Instandhaltung 4.0
Kurztitel: Maintenance 4.0
Langtitel: Maintenance 4.0 - Assurance of product quality and plant availability through a real-time based maintenance control center
Sponsoren: Österreichische Forschungsförderungsgesellschaft - FFG
Beitrag des IMW zum Forschungsprojekt:
- Anforderungsanalyse und Analyse der bestehenden Systeme
- Identifikation von Zusammenhängen zwischen den Eingangsdaten
- Entwicklung eines Reaktionsmodells mit einem zugrunde liegenden Regelwerk
- Die Konzeption der vorausschauenden Wartungsstrategie
- Projektleitung und -abwicklung
Dauer: 04/2015-06/2017
Kurzfassung:
Im Forschungsprojekt "Instandhaltung 4.0" haben die Projektpartner unter der Konsortialführung der TU Wien die Entwicklung eines innovativen Instandhaltungsleitstandes untersucht, der Ausfallzeiten vorhersagt und vorausschauende Instandhaltungsmaßnahmen vorschlägt. Zu diesem Zweck wurden mehrere Datenquellen miteinander verknüpft - Echtzeit-Maschinensteuerungsdaten, Zustandsüberwachungsdaten, Qualitätsmessdaten der Produkte und das historische Wissen über Ausfallereignisse. Ein im Hintergrund laufendes Reaktionsmodell kombiniert die zustands- und belastungsabhängige Lebensdauerberechnung mit einem statistischen Ausfallverhalten der betrachteten Anlage.
Resultate:
Die Ergebnisse des Forschungsprojekts Instandhaltung 4.0 ermöglichen eine genauere Vorhersage des Ausfallzeitpunkts von Produktionsmaschinen und eine vorausschauende Instandhaltungsstrategie. Kern des Projektes war die Entwicklung eines innovativen Instandhaltungsleitstandes. Im Rahmen des Projekts wurde ein Reduktionspotenzial der Ausfallzeiten von bis zu 25 %, je nach Maschinenkomponente, erreicht. Durch die verbesserte Planbarkeit wird die Prozessstabilität auf dem gesamten Shopfloor erhöht und ein wesentlicher Schritt in Richtung "Instandhaltung 4.0" getan.
Der Instandhaltungsleitstand bietet:
- Darstellung des mechanischen Verschleißes
- Darstellung von Diskrepanzen in den Qualitätsdaten
- Maßnahmen zur Entscheidungsunterstützung
- KPI-Cockpit zur anlagenspezifischen Auswertung
- Visualisierung der Auswertung
Die mobile Instandhaltungs-App bietet:
- Darstellung des Anlagenzustandes (aktueller Betriebszustand, aktueller Verbrauch etc.)
- Rollenspezifisch definierbares KPI-Cockpit
- Schnelle Erfassung und kostengünstiges Management von Störfällen
- Eine detaillierte Auswertung der OEE
Partner:
Forschtungseinrichtungen:
- TU Wien Institut für Managementwissenschaften
- TU Wien Institut für Fertigungstechnik und Photonische Technologien
- Fraunhofer Austria Research GmbH
- Montanuniversität Leoben Lehrstuhl für Wirtschafts- und Betriebswissenschaften
Industriepartner:
- Opel Wien GmbH
- Pimpel GmbH
Kontakt:
Dipl.-Ing. Robert Glawar
Publikationen:
- F. Ansari, R. Glawar & T. Nemeth, PriMa: A Prescriptive Maintenance Model for Cyber-Physical Production Systems, International Journal of Computer Integrated Manufacturing, Vol. 32, Issue 4-5: Smart Cyber-Physical System Applications in Production and Logistics, Taylor & Francis, 2019, pp. 482-503
- T. Nemeth, F. Ansari, W. Sihn, B. Haslhofer & A. Schindler, PriMa-X: A Reference Model for Realizing Prescriptive Maintenance and Assessing its Maturity Enhanced by Machine Learning, Procedia CIRP, Vol. 72, 2018, pp. 1039-1044.
- F. Ansari & R. Glawar, Knowledge-Based Maintenance, Book Chapter, In Instandhaltungslogistik, K. Matyas (Ed.), 7th Edition, Carl Hanser Verlag, 12/2018, pp. 318-342.
- K. Matyas, T. Nemeth, K. Kovacs, R. Glawar, 2017: A procedural approach for realizing prescriptive maintenance planning in manufacturing industries.
- R. Glawar , Z. Kemeny, T. Nemeth et.al., 2016: A Holistic Approach for Quality Oriented Maintenance Planning Supported by Data Mining Method
- R. Glawar, C. Habersohn, T. Nemeth et.al. 2016: A holistic approach for anticipative maintenance planning supported by a dynamic calculation of wear reserve
- T. Nemeth, R. Bernerstätter, R. Glawar, et.al.,2015: Instandhaltung 4.0: Sicherstellung von Produktqualität und Anlagenverfügbarkeit durch einen echtzeitbasierten Instandhaltungsleitstand