Header Bild

Die ÖVIA

Wissenschaftlich fundiert, praxisorientiert & unabhängig

Beiträge zum ÖVIA Tagungsband 2018


 

Die digitale Transformation in der Instandhaltung

  • Jens REICHEL
    Dr.-Ing., Leiter Technische Dienstleistungen & Energie, thyssenkrupp Steel Europe AG
  • Wolfgang WIESE
    Dr.-Ing., Teamkoordinator Projekthaus daproh und Instandhaltungsstrategie, thyssenkrupp Steel Europe AG
  • Rainer DROESE
    Dr.-Ing., Teamleiter Strategisches Instandhaltungsmanagement, thyssenkrupp Steel Europe AG

Die digitale Transformation bietet der Instandhaltung große Chancen, sich in ihrem Reifegrad auf ein höheres Exzellenzniveau zu entwickeln. Die Instandhaltung wird zum Value Chain Service zwischen Asset Life Cycle und Supply Chain. Damit verändert sich das Berufsbild des Instandhalters zum Anlagenmanager. Neue Methoden und Werkzeuge ermöglichen der Instandhaltung den Wertbeitrag besser sichtbar zu machen und auch zu erhöhen. Die Anforderungen an den Instandhalter verändern sich. Dies muss mit dem Aufbau entsprechender Kompetenzen und einem Change Management einhergehen. Das Unternehmen thyssenkrupp Steel Europe hat sich den Fragen gestellt und eine Digitalisierungsstrategie entwickelt, mit der es den Herausforderungen der digitalen Transformation in der Instandhaltung integrativ mit denen der Produktion und des Qualitätsmanagements begegnet.

Predictive Maintenance – Möglichkeiten und Grenzen

  • Hubert BIEDERMANN
    o.Univ.-Prof. Dr. mont., Departmentleiter, Präsident der ÖVIA, Department WBW

Die zunehmende Digitalisierung bietet der Instandhaltung die Chance einen höheren Reifegrad im strategisch-operativen Management zu erreichen. Die zumeist ex ante festgelegte Instandhaltungsstrategie mit vorwiegend ausfallbezogener und präventiver (statischer) Vorgangsweise stößt mit zunehmender Wertschöpfungsorientierung an ihre Grenzen. In der Philosophie "Lean-Smart-Maintenance" bildet die Dynamisierung der Strategiewahl ein wesentliches Element welches durch eine stärkere Ausrichtung des Strategiemix auf Condition Based Maintenance bzw. prädiktive Instandhaltung gekennzeichnet ist. Durch die Integration der Datenbasen und die Weiterentwicklung der Verfahren der Zustandsprognose ergeben sich vielfache Möglichkeiten die Zuverlässigkeit (Smart-Ansatz) und gleichzeitig die Ressourceneffizienz (Lean-Ansatz) zu erhöhen. Der vorliegende Beitrag adressiert die Wertschöpfungsorientierung des LSM-Konzeptes und unterschiedliche Instandhaltungsphilosophien ebenso, wie daraus abgeleitet die Wahl der Instandhaltungsstrategien. Der Konnex zwischen den zugrundeliegenden Ausfallursachen und der Strategien wird hergestellt sowie der derzeitige Stand der Zustandsprognose in Wissenschaft und Praxis überblicksartig zusammengefasst. Die gegebenen Möglichkeiten und Grenzen der Predictive Mmaintenance runden den Beitrag ab.

Einführung eines strategischen Asset Management Systems am Beispiel der Zellstoffindustrie

  • Theresa PASSATH
    Dipl.-Ing., Wissenschaftliche Mitarbeiterin, Lehrstuhl für Wirtschafts- und Betriebswissenschaften
  • Alfred KINZ
    Dr.mont., Head of Global Maintenance, Alpla Kunststoff GmbH

Die mit der steigenden Automatisierung einhergehende Substitution des Produktionsfaktors Arbeit (Mensch) durch den Produktionsfaktor Anlage (Maschine) erhöht die Bedeutung eines effizienten Umgangs mit der kapitalintensiven Ressource Anlage. Hierzu rücken immer stärker Bestrebungen zur ganzheitlichen Berücksichtigung dieses Themas im Unternehmen in den Fokus. Ein strategisches Asset Management System erfüllt diese Anforderungen und ermöglicht eine lebenszyklusoptimierte Bewirtschaftung sämtlicher Anlagen mit dem Ziel der Minimierung der Lebenszykluskosten.

Optimierung des Betriebsmitteleinsatzes durch Digitalisierung

  • Adrian HÄUSELMANN
    Prozessentwicklung / PW-P, voestalpine Wire Rod Austria GmbH
  • Gunter KORP
    Dipl.-Ing., Managing Director, voestalpine Wire Rod Austria GmbH
  • Kurt FORSTNER
    Dr.mont., Leiter Prozesstechnik, voestalpine Wire Rod Austria GmbH

Die voestalpine Wire Rod Austria GmbH hat im Jahr 2017 ihr neues Drahtwalzwerk in Vollbetrieb genommen und damit die Gelegenheit bestmöglich genutzt, ihre Digitalisierungsbestrebungen bei der Walzdrahtherstellung weiter voranzutreiben. Dabei steht nicht nur der Walzprozess als solcher im Fokus, es werden auch die unterschiedlichsten Support-Prozesse betrachtet und entsprechende digitale Szenarien erarbeitet. Anhand des Pilotprojektes "Intelligente Walze" wird die Herangehensweise genauer erläutert.

Methoden und Grundprobleme der präventiven und prädiktiven Maschinenzustandsüberwachung

  • Michael SCHULZ
    Prof. Dr., Geschäftsführer, Indalyz Monitoring & Prognostics GmbH

Die effiziente Nutzung von Windenergieanlagen bedeutet, dass man mit möglichst geringen Betriebs- und Wartungskosten eine weitgehend autonome Anlage in einem optimalen Betriebsregime hält. Dazu werden neue Formen der Überwachung des Maschinenzustandes, weitgehend losgelöst von der human-kognitiven Kontrolle benötigt. Die dazu nötigen betriebswirtschaftlichen, technischen und naturwissenschaftlichen Grundlagen werden analysiert, Vor- und Nachteile diskutiert und Schlussfolgerungen für Investoren, Hersteller und Betreiber gezogen. Im zweiten Teil werden einige Anwendungsfälle in Kürze vorgestellt und es wird demonstriert, welche Ergebnisse mit Methoden der künstlichen Intelligenz erreicht werden können.

Digitalisierung der Instandhaltung von Schienenfahrzeugen und deren Auftragsabwicklung

  • Bernhard LABENBACHER
    Ing., Senior Business Analyst & Senior IT Projektleiter, ÖBB – Technische Services GmbH
  • Natascha MAN
    Leitung Maintenance Management Rail, Boom Software AG

Eisenbahnverkehrsunternehmen werden ständig vor neue Herausforderungen gestellt – Internationalisierung, Gesetzesänderungen, etc. erzeugen immer wieder neue Anforderungen. Daher ist es unbedingt erforderlich, dass Unternehmensprozesse laufend optimiert und erneuert werden. In einem gemeinsamen Projekt haben die Österreichische Bundesbahnen und die Boom Software AG eine Lösung entwickelt, welche die Papierprozesse in der Instandhaltung von Schienenfahrzeugen zur Gänze ablösen soll. Neben papierloser Auftragsabwicklung soll mit der mobilen BDE (Betriebsdatenerfassung) unter anderem der Rückmeldegrad erhöht, Informationen schneller zum Mitarbeiter zugestellt sowie Transparenz geschaffen werden, um neben einer sich daraus ergebenden agileren Handlungsweise, nicht nur wettbewerbsfähig zu bleiben, sondern Marktführer in der Instandhaltung für Schienenfahrzeuge zu werden.

Mittels Machine Learning und innovativen IoT-Technologien zur Predictive Maintenance

  • Tanja NEMETH
    Dipl.-Ing., Wissenschaftliche Mitarbeiterin, Fraunhofer Austria Research GmbH
  • Matthias KARNER
    Dipl.-Ing., Wissenschaftlicher Mitarbeiter, Fraunhofer Austria Research GmbH
  • Fabian BIEBL
    BSc., Hilfswissenschaftlicher Mitarbeiter, Fraunhofer Austria Research GmbH
  • Wilfried SIHN
    Univ.Prof. Dr., Geschäftsführer, Fraunhofer Austria Research GmbH

"Predictive Maintenance" stellt eine der Schlüsselinnovationen im Zeitalter der Digitalisierung dar. Mithilfe von Predictive Maintenance können Prozesse und Entscheidungen, trotz zunehmender Komplexität im industriellen Umfeld, proaktiv und zielgerichtet beeinflusst werden und folglich die Anlagenproduktivität gesteigert und Kosten reduziert werden. Vor diesem Hintergrund wird in diesem Beitrag ein Ansatz zur Prognose instandhaltungsrelevanter Kennzahlen vorgestellt, welcher trotz mangelnder Qualität historischer Daten sehr gute Prognoseergebnisse liefert und ein bedeutender Nutzen für die operative, taktische und strategische Unternehmensebene generiert werden kann. Am Beispiel der Prognose der Overall Equipment Effectiveness (OEE) wird die Prognosegenauigkeit unterschiedlicher Machine Learning Methoden miteinander verglichen und notwendige Analyseschritte für die Prognose von Kennzahlen identifiziert.

Next Level Services – Wie neuartige Services die Transformation zu Industrie 4.0 ermöglichen

  • Eva TATSCHL-UNTERBERGER
    Dipl.-Ing. MBA, Vice President, Head of eService Business Line, Primetals Technologies AT
  • Karl PURKARTHOFER
    Dipl.-Ing. MBA, Senior Vice President – Head of Metallurgical Services, Primetals Technologies AT
  • Ludwig REITER
    Dipl.-Ing., Vice President Metallurgical Services – Upstream, Maintenance & Repair, Primetals Technologies AT
  • Klaus STOHL
    Dipl.-Ing., Head of Technology and Innovation – Metallurgical Services Austria, Primetals Technologies AT
  • Gerald HOHENBICHLER
    Dr. Ph.D, Vice President Technology & Innovation, Metallurgical Services, Primetals Technologies AT
  • Gabriel ROYO
    Vice President & Global Head Metallurgical Services, Primetals Technologies AT

Im Zeitalter von Industrie 4.0 können neuartige Services Nutzen in Form von zusätzlicher Produktivität oder höherer Produktqualität für die Produzenten in der Stahlindustrie bringen. Die Veränderung in der Service Landschaft ist Großteils auf die digitale Revolution zurückzuführen. Die nun zur Verfügung stehenden Technologien ermöglichen die rapide Entwicklungen neuer e-Services und Know-how Services und heben bereits bestehende Services auf eine ganz neue Ebene. Industrie 4.0 bietet auch neue Kooperationsmöglichkeiten zwischen Produzenten in der Stahlindustrie und den Technologieanbietern aus dem Anlagenbau und verändert die Art wie Produzenten und Anlagenbauer als Industriepartner kooperieren.

Smart Maintenance für KMUs auf Basis von bedarfsorientiert konfigurierbaren Datenbausteinen

  • Nadine GÖHLERT
    Dipl.-Wirt.-Ing., Wissenschaftliche Mitarbeiterin
    Institut für Betriebswissenschaften und Fabriksysteme (IBF), TU Chemnitz
  • Stefan LIEBL
    DDI (FH), Teamleiter Projekt- & Prozessmanagement, Institut Chemnitzer Maschinen- und Anlagenbau e.V.
  • Kristin MASSALSKY
    M.Sc., Wissenschaftliche Mitarbeiterin, Institut Chemnitzer Maschinen- und Anlagenbau e.V.
  • Egon MÜLLER
    Prof. Dr.-Ing., Leiter der Professur Fabrikplanung und Fabrikbetrieb, IBF, TU Chemnitz
  • Riccardo PRIELIPP
    M. Sc., Wissenschaftlicher Mitarbeiter, IBF, TU Chemnitz
  • Ralph RIEDEL
    Prof. Dr.-Ing., Stv. Leiter der Professur Fabrikplanung und Fabrikbetrieb, IBF, TU Chemnitz
  • Philipp WILSKY
    M.Sc., Wissenschaftlicher Mitarbeiter, IBF, TU Chemnitz

Im Rahmen von Industrie 4.0 werden verschiedenste, auf Daten basierende Methoden und Technologien an die Unternehmen herangetragen. Gerade im Bereich der Instandhaltung rückt dabei Predictive Maintenance (voraussagende Instandhaltung) in den Fokus der Betrachtung. Die Methode erscheint dahingehend vielen Unternehmen attraktiv, verspricht sie doch die optimale Ausnutzung der Anlagen und Werkzeuge bei einer minimalen Ausfallwahrscheinlichkeit und gleichzeitig eine sehr gute Planbarkeit von Instandsetzungs- und Wartungseinsätzen. Der Aufwand der Datenakquise und -analyse, welcher bei der Einführung einer solchen Methode notwendig wird, ist oftmals nicht Gegenstand derartiger Betrachtungen. Vor allem für KMUs stellt die Anwendung dieser Methode allerdings eine nicht zu unterschätzende Herausforderung dar. Im Rahmen eines vom BMBF geförderten Projektes (Plug_and_Control), soll durch die Entwicklung generischer smarter Dateneinheiten, sogenannte Smart Data Units (SDU) eine Basis zur voraussagenden Instandhaltung geschaffen werden, die sich insbesondere für KMU eignet.

LEAN goes SMART – Herausforderungen und Lösungsansätze für vorbeugende Instandhaltung und Service

  • Markus PUCHER
    Ing. BSc MA, Smart Manager, Rosendahl Nextrom GmbH

Rosendahl Nextrom ist international führender Anbieter von Produktionsanlagen für die globale Batterie-, Kabel- und Glasfaserindustrie. In den strategischen Business Units Battery Machines, Cable&Wire und Fiber Optics werden Sondermaschinen hergestellt. Unser Leistungsspektrum umfasst die Ideengenerierung, Konzeptstudie, Entwicklung, Engineering, Inbetriebnahme, Service bis hin zu Retrofitting von alten Anlagen. Unser Ziel ist es die Bedürfnisse unserer Kunden mit unseren Technologien abzudecken. Präzision, Kundenorientierung, Produktwissen und enge Kooperation mit unseren Partnern sind zentrale Werte bei Rosendahl Nextrom. Es reicht uns nicht die Anlagen zu designen, zu fertigen und zusammenzubauen. Wir sind motiviert und haben Freude daran, professionelle Lösungen zu entwickeln, die den speziellen Anforderungen unserer Kunden entsprechen. Rosendahl Nextrom verfügt weltweit über Vertriebs- und Serviceniederlassungen.

IT-Security im Industrieumfeld – Wie passt IT mit OT zusammen?

  • Thomas ROßMANN
    Network and Security Architect, BearingPoint Technology

Während herkömmliche IT Geräte ständig neuen Angriffstechniken von Hackern standhalten  müssen, sind Industrieanlagen bislang nie mit dem Internet in Berührung gekommen.  Mit der fortschreitenden Digitalisierung werden plötzlich Anlagen angreifbar, die noch nie  Bedrohungen des Cyber Raums ausgesetzt waren. Welche Gefahren gibt es? Was sind die  Herausforderungen beim Absichern industrieller Netze und was bieten Firewalls der neuesten  Generation in Bezug auf Industrieprotokolle.

Predictive Data Protection Maintenance

  • Juliane MESSNER
    MMag., Partner, GEISTWERT Rechtsanwälte Lawyers Avvocati

Zusammenfassung: Die Datenschutz-Grundverordnung (DSGVO), die gemeinsam mit dem  novellierten österreichischen Datenschutzgesetz (DSG) am 25. Mai 2018 wirksam geworden  ist, sieht drakonische Strafen vor; dadurch ist Datenschutz(recht) endgültig zum Top-Management- Thema geworden. Während sich die Tatbestände, wann personenbezogene Daten  verarbeitet werden dürfen, durch die DSGVO kaum ändern, haben sich die Anforderungen  an Dokumentation, Information und Einbeziehung von Datenschutz(recht) in das „tägliche  Leben“ von Organisationen grundlegend geändert. Datenschutz bedarf daher hinsichtlich  der Implementierung und der Management-Prozesse zur Aufrechterhaltung der Compliance  einer interdisziplinären Zusammenarbeit von Technik, Organisation und Recht. Die Unterstützung  durch entsprechende Tools ist dabei nahezu zwingend.

Retrofit – Von der Brownfield-Anlage zum cyber-physischen System mit dem Ziel der OEE-Verbesserung

  • André BARTHELMEY
    Dipl.-Wirt.-Ing., Wissenschaftlicher Mitarbeiter, Institut für Produktionssysteme
  • René WÖSTMANN
    M.Sc., Wissenschaftlicher Mitarbeiter, Institut für Produktionssysteme
  • Jaqueline SCHMITT
    M.Sc., Wissenschaftliche Mitarbeiterin, Institut für Produktionssysteme
  • Katharina MERTENS
    Dipl.-Ing., Wissenschaftliche Mitarbeiterin, Lehrstuhl für Wirtschafts- und Betriebswissenschaften
  • Christian HARMS-ZUMBRÄGEL
    B.Eng., Projektleiter Neue Technologien und Innovationen, SCHULZ Systemtechnik GmbH
  • Tanja GOSCH
    Dipl.-Ing., Head of Product Management, Boom Software AG
  • Jochen DEUSE
    Univ.-Prof. Dr.-Ing., Institutsleiter, Institut für Produktionssysteme

Der effiziente Betrieb von industriellen Anlagen erfordert ganzheitliche Konzepte, wie bspw.  Total Productive Maintenance (TPM). Im Rahmen von TPM bietet die zuverlässige Analyse  der Gesamtanlageneffektivität (OEE) eine Möglichkeit zur umfassenden Messung von Effizienzsteigerungen.  Eine fundierte Datenbasis bildet die Grundlage für eine kontinuierliche  und zuverlässige OEE-Erhebung. Um die Datenerhebung und -auswertung automatisiert im  Sinne der Industrie 4.0 Initiative durchführen zu können, müssen Altanlagen jedoch häufig  mit geeigneter Sensorik nachgerüstet werden. Die Potenziale automatisierter Datenerfassung  und -verarbeitung einerseits sowie die optimierte Nutzung dieser Daten, bspw. für prädiktive  Instandhaltung, andererseits können somit realisiert werden. 
Neue Informations- und Kommunikationstechnologien, die ursprünglich für den Consumerbereich  entwickelt wurden, sind mittlerweile auch im industriellen Umfeld zu finden. So ist  es möglich, Altanlagen vergleichsweise kostengünstig zu cyber-physischen Produktionssystemen  zu entwickeln, um Qualitäts-, Verfügbarkeits- und Leistungsverluste echtzeitnah zu  erfassen und darauf aufbauend prädiktive Strategien zur Verlustreduzierung abzuleiten und  umzusetzen. 
In dem vorliegenden Beitrag wird gezeigt, welche Daten zur Berechnung der OEE erforderlich  sind und wie ein Retrofitting-Ansatz helfen kann, diese Daten für Altanlagen aus dem  Brownfield zu erheben. Hierzu werden Möglichkeiten der soft- und hardwareseitigen Ausgestaltung  aufgezeigt. Zudem werden die Technologieauswahl und Implementierung anhand  einer exemplarischen Umsetzung des Retrofittings zur OEE-Erfassung und -Verbesserung  anhand eines Technologiedemonstrators beschrieben.

Anomalieerkennung an Altanlagen durch minimale Hardwarenachrüstung und Data Analytics

  • Robert BERNERSTÄTTER
    Dipl.-Ing., Wissenschaftlicher Mitarbeiter, Lehrstuhl für Wirtschafts- und Betriebswissenschaften
  • Rene HIRSCHMUGL
    Dipl.-Ing., Kompetenzleitung Prozessindustrie / Competence Leader Process Industry, evon GmbH

Die prädiktive Instandhaltung basiert auf der Kombination und Analyse unterschiedlicher  Daten zur Vorhersage eines Anlagenausfalls. Altanlagen besitzen in vielen Fällen jedoch  nicht die Hardware zur Datenaufzeichnung. Da in vielen Fällen eine Neuinvestition aus reinen  Instandhaltungsgründen nicht wirtschaftlich ist, werden diese Anlagen mit der nötigen  Hardware nachgerüstet. Die gewonnen Daten können in weiterer Folge ausgewertet werden.  Ein bewährter Prozess dazu ist das CRISP-DM Prozessmodell, welches die wesentlichen  Schritte eines Data Analytics Projektes umfasst. Da an kritische Anlagen Ausfälle möglichst  vermieden werden und es bei Altanlagen noch keine Herstellerinformationen zu bekannten  Ausfallmustern in den Daten gibt, wird die Anomalieerkennung angewandt, um im  ersten Schritt ein Warnsystem zu installieren, welches auf ungewöhnliches ein ungewöhnliches  Verhalten der Anlage hindeuten soll.

Optimierte Wälzlager-Nachschmierberechnung durch Verwendung produktspezifischer Kennzahlen

  • Markus MAIR
    Anwendungstechniker, Klüber Lubrication Austria GmbH
  • Hermann SIEBERT
    Dipl.-Ing., Head of Marketing and Application Engineering KLEU-EAST, Klüber Lubrication Austria GmbH

Die übliche Wälzlager-Nachschmierberechnung basiert überwiegend auf praxisorientierten  Ergebnissen der Wälzlagerhersteller. Die Berechnungsmethoden sind in den Katalogen der  Wälzlagerhersteller oder in international anerkannten Arbeitsblättern wie zum Beispiel dem  GfT Arbeitsblatt Nr. 3 angegeben. Diese Berechnungsmethoden berücksichtigen oft nur  Standardfette auf Mineralölbasis und einem Lithiumverdicker.
Zur Berücksichtigung synthetischer Grundöle und anderer Verdickertypen hat Klüber  Lubrication produktspezifische Kennzahlen implementiert, die die individuellen Leistungsmerkmale  eines Schmierfettkonzeptes berücksichtigen. Durch die Verwendung dieser spezifischen  Kennzahlen können die Nachschmierintervalle verlängert und die erforderliche  Schmierstoffmenge oft deutlich verringert werden.