Maschinendaten ordnen und strukturieren – Relevanz schaffen für Kunden, Zulieferer und Instandhalter

Das Informationszeitalter hat uns Produktivitätsgewinne erbracht, wie sie noch vor wenigen Jahren unvorstellbar waren – Sensoren produzieren gigabyteweise Daten aus denen anhand von Algorithmen neue Produkte geschaffen oder bestehende Prozesse verbessert werden können. Heute überwachen wir Maschinen bis ins kleinste Detail mit Condition Monitoring, warten sie per Remote-Service vom Büro aus oder erkennen per Predictive Maintenance schon Wochen im Voraus, wann es bei einer Anlage zu Stillstandszeiten kommen könnte.

Wenn wir im Privatleben einer solchen Fülle von Daten ausgesetzt sind, etwa durch WhatsApp, YouTube und Facebook, nennen wir das Informationsüberflutung. In unserem beruflichen Umfeld sehen wir es als gegeben an, dass eine Welle von Daten und Informationen auf uns einstürzt, die wir aufnehmen, strukturieren und vor allem selektieren müssen. Denn eines ist klar – fast 90 % der Informationen die wir im Berufsalltag registrieren, sind für unseren Unternehmenserfolg komplett irrelevant – sie überlasten uns, lenken uns ab oder führen uns auf die falsche Fährte – sie kosten uns Zeit.

Deshalb sollte jeder Betrieb, gerade in der Instandhaltungsbranche, wo oft noch mehr Rohdaten generiert werden als in anderen Sektoren, darauf achten Datenrelevanz zu schaffen.

Dafür muss man zuerst die Datenquellen identifizieren, die Maschinendaten bündeln und dann an die jeweiligen Adressaten weiterverteilen – und zwar nur an diejenigen Mitarbeiter, die in diesem Moment auf die jeweilige Information angewiesen ist.

Ein Praxisbeispiel: Bei Ihrem Kunden fällt eine Maschine aus, die mit Condition Monitoring ausgestattet ist. Sollte sich nun der Instandhalter alle Messspitzen, alle von der Norm abweichenden Werte, alle Verbrauchs- und Produktivitätskennzahlen anschauen und daraus Schlüsse für die „Next-Steps“ ziehen? Und soll er sich am Anschluss den kompletten elektronischen Ersatzteilkatalog zu Gemüte führen, um sich das entsprechende Bauteil zu besorgen?

Ein ganz klares Nein! Im Idealfall wurden im Condition Monitoring verifizierte Smart Rules gesetzt, aus denen ein Algorithmus von alleine erkennt, welches Bauteil automatisch nachgeordert werden muss.

Die einzigen Informationen, die der Servicetechniker bekommt, sind die Zeit seines Dispatchings, die Anfahrtsbeschreibung zum Kunden und eine passgenaue Anleitung zur Reparatur.

Das bestellte Ersatzteil liegt nämlich schon beim Kunden, weil es von einer intelligenten Prozessmaschine direkt aus der Fehlererkennung des Condition Monitoring heraus direkt zum Anlagenstandort geordert wurde.

Das bedeutet Datenrelevanz für eine optimierte Instandhaltungsplanung heute und wird in den nächsten Jahren hoffentlich zum Standard in der Industrie–zum Wohle von Mitarbeitern und Unternehmenserfolg.

Beim nächsten Mal möchte ich Ihnen darüber berichten, wie man hier mit Predictive Maintenance noch effizientere Prozesse etablieren kann – seien Sie gespannt!

Mehr Infos zu Datenrelevanz und digitalen Ökosystemen gibt es auf unserer neuen Seite industry.live