En "Índice alemán de Industria 4.0 2018" es un estudio anual que determina el estado actual de los avances en el contexto de la transformación digital. En particular, los resultados sobre Mantenimiento predictivo Sin embargo, esto da que pensar. Por un lado, el mantenimiento predictivo es uno de los casos de uso más destacados de Industrie 4.0. Por otro, es precisamente este caso de uso el que no cumple las expectativas de las empresas.

El estudio "Predictive Maintenance" de la VDMA y la consultora de gestión Roland Berger también llega a la conclusión de que sólo el 40% de las empresas utilizan el mantenimiento predictivo. Precisamente porque hemos tenido experiencias muy positivas con muchos proyectos de mantenimiento predictivo, vemos en él un gran potencial infrautilizado. Por este motivo, queremos preguntar una vez más cuál es el crítico Factores de éxito de mantenimiento predictivo y en el que hormigón Escenarios merece la pena utilizarlo.

Convencional Los métodos de mantenimiento ya no están actualizados

El mantenimiento se solía llevar a cabo con arreglo a normas fijas y predefinidas. Intervalos llevado a cabo. En muchos casos, esto sigue siendo así hoy en día. Sin embargo, esta práctica requiere mucho tiempo y conduce sobre todo a que incluso se mantengan máquinas que aún están en perfecto estado de funcionamiento. El problema problema es que, durante el periodo de mantenimiento, las máquinas no están disponibles para la producción o o utilización durante el periodo de mantenimiento.

Por lo tanto de mantenimiento y revisión convencionales generan costes innecesarios. Además Además, este enfoque no excluye la posibilidad de que se produzcan fallos inesperados en las máquinas. de las máquinas. Esto puede provocar pérdidas económicas considerables porque las piezas de recambio sólo se piden cuando la máquina ya no funciona. ya no funciona. El objetivo de un enfoque de mantenimiento para la digital Edad la Industria 4.0 debe, por tanto, encontrar una solución a estos dos retos. Y esta solución se llama: mantenimiento predictivo.

En Fundamentos del mantenimiento predictivo

Los fundamentos del enfoque de mantenimiento predictivo son los datos y Análisis de datos. Estos datos sirven de base para planificar y llevar a cabo el mantenimiento. El requisito previo para ello son los datos de supervisión proporcionados por los sensores que se colocan en las máquinas con este fin. La cantidad de datos que se acumulan en este proceso es a veces enorme (Grandes datos). Estos datos se examinan en tiempo real en busca de patrones llamativos. Para ello, primero se define qué valores representan los Funcionamiento normal definir. Sobre esta base diferente Muestra que indican el fallo de un determinado componente o un mal funcionamiento del motor.

Factores críticos de éxito

Ante todo, un caso práctico de mantenimiento predictivo es una oportunidad importante para Conocimientos de datos en su propia organización. Sin los correspondientes conocimientos técnicos y experiencia en proyectos de datos, o bien un Horizonte de expectativas o los resultados no están a la altura de las expectativas.

Garantizar un alto nivel de Calidad de los datos es fundamental para el éxito de Proyectos de datos general y especialmente de los proyectos de mantenimiento predictivo. Es aconsejable recoger siempre varias mediciones de control al mismo tiempo para cada punto de recogida de datos con el fin de identificar o excluir rápidamente las mediciones incorrectas.

Consejo de lectura: La introducción de un Catálogo de datos también puede ser un elemento importante para el éxito de los casos de uso basados en datos.

Otro factor clave del éxito del mantenimiento predictivo está relacionado con la pregunta concreta y la Modelo de negocio del cliente correspondiente. El mantenimiento predictivo no es puramente un fin en sí mismo, sino que debe integrarse en el Contexto general ser considerados y evaluados. Esto puede analizarse, por ejemplo, en un taller de casos prácticos que ofrecemos precisamente con este fin.

En Ventajas del mantenimiento predictivo

Sin embargo, el enfoque descrito hasta ahora sólo representa el principio funcional más simple según el cual funciona el mantenimiento predictivo. En el marco de los numerosos Utilice Casosque ya hemos realizado con éxito en este contexto, pudimos constatar que las preguntas concretas de las empresas eran a menudo mucho más específicas o iban más allá. No obstante, toda una serie de Ventajas que aporta el mantenimiento predictivo:

• De por vida de máquinas e instalaciones y, por tanto, se reducen los costes de inversión. se reducen
  • Daños pueden identificarse antes de que surjan
  • Reparaciones pueden planificarse y aplicarse mejor
  • Causas puede utilizarse en Componentes a determinar
  • Datos proporcionan información a los fabricantes y productores para mejorar Calidad Mejorar a largo plazo

El mantenimiento predictivo también puede ser la base para nuevo Servicios y Modelos de negocio ofrecer. Por ejemplo, los fabricantes de instalaciones y maquinaria pueden ofrecer nuevos servicios ofrecer nuevos servicios además de su modelo de negocio actual.

Caso práctico: Servicio telemático para MAN

En qué medida un caso de uso de mantenimiento debe estar integrado en el contexto global de una empresa. El caso concreto de uno de nuestros clientes, el fabricante de camiones fabricante de camiones MAN. Esta empresa tuvo que luchar una y otra vez con el hecho de que algunos de sus completamente cargados, por ejemplo, debido a daños en los inyectores. daños en los inyectores, por ejemplo. La avería provocó costes directos para la reparación para la reparación, así como costes indirectos por sanciones de convenio y un descenso en el descenso en la clasificación de calidad. Nuestra solución fue desarrollar e e implantación de un servicio telemático en la producción en serie. Esto nos sirvió como proveedor de datos para Análisis predictivo para la detección preventiva de una avería o defecto.

Para ello, utilizamos métodos de minería de datos para extraer las Datos telemáticos de los vehículos para detectar averías de forma preventiva con el fin de proactivo para poder reaccionar ante ella. Los procedimientos de alineación estadística y los métodos de minería de datos se analizaron y predijeron utilizando el ejemplo de la bobina de encendido y los inyectores. De este modo, pudimos predecir estadísticamente para nuestro cliente determinados patrones de error utilizando los datos telemáticos. De este modo lo conseguimos:

• Evasión de los paneles a través de la página proactiva Supervisión el Datos telemáticos
  • Temprano Detección de levantarse en el campo Problemas de calidad
  • Reducción el Garantía y Costes del fondo de comercio así comodrastic Aumentar el Satisfacción del cliente

Con este y otros casos de uso, comprobamos repetidamente el gran valor que aporta el mantenimiento predictivo frente a las soluciones convencionales. El valor añadido no sólo procede de evitar costes de reparación. costes de reparación. Sobre todo, el consiguiente aumento de la fiabilidad y la satisfacción de los clientes es algo más que un efecto secundario indirecto del mantenimiento predictivo.