IBM Maximo Anwendertagung 2015 Anja Burghardt, Predictive Analytics Solutions Architect [email protected] 20.05.2015 IBM Predictive Maintenance & Quality Best Practice Lösungen rund um die vorausschauende Instandhaltung © 2015 IBM Corporation Predictive Analytics – der Blick in die Zukunft „Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen“ Karl Valentin 2 © 2015 IBM Corporation Predictive Maintenance Lösungen können die Instandhaltung maßgeblich verbessern! Predictive Maintenance Conditionbased Maintenance Preventive Maintenance Reactive Maintenance (basierend auf Herstellervorgaben, Zeit oder Erfahrung/ Bauchgefühl) (basierend auf Monitoring um den Zustand zu bewerten) (basierend auf Nutzungs- und Verschließ merkmalen um Ausfall zu prognostizieren) (Asset fällt aus und wird repariert) Quelle : Gartner 3 © 2015 IBM Corporation PAC-Studie Predictive Analytics in der Fertigung Über 100 Produktionsverantwortliche aus Unternehmen mit mehr als 500 Mitarbeitern in Deutschland telefonisch (CATI) befragt. 4 Predictive Analytics in der Fertigungsindustrie, PAC GmbH, 2014 © 2015 IBM Corporation PAC-Studie Predictive Analytics in der Fertigung 5 Predictive Analytics in der Fertigungsindustrie, PAC GmbH, 2014 © 2015 IBM Corporation PAC-Studie Predictive Analytics in der Fertigung 6 Predictive Analytics in der Fertigungsindustrie, PAC GmbH, 2014 © 2015 IBM Corporation PAC-Studie Predictive Analytics in der Fertigung 7 Predictive Analytics in der Fertigungsindustrie, PAC GmbH, 2014 © 2015 IBM Corporation PAC-Studie Predictive Analytics in der Fertigung 8 Predictive Analytics in der Fertigungsindustrie, PAC GmbH, 2014 © 2015 IBM Corporation Predictive Maintenance & Quality Forrester’s Software Foresights Survey “ Predictive Maintenance & Quality ist einer der am stärksten wachsenden Märkte von Advanced Analytics. Die Anzahl der Unternehmen, die Predictive Analytics Lösungen nutzen, hat sich fast verdoppelt – von 17% im Jahr 2012 auf 32% im Jahr 2013 und wir erwarten, dass bis zum Ende diesen Jahres die 46% Marke erreicht wird. Viele Projekte konzentrieren sich auf ein besseres Verständnis der Fehlermuster von kritischen Assets, was für die meisten Unternehmen einen natürlich ersten Startpunkt in die Welt von Predictive Analytics darstellt.“ Dr. Holger Kisker, VP & Research Director, Forrester Research, Jan. 2014 Source: Based on 1631/1811 software decision makers in Forrester’s Software Forrsights Survey Q4, 2012 / Q4, 2013 9 © 2015 IBM Corporation IBM Predictive Maintenance & Quality analysiert Daten aus verschiedenen Quellen, liefert Empfehlungen und ermöglicht fundierte Entscheidungen & Prognosen in Echtzeit 3 2 1 Erstellung statistischer und prädiktiver Modelle Datensammlung und integration Strukturiert, Unstruktutiert, Streaming Ursache-WirkungsAnalysen (Root Cause Analysis) Predictive Maintenance and Quality • Unterschiedl. Datenformate • Benutzerfreundliche Modellerstellung • Interaktive Dashboards • Schnelle Entscheidungen Asset Performance 10 4 5 Anzeige von Warnungen/Alerts und empfohlenen Aktionen Intergration in operative Systeme / Maximo Asset Maintenance Qualitätsoptimierung © 2015 IBM Corporation IBM Predictive Maintenance and Quality bietet: Big Data, Predictive Analytics, Business Intelligence Echtzeit Fähigkeiten Schnelle und verlässliche Entscheidungen Maximo Integration Fortschrittliche Algorithmen 11 Offene Architektur Messbare Erfolge (ROI) © 2015 IBM Corporation IBM Predictive Maintenance & Quality Architektur Endanwender Reports, Dashboards, Drill-downs Predictive Analytics Decision Management & Optimization Business Intelligence Analytic Foundation (vordefinierte Datenorchestration und Datenschema für Qualitäts-, Machinen- und Produkionsdaten) Data Integration Telematics, Manufacturing Execution Systems Databanken, Distributed Control Systems 12 High-volume Streaming Daten (Streams), MQTT (MessageSight) Enterprise Asset Management Systeme Maximo Advanced Analytics Funktionen von IBM SPSS and IBM Cognos Datenintegration bereitgestellt durch IBM Integration Bus und IBM Infosphere Master Data Management Collaborative Edition, sowie ein vordefiniertes, DB2- basiertes Datenschema Analytics Solution Foundation liefert die Orchestration Prozessintegration mit Maximo zur automatisierten Work Order-Erstellung Enthält Datenmodelle, Message flows, Reports, Dashboards, © 2015 IBM Corporation IBM Predictive Maintenance & Quality – Maximo Integration Master Data PMQ Maximo Publish Channel (XML) Maximo Work Order Maximo Enterprise Service Es ist zudem möglich Inspektions- und Wartungsinformationen als Events aus Maximo in PMQ zu importierten Weitere Informationen: 13 http://public.dhe.ibm.com/software/analytics/spss/documentation/pmq/en/2.5.0/pmq_solution_guide.pdf © 2015 IBM Corporation IBM Predictive Maintenance and Quality liefert Mehrwert für zahlreiche Industrien und Anwendungsbereiche: 14 © 2015 IBM Corporation Projektbeispiel Predictive Maintenance © 2015 IBM Corporation Ist Situation – Instandhaltung Aktuelle OEE: ca. 46% Bei nur 5% der Maschinenersatzteile liegen Daten zur Standzeit vor Instandhaltungsmaßnahmen / vorbeugende Instandhaltung erfolgt größtenteils auf Erfahrungswerten / Meinungen Zu viele ungeplante Stillstände (I01) Hohe Lagerkosten aufgrund hoher Ersatzteilbestände Steigende Datenmengen und wenig Einblick in teils komplexe UrsacheWirkungszusammenhänge die zu ungeplantem Stillstand führen 16 © 2015 IBM Corporation Soll Situation Erhoffte Antworten auf folgende Fragen: Welche Teile / Maschinen fallen gehäuft aus? Welche Ursachen führen zu einem Stillstand? Welche Fehler treten oft gemeinsam / nacheinander auf? Wie können Ausfälle verhindert werden? Wie lange ist die Standzeit eines Bauteils? Wann ist der optimale Zeitpunkt für einen Teiletausch? Wann muss ein Ersatzteil bestellt werden? Diese Fragen können bisher nur mit großen Aufwand oder nicht beantwortet werden Langfristiges Ziel: OEE Steigerung auf 65% 17 © 2015 IBM Corporation Vorgehensweise: Zusammenführen unterschiedlicher Daten Maximo • Instandhaltungsdaten MDE • Maschinendaten Sonstige Daten • PM-Aufträge inkl. Texte • Schichten • Temperatur / Wetter • Ferienzeiten • Produktionsdaten • ... 18 © 2015 IBM Corporation Vorgehensweise: Analysen und Modellerstellung Maximo • Instandhaltungsdaten Muster Segmente Prognosen MDE • Maschinendaten Prognosewerte/ Ergebnisse Sonstige Daten • PM-Aufträge inkl. Texte • Schichten • Temperatur / Wetter • Ferienzeiten • Produktionsdaten • ... 19 Ad-Hoc Analysen und Prognosemodelle für vorausschauende Instandhaltung © 2015 IBM Corporation Vorgehensweise: Analysen und Modellerstellung Maximo • Instandhaltungsdaten Muster Segmente Prognosen MDE • Maschinendaten Data Mining Analyse Prognosewerte/ Ergebnisse Sonstige Daten • PM-Aufträge inkl. Texte • Schichten • Temperatur / Wetter • Ferienzeiten • Produktionsdaten • ... 20 Ad-Hoc Analysen und Prognosemodelle für vorausschauende Wartung © 2015 IBM Corporation Vorgehensweise: Anwendung und Kontrolle Integration der Prognosewerte in operative Systeme z.B Leitrechner, SAP, ... SAP • Instandhaltungsdaten Muster Segmente Prognosen MDE • Maschinendaten Prognosewerte/ Ergebnisse Sonstige Daten • PM-Aufträge inkl. Texte • Schichten • Temperatur / Wetter • Ferienzeiten • Produktionsdaten • ... Automatisierte Bereitstellung der Ergebnisse & Prognosen in Berichten und ManagementDashboards Ad-Hoc Analysen und Prognosemodelle für vorausschauende Instandhaltung Feedback Schleife zur Evaluierung der Modelle und stetigen Anreicherung der Daten führt zur Verbesserung der Prognosen 21 © 2015 IBM Corporation Vorgehensweise: Berichterstellung Integration der Prognosewerte in operative Systeme z.B Leitrechner, Maschine, Maximo, ... Maximo • Instandhaltungsdaten Muster Segmente Prognosen MDE • Maschinendaten Sonstige Daten • PM-Aufträge inkl. Texte • Schichten • Temperatur / Wetter • Ferienzeiten • Produktionsdaten • ... Automatisierte Bereitstellung Deploy into Planning der Bereitstellung Process der Predictive Models Scoring Ergebnisse Integrate predictions & Prognosen into Category in Likelihood of a sale & sales volume Prognosewerte/ Automatisiertes Berichten Planning systems und Managementthrough alerts, at the Store/SKU level for a period Ergebnisse Scoring Dashboards reports and integration into planning based on multiple methods Ad-Hoc Analysen und dashboards Auffälligkeiten Befunde nach Maschine Prognosemodelle Freitag Dienstag Mittwoch Montag Donnerstag für vorausschauende Wartung Warung Berichte / Planung Equipment Feedback Schleife zur Evaluierung der Modelle und stetigen Anreicherung der Daten führt zur Verbesserung der Prognosen 22 © 2015 IBM Corporation Vorgehensweise: Anwendung und Kontrolle Integration der Prognosewerte in operative Systeme z.B Leitrechner, Maschine, Maximo, ... Maximo • Instandhaltungsdaten Muster Segmente Prognosen MDE • Maschinendaten Prognosewerte/ Ergebnisse Automatisierte Bereitstellung der Ergebnisse & Prognosen in Berichten und ManagementDashboards Ad-Hoc Analysen und Prognosemodelle für vorausschauende Instandhaltung Sonstige Daten • PM-Aufträge inkl. Texte • Schichten • Temperatur / Wetter • Ferienzeiten • Produktionsdaten • ... Verstehen Vorhersagen Agieren Evaluieren 23 © 2015 IBM Corporation Schritt 1: Ursachenanalyse von Ausfällen (Root Cause Analysis) Was sind die entscheidenen Treiber und wesentlichen Einflussfaktoren für Ausfälle? Welche Komponenten sind gefährdet? Vier fehlerträchtige Konstellationen wurden automatisch identifiziert Betriebsbedingungen, Wartungszeitpunkte und Herstellungsfaktoren beeinflussen die Ausfallwahrscheinlichkeit 24 © 2015 IBM Corporation Prognose: Standzeitermittlung (Lebensdauer eines Ersatzteils) 8 Monate 6 Monate 2,5 8 Monate ??? Zukünftig: Soll Situation Predictive Maintanance 25 Warum entsteht diese Häufung? Warum entsteht diese Lücke? Wurden mehr Teile oder andere Typen produziert? Wurde hier weniger oder nicht produziert? durch Kombination mit Produktionsdaten (Stückzahl / Typ) © 2015 IBM Corporation Prognose: Vorausschauende Instandhaltung VORHERSAGE: idealer Zeitpunkt für Teiletausch im geplanten Stillstand Vorhersage: nächster Defekt 8 Monate 6 Monate 2,5 8 Monate Heute: 13.12.2012 Zukunft: 2013 Predictive Maintanance 26 Warum entsteht diese Häufung? Warum entsteht diese Lücke? Wurden mehr Teile oder andere Typen produziert? Wurde hier weniger oder nicht produziert? durch Kombination mit Produktionsdaten (Stückzahl / Typ) © 2015 IBM Corporation Schritt 2: Vorauschauende Instandhaltung durch Vorhersage des optimalen Wartungszeitpunkts Ziele Prognose des idealen Zeitpunkts für den Teiletausch auf jeder Maschine Proaktive Steuerung der Wartungstrupps Forecasting“ von Reparaturkosten Mehrwert Steigerung der OEE “Von der reaktiven Wartung zur proaktiven Instandhaltung” Verringerte ungeplante Downtime von Maschinen (ungeplanter Stillstand wird zu geplantem Stillstand) höhere Durchlaufraten Verbesserung der Produktivität der Wartungsressourcen „Vorausschauende Lagerhaltung“ führt zu einer Senkung der Lagerkosten 27 © 2015 IBM Corporation Projektbeispiel Qualitätsoptimierung in der Produktion © 2015 IBM Corporation Daimler AG: Automobilhersteller steigert Produktivität in der Zylinderkopfproduktion Ergebnisse 25 Prozent Steigerung der Produktivität in der Daimler Zylinderkopfproduktion dank der mit IBM SPSS gewonnenen Erkenntnisse. 50 Prozent Verkürzung der Hochlaufphase des Fertigungsprozesses bis zur Erreichung der Zielwerte. Bei Überschreitung von Schwellwerten ermöglichen die Auswertungen eine schnelle Fehlerquellenlokalisierung, gezielte Prozesseingriffe und somit die Vermeidung von Ausschussprodukten, noch bevor sie entstehen. Link zur Referenz - deutsch: http://www-01.ibm.com/common/ssi/cgibin/ssialias?subtype=AB&infotype=PM&appname=SWGE_YT_YV_DEDE&htmlfid =YTC03659DEDE&attachment=YTC03659DEDE.PDF 29 © 2015 IBM Corporation Aufbau eines prozessintegrierten Qualitätsregelsystems Die Regelung eines nicht-stabilen Prozesses erfolgt durch die Verkettung zweier Qualitätsregelkreise 1. aktiver Qualitätsregelkreis Reduktion von Ausschuss durch die Bestimmung von UrsacheWirkungsbeziehungen (Root Cause Analysis) Identifikation von komplexen Fehlermustern Identifikation der entscheidenden Treiber und der wesentlichen Einflussfaktoren für Ausschuss Schnelle Adhoc-Analysen zur raschen Problemerkennung und Problembeseitigung 2. prädiktiver Qualitätsregelkreis Vorhersage der Bauteilqualität während des Produktionsvorgangs, um damit nachfolgende Prüfschritte zu dynamisieren und Einsparungen in der Endkontrolle zu erzielen 30 © 2015 IBM Corporation Proaktive dynamische Prüfung in einer Leichtmetallgießerei Kostenreduzierung durch Integration von Predictive Analytics in den Produktionsprozess Recycling n.i.O. Kühlstrecke Bearbeitung und Prüfung i.O. Prozessdaten Datenbank Kühlstrecke Bearbeitung Kunde Online scoring Informationsfluss 31 Materialfluss © 2015 IBM Corporation Live Demonstration © 2015 IBM Corporation iPad Demo: Interaktives Dashboard : Predictive Maintenance and Quality (Cognos Active Report) 33 3 © 2015 IBM Corporation iPad Demo: Interaktives Dashboard : Predictive Maintenance and Quality (Cognos Active Report) Overview: 34 3 © 2015 IBM Corporation iPad Demo: Interaktives Dashboard : Predictive Maintenance and Quality (Cognos Active Report) Production Overview: Maschine Status Scrap Rate 35 3 © 2015 IBM Corporation iPad Demo: Interaktives Dashboard : Predictive Maintenance and Quality (Cognos Active Report) Failure Diagnostics: New failure patterns 36 3 © 2015 IBM Corporation iPad Demo: Interaktives Dashboard : Predictive Maintenance and Quality (Cognos Active Report) RULES / Failure Projections: Maschine by Rule & high scrap potential 37 3 © 2015 IBM Corporation iPad Demo: Interaktives Dashboard : Predictive Maintenance and Quality (Cognos Active Report) ACTIONS: Workorder Actions by Date 38 3 © 2015 IBM Corporation iPad Demo: Interaktives Dashboard : Predictive Maintenance and Quality (Cognos Active Report) Anomaly Detection: 39 3 © 2015 IBM Corporation High End Analytics mit IBM SPSS Modeler Hohes Maß an Interaktivität und Benutzerfreundlichkeit Skalierbarkeit durch Client-/ Server Architektur Nahtlose Zusammenarbeit mit allen gängigen Datenbanksystemen Orientierung am CRISP-DM Modell für Data Mining 40 © 2015 IBM Corporation Automatisierte Selektion der entscheidenden Einflussfaktoren: Was sind die treibenden Variablen für Ausschuss? 41 © 2015 IBM Corporation Root Cause Analyse: Identifikation von Fehlermustern und unbekannten Zusammenhängen mit Entscheidungsbaumverfahren Beispiel Gießerei: Root Cause Analyse und Vorhersage von IO/NIO Teilen Regel: WENN Öffnungszeit > 1287 UND Heizkreis 12 <= 598,8 DANN wird zu 100% Ausschuss produziert 42 42 © 2015 IBM Corporation Real-Time Scoring: Prognose von Ausschussteilen direkt nach dem Abguss wenn automatisiert durch das ScoringModell eine hohe Ausschusswahrscheinlichkeit prognostiziert wurde, dann sofortiges Recycling Kostenersparnis da manuelle Prüfschritte und Röntgen der Teile entfällt 43 © 2015 IBM Corporation IBM Predictive Maintenance & Quality analysiert Daten aus verschiedenen Quellen, liefert Empfehlungen und ermöglicht fundierte Entscheidungen & Prognosen in Echtzeit 3 2 1 Erstellung statistischer und prädiktiver Modelle Datensammlung und integration Strukturiert, Unstruktutiert, Streaming Ursache-WirkungsAnalysen (Root Cause Analysis) Predictive Maintenance and Quality • Unterschiedl. Datenformate • Benutzerfreundliche Modellerstellung • Interaktive Dashboards • Schnelle Entscheidungen Asset Performance 44 4 5 Anzeige von Warnungen/Alerts und empfohlenen Aktionen Intergration in operative Systeme / Maximo Asset Maintenance Qualitätsoptimierung © 2015 IBM Corporation Weitere Informationen: IBM PMQ Überblick und Downloads: http://www-03.ibm.com/software/products/de/predictive-maintenance-quality PMQ 2.0 Redbook (englisch): http://www.redbooks.ibm.com/abstracts/tips1130.html?Open PMQ Knowlegde Center (englisch): http://www-01.ibm.com/support/knowledgecenter/SSTNNL/welcome 45 © 2015 IBM Corporation 46 © 2015 IBM Corporation Legal Disclaimer • © IBM Corporation 2015. All Rights Reserved. • The information contained in this publication is provided for informational purposes only. While efforts were made to verify the completeness and accuracy of the information contained in this publication, it is provided AS IS without warranty of any kind, express or implied. In addition, this information is based on IBM’s current product plans and strategy, which are subject to change by IBM without notice. IBM shall not be responsible for any damages arising out of the use of, or otherwise related to, this publication or any other materials. Nothing contained in this publication is intended to, nor shall have the effect of, creating any warranties or representations from IBM or its suppliers or licensors, or altering the terms and conditions of the applicable license agreement governing the use of IBM software. • References in this presentation to IBM products, programs, or services do not imply that they will be available in all countries in which IBM operates. Product release dates and/or capabilities referenced in this presentation may change at any time at IBM’s sole discretion based on market opportunities or other factors, and are not intended to be a commitment to future product or feature availability in any way. Nothing contained in these materials is intended to, nor shall have the effect of, stating or implying that any activities undertaken by you will result in any specific sales, revenue growth or other results. • If the text contains performance statistics or references to benchmarks, insert the following language; otherwise delete: Performance is based on measurements and projections using standard IBM benchmarks in a controlled environment. The actual throughput or performance that any user will experience will vary depending upon many factors, including considerations such as the amount of multiprogramming in the user's job stream, the I/O configuration, the storage configuration, and the workload processed. Therefore, no assurance can be given that an individual user will achieve results similar to those stated here. • If the text includes any customer examples, please confirm we have prior written approval from such customer and insert the following language; otherwise delete: All customer examples described are presented as illustrations of how those customers have used IBM products and the results they may have achieved. Actual environmental costs and performance characteristics may vary by customer. • Please review text for proper trademark attribution of IBM products. At first use, each product name must be the full name and include appropriate trademark symbols (e.g., IBM Lotus® Sametime® Unyte™). Subsequent references can drop “IBM” but should include the proper branding (e.g., Lotus Sametime Gateway, or WebSphere Application Server). Please refer to http://www.ibm.com/legal/copytrade.shtml for guidance on which trademarks require the ® or ™ symbol. Do not use abbreviations for IBM product names in your presentation. All product names must be used as adjectives rather than nouns. Please list all of the trademarks that you use in your presentation as follows; delete any not included in your presentation. IBM, the IBM logo, Lotus, Lotus Notes, Notes, Domino, Quickr, Sametime, WebSphere, UC2, PartnerWorld and Lotusphere are trademarks of International Business Machines Corporation in the United States, other countries, or both. Unyte is a trademark of WebDialogs, Inc., in the United States, other countries, or both. • If you reference Adobe® in the text, please mark the first use and include the following; otherwise delete: Adobe, the Adobe logo, PostScript, and the PostScript logo are either registered trademarks or trademarks of Adobe Systems Incorporated in the United States, and/or other countries. • If you reference Java™ in the text, please mark the first use and include the following; otherwise delete: Java and all Java-based trademarks are trademarks of Sun Microsystems, Inc. in the United States, other countries, or both. • If you reference Microsoft® and/or Windows® in the text, please mark the first use and include the following, as applicable; otherwise delete: Microsoft and Windows are trademarks of Microsoft Corporation in the United States, other countries, or both. • If you reference Intel® and/or any of the following Intel products in the text, please mark the first use and include those that you use as follows; otherwise delete: Intel, Intel Centrino, Celeron, Intel Xeon, Intel SpeedStep, Itanium, and Pentium are trademarks or registered trademarks of Intel Corporation or its subsidiaries in the United States and other countries. • If you reference UNIX® in the text, please mark the first use and include the following; otherwise delete: UNIX is a registered trademark of The Open Group in the United States and other countries. • If you reference Linux® in your presentation, please mark the first use and include the following; otherwise delete: Linux is a registered trademark of Linus Torvalds in the United States, other countries, or both. Other company, product, or service names may be trademarks or service marks of others. • If the text/graphics include screenshots, no actual IBM employee names may be used (even your own), if your screenshots include fictitious company names (e.g., Renovations, Zeta Bank, Acme) please update and insert the following; otherwise delete: All references to [insert fictitious company name] refer to a fictitious company and are used for illustration purposes only. 47 © 2015 IBM Corporation
© Copyright 2025 ExpyDoc