

Big Data oder Daten im Allgemeinen geben nicht nur neue Einblicke in die eigene Produktion. Sie bilden auch die Grundlage für neue Geschäftsmodelle. Dieser Artikel liefert einen Überblick über die möglichen Szenarien am Beispiel von Predictive Maintenance. Von Clemens Weis (Partner Industrie Reply) und Christoph Schmierer (Manager Industrie Reply)

Predictive Maintenance bietet Unternehmen die Möglichkeit zum einen Wartungskosten drastisch zu optimieren, bei einer gleichzeitigen Steigerung des OEE, und zum anderen, die Lösung auch den eigenen Kunden anbieten zu können. Eine solche Software eröffnet neue Geschäftsmodelle, da Hersteller Predictive Maintenance als Service zu ihren Produkten anbieten können oder die eigenen Produkte „as a Service“ angeboten werden können. Dies wirkt sich ebenfalls auf die Produktivität der eigenen Kunden aus. 

Ungeplante Maschinenstillstandszeiten können noch immer zu extrem hohen Kosten in der produzierenden Industrie führen. Die Kosten variieren hierbei: von über 2,5 Millionen US-Dollar pro Stunde in der Automobilherstellung bis zu einigen Tausend in der Fast Moving Consumer Goods (FMCG) Industrie. 

Kosteneinsparungen mit Predictive Maintenance in der Produktion

Mit Prognosemodellen lässt sich vorhersagen, wann eine Maschine nicht mehr mit der erforderlichen Qualität produzieren oder beispielsweise eine Maschine ausfallen wird. Durch die Berechnung der Restnutzungsdauer können in den Unternehmen Wartungsarbeiten gezielt vorgenommen werden.

Kosteneinsparungen werden dadurch auf zwei Wegen realisiert:

1. Wartungsarbeiten orientieren sich nicht mehr an fest vorgegebenen Serviceintervallen, sondern an den prognostizierten erforderlichen Wartungszeitpunkten. Nach unseren Erfahrungen können Wartungskosten um ca. 10 – 40 Prozent gesenkt werden. Dieser Wert setzt sich aus der 45 – 55% höheren Produktivität des Wartungsteams und der um ca. 85 Prozent gesteigerten Genauigkeit der Wartung zusammen.
2. Ungeplante Maschinenausfallzeiten können durch die prognostizierten Ausfallzeitpunkte vermieden werden. Das heißt: Wartungsarbeiten lassen sich vorzeitig durchführen. Die OEE (Gesamtanlageneffektivität) kann durch eine Reduktion der ungeplanten Ausfälle um 30 – 50% dabei erheblich erhöht werden.

Die Betriebskosten für Predictive Maintenance Lösungen sind drastisch gesunken, da

• die meisten Produktionsmaschinen heute bereits mit ausreichend Sensoren ausgestattet sind, welche die benötigten Daten verfügbar machen. Eine kostenintensive Nachrüstung von Sensoren entfällt damit häufig.
• die Kosten der Datenhaltung sowie der Datenverarbeitung drastisch gesunken sind.
• das Angebot an Prognosemodellen mit leicht zu bedienender graphischer Benutzeroberfläche kein statistisches Spezialwissen bei Servicetechnikern erfordert.

Bild 1: Benutzerfreundliche Bedienoberfläche. BIld: Reply

Neben den Betriebskosten stellen die Entwicklungskosten einen wichtigen Kostenfaktor von Predicitive Maintenance-Modellen dar. Spezialisierte Beratungshäuser verfügen bereits über vortrainierte Machine Learning Modelle, die auf mehrjährigen Erfahrungswerten gleicher bzw. sehr ähnlicher Maschinen (zum Beispiel Antrieben, Pumpen) und Komponenten basiert. Mit Hilfe dieser Modelle verkürzt sich der Zeitraum, in dem Predictive Maintenance-Modelle trainiert werden erheblich. Der RoI (Return of Investment) kann dadurch deutlich schneller realisiert werden.

Neue Servicemodelle mit Predictive Maintenance

Digitale Services werden immer mehr ein fester Bestandteil des Portfolios im Maschinenbau. Predictive Maintenance-Lösungen sind ein Service für Maschinenbauer, die ihnen sowie deren Kunden eine Reihe von Vorteilen bietet.

Kunden von Maschinenbauern profitieren zum Beispiel von

• einer Reduktion der ungeplanten Maschinenstillstandszeiten und Optimierung der Wartungsarbeiten
• Reduktion der Lagerbestände für Ersatzteile, da diese vor prognostizierten Wartungszeitpunkten bestellt werden können.

Bild 2: Ausfälle und der Einfluss auf existierende Kundenbeziehungen. Bild: Reply

Maschinenbauer profitieren von

• einer verbesserten Kundenbindung durch ihre erhöhte Serviceleistung.
• Erhöhung der Frequenz der Kundeninteraktion, was insbesondere bei langlebigen Investitionsgütern Vorteile bietet.
• Optimierung der Service-Einsatzplanung: Es können frühzeitig Wartungstermine vereinbart werden, wodurch die Einsatzplanung der Servicemitarbeiter optimiert wird.
• Beschleunigung des Produktverbesserungsprozesses, der durch Kenntnis der Fehlerquellen möglich ist.

Vorteile

Predictive Maintenance ist ebenfalls einer der Wegbereiter für neue Servicemodelle wie zum Beispiel „Power by the Hour“ also die Leistung eines Gabelstaplers per Stunde, das Formen per Stunde, das Pressing per Stunde usw.

Bild 3: Predictive Maintenance ermöglicht Equipment as a service. Bild: Reply

Für die Kunden von Maschinenbauern weist dieses Servicemodell den Vorteil auf, dass sie hohe Investitionskosten umgehen und nur für die tatsächlich nachgefragte Leistung bezahlen. Für die Anbieter dieser Services sind ungeplante Maschinenausfallzeiten schädlich, da sie dazu beitragen, die Umsatzrealisierung zu verzögern. Mit Predictive Maintanence-Lösungen lässt sich dies vermeiden und die Rentabilität dieses neuen Servicemodells sicherstellen. (anm)