In dem Bestreben, die Kosten für die Instandhaltung von Anlagen kontinuierlich zu senken, bieten neue Technologien realistische und greifbare kurzfristige Vorteile, aber nicht ohne einige Hürden zu überwinden. In Anbetracht der breiten Palette von Anlagen, für die Versorgungsunternehmen verantwortlich sind – Transformatoren, Pumpen, Fahrzeuge, kilometerlange Rohre und Kabel – und der Risiken, die mit Anlagenausfällen verbunden sind, hat eine zuverlässige Wartungsstrategie für die Branche Priorität.
Versorgungsunternehmen haben sich von einem primär reaktiven Break-and-Fix-Reparaturansatz zu einem vorbeugenden Wartungsansatz entwickelt. Teile werden mit zunehmendem Alter oder nach einem vom Hersteller empfohlenen Zeitplan ersetzt. Dieser Ansatz wurde durch Asset-Tracking-Funktionen in ERP (Enterprise Resource Planning) und durch für diesen Zweck entwickelte Wartungssysteme erleichtert.
Die geplante vorbeugende Wartung stellt zwar einen Fortschritt dar, ist aber nicht das ultimative Ziel. Prescriptive Maintenance ist der nächste große Schritt in der Evolution des Asset Managements.
Dies bedeutet, von der geplanten vorbeugenden Wartung zu einem Zustand überzugehen, in dem die erforderliche Wartung von Systemen vorhergesagt und eine Vorgehensweise vorgeschrieben wird. Wir können es vorbeugende Wartung mit eingebauter Intelligenz nennen.
Es gibt klare Vorteile, sich in diese Richtung zu bewegen. Einige Vorteile sind direkter, wie z. B. das Vorbeugen von Geräteausfällen, um hoffentlich größere Ausfälle oder Ausfälle zu vermeiden, oder das Vermeiden des Austauschs von einwandfreien Teilen, wenn diese eigentlich nicht benötigt werden. Weitere Vorteile ergeben sich aus einem besseren Verständnis dafür, welche Komponenten im Feld eingesetzt werden. Wenn beispielsweise ein Mechaniker mit der Reparatur einer Komponente beauftragt wird, weiß er, welche Teile und Werkzeuge er mitbringen muss. Business Intelligence dieses Kalibers liefert das Wissen, um die Reparaturzeit und -effektivität drastisch zu verbessern.
Um jedoch dieses Niveau der Ausgereiftheit zu erreichen, sind einige Vorarbeiten erforderlich, die es den Anlagen selbst ermöglichen, die Informationen, die Bediener und Mechaniker wissen müssen, besser zu kommunizieren.
Hierfür können Versorgungsunternehmen die M2M-Technologie (Machine-to-Machine) und fortschrittliche Analysesysteme nutzen. M2M-Lösungen übertragen kontinuierlich Leistungsinformationen und Diagnosedaten von Außenanlagen an ein Kontrollzentrum.
Analysetools helfen dabei, Erkenntnisse aus den Daten zu gewinnen, um vorherzusagen, wann Geräte gewartet, repariert oder ausgetauscht werden müssen, bevor es zu einem tatsächlichen Ausfall kommt.
M2M verwendet an Anlagen angebrachte Sensoren, um die vorbeugende Wartung einen Schritt weiter zu bringen, indem sie vorausschauend wird. Sensoren generieren kontinuierlich Daten über diese Assets und übertragen sie an ein Kontrollzentrum, wo sie von Daten in aussagekräftige Informationen in Form eines Dashboards oder von Benachrichtigungen umgewandelt werden, wo ein Dispatcher die Aktivität überwacht und darauf reagiert.
Beispielsweise kann eine Pumpenkomponente stärker als normal zu vibrieren beginnen oder das Geräusch einer Maschine ändert sich in der Tonhöhe, was darauf hindeutet, dass etwas Ungewöhnliches passiert. Der Sensor erkennt diese Änderung und sendet eine Warnung an das Dashboard – oder an ein Smartphone oder ein anderes Gerät – mit der Warnung, dass die Anlage voraussichtlich in den nächsten 36 Stunden ausfallen wird. Dies gibt dem Disponenten oder Bediener die Möglichkeit, eine Reparatur zu planen, um kostspielige Ausfallzeiten der Ausrüstung zu vermeiden. Durch den Einsatz dieses vorausschauenden Ansatzes können Versorgungsunternehmen die Betriebszeit ihrer Geräte maximieren.
Mit den heutigen Datenerfassungsfunktionen können wir Statistiken über Alter, Ausfallraten, Betriebsstunden, Umgebungsbedingungen und Inspektionen für jeden Vermögenswert zusammenstellen und sie sogar mit einer ganzen Flotte ähnlicher Vermögenswerte vergleichen. Es werden sich Muster und Trends herauskristallisieren, die die Organisation bei der Entwicklung eines effektiven vorgeschriebenen Wartungsplans anleiten können. Infolgedessen wird die Wartung nach dem durchgeführt, was die Maschinen Ihnen sagen, und nicht nach dem Kalender oder einer vorgegebenen Metrik. Wir können jetzt nur die Komponenten reparieren oder ersetzen, die es brauchen, wenn sie es brauchen.
Die Installation von Sensoren an bestehenden Anlagen ist möglicherweise nicht möglich oder realistisch. Die tatsächlichen Vermögenswerte in diesem Bereich können veraltet sein; die verwendeten Datenformate sind möglicherweise nicht für den Datenversand geeignet. Obwohl es einen Drang nach Datenstandards gibt, werden immer noch mehrere proprietäre Standards verwendet und bis heute kein formaler Standard. Die Hersteller erlauben möglicherweise nicht, dass ein Sensor installiert wird, oder die Kosten dafür sind unpraktisch.
Die Modernisierung von Anlagen ist kapitalintensiv, und für die Versorgungsbranche können regulatorische und Compliance-Anforderungen den Austausch von Anlagen entweder beschleunigen oder behindern. Der Business Case für den vorzeitigen Ersatz eines Assets durch eine modernere intelligente Version muss gegen die Beibehaltung des alten Modells für einen längeren Zeitraum abgewogen werden. Hier kann die Industrie (Versorger, Hersteller, Technologiepartner und Regulierungsbehörden) zusammenarbeiten, um die vorteilhaftesten Anwendungsfälle zu priorisieren.
Mit dem technologischen Fortschritt beginnt eine neue Ära in der Vermögensverwaltung. Neue Algorithmen werden mit größerer Genauigkeit veröffentlicht, Sensoren werden kleiner und kostengünstiger, und die Kosten für Computerhardware sinken weiterhin erheblich, was alles zu innovativeren Lösungen beiträgt. Die Zukunft der Anlagenwartung ist vorgeschrieben, und jeder Schritt in Richtung dieses Ziels hilft Unternehmen, Kosten zu senken, die Verfügbarkeit und Betriebszeit der Ausrüstung sicherzustellen, die Servicezuverlässigkeit zu erhöhen und vor allem die Sicherheit zu verbessern.