Die Lösung NEO Predict von Axians ermöglicht dynamische Wartungsstrategien im Versorgungssektor. Foto: Axians
Die Lösung NEO Predict von Axians ermöglicht dynamische Wartungsstrategien im Versorgungssektor. Foto: Axians

Dynamische Wartungsstrategien im Versorgungssektor mit Axians NEO Predict

14.05.2019 – Der Druck auf Energieversorger ist hoch, das Instandhaltungsgeschäft in der Netzinstandhaltung effizienter zu betreiben. In dem Kontext verweisen Experten gern auf eine Studie von 2011, in der das Beratungsunternehmen Conmoto die Instandhaltungskosten für alle europäischen Produktionsstätten auf 450 Milliarden Euro hochgerechnet hat. 70 Milliarden Euro wurden laut Studie verschwendet, allein in Deutschland flossen pro Jahr 14 Milliarden Euro unnötig in die Instandhaltung. Durch ein verbessertes Instandhaltungs- und Asset-Management könne man eine Senkung der Instandhaltungskostenrate auf 23 Prozent erreichen, schrieben die Studienautoren damals. Dies gilt auch für die Energieversorgung, wo zum Beispiel klassische, starre Wartungszyklen häufig unnötige Kosten verursachen. Digitalisierte Prozesse können auch in diesem Bereich die Abläufe deutlich schlanker und sicherer gestalten.

Die Lösung NEO Predict von Axians ermöglicht  dynamische Wartungsstrategien im  Versorgungssektor. Foto: Axians

Die Lösung NEO Predict von Axians ermöglicht
dynamische Wartungsstrategien im
Versorgungssektor. Foto: Axians

Zu den Instandhaltungsmanagement-Lösungen, die diesen Branchenbedarf adressieren, zählt die NEO Suite von Axians, die unter anderem EnBW ODR und die FairNetz GmbH einsetzen. „Die verfügbaren Module sind auf verschiedene Akteure zugeschnitten und lassen sich kombinieren. So richtet sich die NEO Mobile Suite an den Techniker vor Ort, NEO Schedule unterstützt den Disponenten, NEO Service Portal bindet Kunden und Nachunternehmer ein und mit NEO Expert Service gibt der Serviceleiter seinen Technikern einen virtuellen Vor-Ort-Support an die Hand“, erklärt Alex­ander Wassiltschenko, Leitung SAP Customer Service und Asset Management bei Axians.

Fernwartung als Ausbaustufe

Der Energiesektor nutzt in der Wartung häufig die Fernüberwachung – und damit das IoT. Sensoren, installiert an Anlagen, senden Messwerte, aus denen der Instandhaltungsleiter den Zustand der Technik herausliest. Braucht beispielsweise ein Leistungsschalter in einer Schaltanlage bei jedem Schaltvorgang mehr Strom, kann dies auf einen drohenden Ausfall hinweisen. Es liegt offensichtlich ein mechanisches Problem vor. Nun steht der Verantwortliche vor der Entscheidung, sofort jemanden hinzuschicken oder darauf zu vertrauen, dass sich der Normalzustand im Zuge der zyklischen Wartung wiederherstellen lässt. Ein falscher Entschluss könnte zu einer Störung führen, der mit Ausfällen und hohen Kosten verbunden ist.

Wer jedoch die Sensordaten erfasst und diese zusammen mit historischen Informationen analysiert und abgleicht, kann eine fundierte Prognose ableiten. Aus der geht dann hervor, ob sich der erhöhte Wert für den Stromverbrauch des Leistungsschalters zu einer Störung oder zu einem Ausfall entwickeln kann. Die Fernüberwachung lässt sich also zur vorausschauenden Instandhaltung ausbauen. Bei Axians, der Konzernmarke für ICT-Lösungen von Vinci Energies, nennt sich die Lösung NEO Predict und ist Teil der NEO Suite.

„Der Mehrwert von vorausschauender Instandhaltung für Energieversorger und Stadtwerke besteht darin, dass sie eine dynamische Wartungsstrategie fahren können, um ihre Anlagen hochverfügbar zu halten und gleichzeitig die Kosten zu minimieren. Das frühzeitige Erkennen von Anomalien befähigt zum Reagieren“, erläutert Alexander Wassiltschenko und stellt heraus: „Anderseits kann eine positive Vorhersage zum Komponentenzustand auch dafürsprechen, das Wartungsintervall zu strecken. Die Kosten für Personal und Ersatzteile bleiben dann gleich, decken aber einen größeren Verfügbarkeitszeitraum ab. Somit haben Unternehmen weniger Ausfallkosten und können ihr Budget zielgerichteter einsetzen.“

Einbinden des Prognosewerkzeugs in SAP-Prozesse

Doch das Messen von Parametern und deren Analyse allein führt noch nicht zur optimalen Entscheidungsgrundlage: „Ausschlaggebend ist die Integration des Vorhersage-Tools in die SAP-Prozesse. Nur so lässt sich auch betriebswirtschaftlich bewerten, inwieweit das Vorziehen oder Verschieben der Wartung sinnvoll ist. Es macht einen großen Unterschied, ob ein Generator, der Strom erzeugt, als Backup dient oder am Tag 300.000 Euro Umsatz erzielt – dementsprechend lässt sich der Wartungsbedarf bewerten und priorisieren“, betont Alexander Wassiltschenko. Axians liefert die Schnittstellen für den Datenaustausch mit dem ERP-System – in den meisten Fällen SAP – gleich mit.

Über eine Bridge greift NEO Predict direkt auf SAP-Daten zu. Dort finden sich zu den einzelnen Anlagenkomponenten alle bisherigen Wartungen, aus denen sich ein durchschnittlicher Kostenpunkt pro Maßnahme ergibt, der sich aus Arbeitszeit und Materialeinsatz zusammensetzt. Dem steht gegenüber, was ein Ausfall kosten würde. Spezialisten passen das Vorhersage-Datenmodell an, damit dieses die technische Vorsorge, Kritikalität und Wartungskosten der Komponenten berücksichtigt sowie den möglichen Umsatzverlust hochrechnet. „Wir definieren die Business-Logik anwender- und kundenspezifisch und integrieren sie voll in den SAP-Workflow. Auf diese Weise kommt es zu einer ausgewogenen Entscheidung, die das technisch Notwendige mit dem betriebswirtschaftlich Sinnvollen verbindet“, fasst Alexander Wassiltschenko zusammen.

Herantasten an ein realitätsnahes Datenmodell in der Praxis

Foto: Axians

Foto: Axians

Da jedes Unternehmen andere Voraussetzungen hat, ist eine Lösung für vorausschauende Instandhaltung nach seiner Erfahrung keine Software „von der Stange“, die sofort die gewünschten Effekte erzielt. Dennoch lassen sich einige Aspekte verallgemeinern, um in der Praxis eine vorausschauende Instandhaltung aufzubauen. So muss jede Maschine mit Sensoren ausgestattet sein. Der Aufwand für das Nachrüsten älterer Maschinen, die noch nicht über verbaute Sensorik verfügen, ist heutzutage vertretbar. Ein Internetzugang für die Datenübertragung ist ebenfalls Pflicht. Idealerweise lassen sich die vernetzten IoT-Geräte so einrichten, dass sie Daten selektieren, also Unauffälligkeiten übergehen und lediglich Schwellenwertüberschreitung übertragen. Danach wird das Datenmodell entwickelt, das die Situation des Energieversorgers, seiner Partner und Kunden abbilden muss. Hier ist neben IT-Kenntnissen auch Ingenieur-Know-how gefragt, um Normwerte, Toleranzbereiche und Schwellwertüberschreitungen pro Anlagenkomponente festzulegen.

Nach Erfahrungswerten von Axians dauert es drei bis sechs Monate, bis sich das System eingeschwungen hat. Daher empfiehlt das Unternehmen, zunächst einen Pilotbetrieb für eine Anlage zu fahren. Der dient dazu, die Vorhersage an die Realität anzupassen und das Datenmodell anhand realer Werte zu optimieren. Für das Datenmodell werden verschiedene Parameter korreliert. Die Stellschraube ist die richtige Gewichtung der verschiedenen Werte, denn nicht alle tragen gleichermaßen zu einem erhöhten Wartungsbedarf bei. Verändert man zum Beispiel den Anteil von Temperatur gegenüber Luftfeuchtigkeit, kann das schon der Schlüssel zum realitätsnahen Datenmodell sein. Das könne letztendlich die Effizienz in der Instandhaltung um 20 Prozent oder mehr steigern, weiß Alexander Wassiltschenko. „Das stellt den Controller zufrieden.“ Ihn überzeugt sicher auch, dass ihm die Lösung den besten Zeitpunkt für eine Neuanschaffung aufzeigt. (pq)

www.axians.de

Publikationen des 50,2 Verlages


Der Branchenleitfaden für Stadtwerke und Netzbetreiber
Die "gelben Seiten" der IT-Sicherheit



Der Branchenleitfaden für Stadtwerke und Netzbetreiber
Die "gelben Seiten" des Smart Metering-Marktes

Der Rollout-Leitfaden für die Praxis
Unterstützung bei der Einführung der Smart-Meter-Technologie.