7 Möglichkeiten, wie Sie mit ERP-Daten Predictive Maintenance unterstützen können

22.07.2020 Lesezeit: 9 Min.
7 Möglichkeiten, wie Sie mit ERP-Daten Predictive Maintenance unterstützen können
Thomas Bittner
Thomas Bittner
Sales Competence Team, Asseco Solutions AG
Thomas Bittner ist mit 25 Jahren Erfahrung ein alter Hase im ERP-Geschäft. Im Vertriebskompetenzteam betreut er unter anderem Italien und die Schweiz.
Ihr Feedback zum Artikel?

Moderne ERP-Systeme sind enorm leistungsstark und können Ihr Unternehmen in vielen Bereichen unterstützen. Im Bereich der Produktion spielt die Wartung der Geräte und Maschinen eine wichtige Rolle. Um Ausfallzeiten zu minimieren ist Predictive Maintenance ein immer wichtigerer Faktor. ERP-Systeme und ERP-Daten können helfen, diese Wartungen exakter zu planen und somit Kosten zu sparen. Wir zeigen, worauf es dabei zu achten gilt.

1. Datensammlung direkt im ERP-System

Dank vieler Schnittstellen im IoT-Bereich können heute die meisten Produktionsmittel sehr einfach vernetzt werden. Deren Daten können im ERP-System zusammengeführt und entsprechend ausgewertet werden. So entstehen praktisch nutzbare ERP-Daten, welche langfristig zur Verbesserung der geplanten Wartungen eingesetzt werden können. Allerdings geht dies nicht von allein, sondern bedarf einiger Vorbereitungen.

2. Weitere Faktoren zur Erkennung von Anomalien implementieren

Damit ein ERP-System in der Lage ist, kleinste Fehler zu entdecken und aus diesen Rückschlüsse für Wartungsarbeiten zu ziehen, muss das System lernen können.

Die Daten der Geräte allein genügen hierfür nicht, da diese keine Ableitungen erlauben. Es müssen also eine Vielzahl an Daten zusammenfließen, aus denen das System auf Dauer lernen kann. Wichtige ERP-Daten sind beispielsweise ein implementiertes Ticket-System, welches die Reparaturen und Ausfälle erfasst und diese somit in Relation zu den Maschinendaten setzt.

3. Künstliche Intelligenz und Predictive Maintenance

Damit ein solches System effektiv arbeiten kann, muss es eine grundlegende Form des Maschine-Learning oder der künstlichen Intelligenz besitzen. Denn nur so kann das System nicht nur auf bekannte Fehler reagieren, sondern auf Basis der gemachten Erfahrungen und der neuen ERP-Daten die entsprechenden Rückschlüsse ziehen.

Predictive Maintenance lebt davon, dass sich ein solches System mit den unterschiedlichsten Daten auseinandersetzt und diese so interpretiert, dass mögliche Fehler und Störungen frühzeitig erkannt werden. Nur so kann das System in der Lage sein, Wartungen exakt zu planen, Ausfälle zu minimieren und zudem Schäden an den Geräten und Produktionsmitteln zu verhindern.

4. Algorithmen lernen Fehler zu erkennen

Dazu muss der Algorithmus des Systems in der Lage sein Fehler zu erkennen. Dies kann auf mehrere Arten geschehen. Zum einen durch die zur Verfügung stehenden Daten der einzelnen Produktionsgeräte und der anderen Systeme wie Ticketing oder Wartungsprotokolle.

Zudem können die Programmierer aktiv dazu beitragen die Lerngeschwindigkeit zu erhöhen, indem beispielsweise sichtbare Referenzierungen von Daten-Anomalien und Schäden oder Wartungen bereits in den Algorithmus implementiert werden. Das macht das System nicht nur schneller, sondern hilft auch zukünftig mindestens diese Fehler zu vermeiden.

5. Reparaturen und Wartung ebenfalls in die ERP-Daten einpflegen

Je höher also der Detailgrad der ERP-Daten ist, umso stärker kann das System davon profitieren und umso passgenauer kann Predictive Maintenance umgesetzt werden. Daher sollte eine möglichst große Datendichte vorhanden sein.

Pflegen Sie alle relevanten Daten ins ERP-Syste, um die besten Empfehlungen für Predictive Maintenance zu erhalten


So können Daten zu Wartungen und erledigten Reparaturen ebenfalls ins System eingepflegt werden, damit weitere Korrelationen und Kausalzusammenhänge erkannt werden. Es mag zwar zunächst einmal einige Zeit dauern, um diese Daten ins System zu übertragen, das Ergebnis weiß allerdings im Anschluss zu überzeugen.

6. Die Korrelation aller Faktoren überwachen

So gut und leistungsstark ein ERP-System mit künstlicher Intelligenz auch sein mag, es kann dennoch nicht den Faktor Mensch ersetzen. Das bedeutet, dass vor allem zu Beginn Interpretationsfehler des Programms auftreten können, da die einzelnen Datensätze beispielsweise in die falsche Korrelation gesetzt werden.

Es gilt also vor allem zu Beginn jede vom System verordnete Wartung zu überprüfen und zu bewerten. War eine Wartung notwendig und sind bereits Schäden oder Abnutzungserscheinungen an dem Produktionsmittel zu erkennen? Je besser diese Faktoren überprüft und im Rahmen der ERP-Daten wieder ins System eingepflegt werden, umso besser und effektiver wird auf Dauer Predictive Maintenance in Ihrem Unternehmen.

7. Das ERP-System regelmäßig testen und somit weiterhin schulen

Je besser und effizienter Predictive Maintenance in einem Unternehmen funktioniert und je geringer die Ausfallzeiten werden, umso weniger Beachtung wird den ERP-Daten und somit der Grundlage des Erfolgs geschenkt. Dies ist ein Problem, welches in vielen Branchen auftritt.

Es ist daher wichtig, dass Unternehmen auch weiterhin das ERP-System mit Daten füttern und dessen Arbeit regelmäßig überprüfen. Es genügen häufig nur Stichproben, um die saubere Arbeit des Systems zu bezeugen und somit den Verlauf positiv zu beeinflussen. Dies ist wichtig, damit Fehler im System, beispielsweise auf Basis fehlerhafter Datensätze einer Maschine, frühzeitig erkannt und behoben werden. Hier ist jedes Unternehmen gefordert sich beständig um eine Verbesserung zu bemühen und die ERP-Daten weiterhin aktiv für die Verbesserung der Predictive Maintenance zu nutzen.

Schlagwörter:

#

Mehr ERP-Wissen:
Ihr kostenloses Whitepaper.

Wir zeigen Ihnen, wie Sie Ihr Geschäftsmodell digitalisieren.

Zum kostenlosen Whitepaper