PREDICTIVE MAINTENANCE INFRASTRUKTUR & BAU www.eurailpress.de/etr ETR | Januar+Februar 2019 | NR. 1+2 54 Predictive Maintenance: Enge Zusammenarbeit zwischen Servicepartnern und Analytikern Predictive Maintenance, die vorausschauende Instandhaltung, hat großes Potenzi- al in der Wartung von Bahnbaumaschinen. Systeme in den Maschinen gewinnen wertvolle Daten, die eine Basis für Auswertungen und daraus abgeleitete Hand- lungsempfehlungen darstellen. Eine zentrale Rolle spielt dabei der Servicepartner, der sich als Bindeglied zwischen Anwender und Hersteller um die kompetente Umsetzung der Empfehlungen kümmert. Die Digitalisierung schreitet in allen Berei- chen der Wirtschaft wie auch der Gesell- schaft weiter voran. Der Gleisbau ist dabei keine Ausnahme. Es entstehen laufend neue Möglichkeiten der Vernetzung und intelligente Systeme in Maschinen gene- rieren viele Daten. Damit gewinnt die Part- nerschaft zwischen Infrastrukturbetreiber, Bauunternehmer, Zulieferindustrie und Servicedienstleister eine neue Dimension. Verfügbarkeit, Transparenz und Nachvoll- ziehbarkeit sind wesentliche Säulen. Die Planung präventiver Maßnahmen bringt unmittelbaren Nutzen. 1. Was ist „Predictive Maintenance“? Unter „Predictive Maintenance“, also der vorausschauenden Instandhaltung, ver- stehen wir den Prozess, aus gesammelten Daten zu einer Maschine eine individuelle Einschätzung des aktuellen Zustandes zu erarbeiten und, darauf basierend, konkrete Handlungsanweisungen für die zustands- basierte Wartung abzuleiten. Durch entsprechende Systeme in den Maschinen, z. B. PlasserDatamatic 2.0, kön- nen auf Bahnbaumaschinen auf Wunsch des Betreibers wesentliche Daten wie Ar- beitsparameter, GPS-Position, Arbeitsrich- tung, Motordaten, Füllstände der Betriebs- mittel und Hydraulikdrücke live überwacht werden. Der aktuelle Zustand ganzer Ma- schinenflotten kann so vom Büro aus ein- Bernhard Maier Leiter P&T Connected Plasser & Theurer Connected Gesellschaft m.b.H., A-Hagenberg offi[email protected]Ralf Lange Geschäftsführer Deutsche Plasser Bahnbau- maschinen GmbH, München [email protected]gesehen werden. Die gewonnenen Daten stehen auch in gespeicherter Form zur Ver- fügung und bieten eine wertvolle Basis für weitere Auswertungen. 1.1. P&T Connected Die Beschäftigung mit solchen Daten ist in der Gleisbaubranche noch nicht sehr ver- breitet. Ein Unternehmen, das in diesem Bereich aktiv ist, ist P&T Connected mit Sitz im österreichischen Hagenberg, direkt am Campus der dort ansässigen Fachhoch- schule. Das Unternehmen beschäftigt sich vorrangig mit der Erfassung, Aufarbeitung und Auswertung von Daten mit dem Ziel, Predictive Maintenance für Gleisbauma- schinen zu realisieren. P&T Connected wur- de im Januar 2017 gegründet und umfasst mittlerweile zwölf Mitarbeiter/-innen. Zu den Fachgebieten der Teammitglieder zäh- len neben der Informatik auch Physik, Ma- thematik und Statistik. 1.2. Gleisbaumaschinen liefern wertvolle Daten Bei Gleisbaumaschinen ist die regelmäßige, intervallbasierte Inspektion vor Ort oder in einem Depot Bestandteil der Überprüfung und Wartung. In Gleisbaumaschinen sind bis zu 250 Sensoren integriert, die den Verantwortlichen eine Fülle von Informati- onen zur Verfügung stellen. Diese Sensor- daten wurden und werden in festen Inter- vallen für Steuerungszwecke ausgewertet und erlauben zu jeder Zeit die Verfolgung von Zuständen und Prozessen. Darüber hinaus können die folgenden zusätzlichen Daten weitreichende Mehrin- formationen über den Maschinenzustand liefern: ◼ Ersatzteilbevorratung, ◼ Instandhaltungsaufträge, ◼ Fehlermeldungen, ◼ Logdateien sowie ◼ Wetter- und Geodaten. Homepageveröffentlichung unbefristet genehmigt für Deutsche Plasser Bahnbaumaschinen GmbH / Rechte für einzelne Downloads und Ausdrucke für Besucher der Seiten genehmigt von DVV Media Group, 2019
Transcript
P R E D I C T I V E M A I N T E N A N C EI N F R A S T R U K T U R & B A U
www.eurailpress.de/etrETR | Januar+Februar 2019 | NR. 1+254
Predictive Maintenance: Enge Zusammenarbeit zwischen Servicepartnern und Analytikern
Predictive Maintenance, die vorausschauende Instandhaltung, hat großes Potenzi-
al in der Wartung von Bahnbaumaschinen. Systeme in den Maschinen gewinnen
wertvolle Daten, die eine Basis für Auswertungen und daraus abgeleitete Hand-
lungsempfehlungen darstellen. Eine zentrale Rolle spielt dabei der Servicepartner,
der sich als Bindeglied zwischen Anwender und Hersteller um die kompetente
Umsetzung der Empfehlungen kümmert.
Die Digitalisierung schreitet in allen Berei-chen der Wirtschaft wie auch der Gesell-schaft weiter voran. Der Gleisbau ist dabei keine Ausnahme. Es entstehen laufend neue Möglichkeiten der Vernetzung und intelligente Systeme in Maschinen gene-rieren viele Daten. Damit gewinnt die Part-nerschaft zwischen Infrastrukturbetreiber, Bauunternehmer, Zulieferindustrie und Servicedienstleister eine neue Dimension. Verfügbarkeit, Transparenz und Nachvoll-ziehbarkeit sind wesentliche Säulen. Die Planung präventiver Maßnahmen bringt unmittelbaren Nutzen.
1. Was ist „Predictive Maintenance“?
Unter „Predictive Maintenance“, also der vorausschauenden Instandhaltung, ver-stehen wir den Prozess, aus gesammelten Daten zu einer Maschine eine individuelle Einschätzung des aktuellen Zustandes zu erarbeiten und, darauf basierend, konkrete Handlungsanweisungen für die zustands-basierte Wartung abzuleiten.
Durch entsprechende Systeme in den Maschinen, z. B. PlasserDatamatic 2.0, kön-nen auf Bahnbaumaschinen auf Wunsch des Betreibers wesentliche Daten wie Ar-beitsparameter, GPS-Position, Arbeitsrich-tung, Motordaten, Füllstände der Betriebs-mittel und Hydraulikdrücke live überwacht werden. Der aktuelle Zustand ganzer Ma-schinenflotten kann so vom Büro aus ein-
Bernhard MaierLeiter P&T Connected Plasser & Theurer Connected Gesellschaft m.b.H., [email protected]
Ralf LangeGeschäftsführer Deutsche Plasser Bahnbau-maschinen GmbH, Mü[email protected]
gesehen werden. Die gewonnenen Daten stehen auch in gespeicherter Form zur Ver-fügung und bieten eine wertvolle Basis für weitere Auswertungen.
1.1. P&T Connected
Die Beschäftigung mit solchen Daten ist in der Gleisbaubranche noch nicht sehr ver-breitet. Ein Unternehmen, das in diesem Bereich aktiv ist, ist P&T Connected mit Sitz im österreichischen Hagenberg, direkt am Campus der dort ansässigen Fachhoch-schule.
Das Unternehmen beschäftigt sich vorrangig mit der Erfassung, Aufarbeitung und Auswertung von Daten mit dem Ziel, Predictive Maintenance für Gleisbauma-schinen zu realisieren. P&T Connected wur-de im Januar 2017 gegründet und umfasst mittlerweile zwölf Mitarbeiter/-innen. Zu den Fachgebieten der Teammitglieder zäh-len neben der Informatik auch Physik, Ma-thematik und Statistik.
1.2. Gleisbaumaschinen liefern wertvolle Daten
Bei Gleisbaumaschinen ist die regelmäßige, intervallbasierte Inspektion vor Ort oder in einem Depot Bestandteil der Überprüfung und Wartung. In Gleisbaumaschinen sind bis zu 250 Sensoren integriert, die den Verantwortlichen eine Fülle von Informati-
onen zur Verfügung stellen. Diese Sensor-daten wurden und werden in festen Inter-vallen für Steuerungszwecke ausgewertet und erlauben zu jeder Zeit die Verfolgung von Zuständen und Prozessen.
Darüber hinaus können die folgenden zusätzlichen Daten weitreichende Mehrin-formationen über den Maschinenzustand liefern:
◼ Ersatzteilbevorratung, ◼ Instandhaltungsaufträge, ◼ Fehlermeldungen, ◼ Logdateien sowie ◼ Wetter- und Geodaten.
Homepageveröffentlichung unbefristet genehmigt für Deutsche Plasser Bahnbaumaschinen GmbH / Rechte für einzelne Downloads und Ausdrucke für Besucher der Seiten genehmigt von DVV Media Group, 2019
P R E D I C T I V E M A I N T E N A N C E I N F R A S T R U K T U R & B A U
www.eurailpress.de/etr ETR | Januar+Februar 2019 | NR. 1+2 55
Die Analyse wird durch Vernetzung von historischen und aktuellen Informationen verbessert. Diese Kombination vielfältiger Datenquellen erlaubt ein gänzlich neues Niveau in der Analyse. Dabei geht es vor allem darum, systemnahe Information für Handlungsempfehlungen bereitzustellen.
Der Bedarf an flexiblen Auswertun-gen und Analysen wächst. Das stellt neue Anforderungen an die „digitale“ Strate-gie von Unternehmen. Systemlösungen sind gefragter denn je. Datengetriebene Verschleißmodelle und spezifische Hand-lungsempfehlungen helfen bei der Reduk-tion von Instandhaltungskosten.
Die strategische Entscheidung jedes Unternehmens, wie es mit Daten, Daten-management und Big Data-Analysen um-geht, wird direkten Einfluss auf die Product Life Cycle Costs und den wirtschaftlichen Erfolg haben.
1.3. Verschleißteile zum wirtschaftlichsten Zeitpunkt austauschen
Ein Beispiel der vielen neuen Möglichkei-ten ist die Erneuerung der Verschleißteile zum wirtschaftlich besten Zeitpunkt. Basis dafür sind die von Sensoren gelieferten Be-lastungsdaten. Diese zeigen an, wie lange ein Verschleißteil noch einwandfrei funkti-onieren sollte. Dadurch lässt sich frühzeitig erkennen, wann bestimmte Teile ausge-tauscht werden müssen. Darüber hinaus können Stehzeiten und Maschinenausfälle minimiert werden – ein Nutzen für Maschi-nenbetreiber und Infrastruktur.
Solche Entscheidungen konnten bis-lang Maschinenbediener oder Servicetech-niker nur auf Basis ihrer Erfahrungen tref-fen, doch nun können sie diese gesicherten Daten zur Hilfe nehmen.
1.4. Vorausschauende Wartung für komplette Maschinen
Diese Methodik lässt sich grundsätzlich auf die Wartung kompletter Maschinen über-tragen. Damit ist der Weg von der intervall-mäßigen über eine zustandsbasierte hin zu einer vorausschauenden Wartung möglich. Unternehmen wie P&T Connected über-nehmen die Analyse der Daten und liefern die darauf basierenden Handlungsempfeh-lungen.
Die vorausschauende Wartung bietet gegenüber bisherigen Ansätzen eine Rei-he von Vorteilen (vgl. Bild 1). Treten Pro-bleme häufig, aber ohne großen Einfluss auf die Funktionsfähigkeit der Maschine
auf, sind sie meist über den Tausch von Ersatz- und Verschleißteilen zu lösen. Bei häufig auftretenden Problemen, die eine große Auswirkung haben, wird der Hersteller über konstruktive Änderungen nachdenken. Durch vorausschauende Wartung ist es wiederum möglich, die Häufigkeit von Problemen und Heraus-forderungen mit potenziell großen Aus-wirkungen deutlich zu reduzieren und so entscheidend zu hoher Maschinenver-fügbarkeit beizutragen.
Durch die Verknüpfung und Analyse von Maschinendaten und Daten aus Sys-temen wie PlasserDatamatic 2.0 kann also besser als bisher auf den Zustand einer
Maschine geschlossen und Vorhersagen über deren weitere Entwicklung getroffen werden. Dies ermöglicht eine Planung von Wartungsintervallen, die auf dem tatsäch-lichen Status einer Maschine aufbaut, d. h. für jede Maschine kann ein individueller Wartungsplan erarbeitet und bei Bedarf angepasst werden.
Der Nutzen für den Betreiber ist klar: zum einen kann frühzeitig erkannt werden, wann bestimmte Teile ausgetauscht wer-den müssen. So kann rechtzeitig disponiert werden. Zum anderen kann die Analyse aber auch ergeben, dass ein Verschleißteil länger als üblich hält und deshalb erst spä-ter ersetzt werden muss.
1: In Gleisbaumaschinen sind bis zu 250 Sensoren integriert. Diese liefern wichtige Daten, die eine Basis für Auswertungen und daraus abgeleitete Handlungsempfehlungen darstellen
Homepageveröffentlichung unbefristet genehmigt für Deutsche Plasser Bahnbaumaschinen GmbH / Rechte für einzelne Downloads und Ausdrucke für Besucher der Seiten genehmigt von DVV Media Group, 2019
P R E D I C T I V E M A I N T E N A N C EI N F R A S T R U K T U R & B A U
www.eurailpress.de/etrETR | Januar+Februar 2019 | NR. 1+256
Vorausschauende Wartung bietet dem-nach folgende Vorteile gegenüber bisheri-gen Zugängen:
◼ Reduktion der Lebenszykluskosten ◼ Optimierung der Kosten in der Instand-
haltungsstrategie ◼ Datengestützte Vorschläge für Instand-
haltungsmaßnahmen
Das Flottenmanagement erhält dadurch einen detaillierten Einblick in den Zustand
der Maschinen und kann das Reparatur- und Ersatzteilmanagement verbessern. Dies führt zu einer Verlängerung der Le-bensdauer einer Maschine und kann die Kosten für die Wartung optimieren.
1.5. Predictive Maintenance: Analyse und Prognose
Eines der primären Ziele ist es, Muster in vorhandenen Daten zu identifizieren. Alles dreht sich hier um Analyse, Prognose und datengetriebene Modellbildung. Letztlich sollen Tools für eine bessere und vor allem frühere Entscheidungsfindung bereitge-stellt werden – und so das System Eisenbahn noch wettbewerbsfähiger gemacht werden.
Zustandsbasierte Wartung wird in vie-len Unternehmen bereits angewendet. Durch den Einsatz von Sensoren wird der aktuelle Zustand an und in Teilen festge-stellt (Condition Monitoring). Die Instand-haltung wird durchgeführt, sobald sie notwendig ist bzw. eine Verschlechterung bzw. Überschreitung von Grenzwerten durch einen oder mehrere Indikatoren an-gezeigt wird.
Predictive Maintenance geht einen Schritt weiter. Statt nur die bestehende Si-tuation zu analysieren, werden mögliche künftige Ereignisse vorausgesagt. Durch verschiedene Ansätze wie mathematische Modellbildung in Kombination mit Machi-ne Learning und neuronalen Netzen kön-nen Prognosen erstellt werden. Durch mo-dellbasiertes und datengetriebenes Wissen entstehen hybride Methoden, um neues Wissen zu generieren [1].
Predictive Maintenance ist die Zukunft. Basierend auf der Analyse, was passieren wird, werden direkt Handlungsanweisun-gen oder Entscheidungsoptionen vorge-schlagen. Es wird die Entscheidung und die Interaktion zwischen Entscheidungen, Einflüssen und deren Bezug zum Ausgang analysiert, um die optimale Vorgehenswei-se festzulegen [2].
2. Zentrale Rolle der Servicepartner
Auf Daten und daraus entwickelten Mo-dellen und Simulationen basierende Hand-lungsempfehlungen bieten ein großes Potenzial im Service einer Maschine und können entscheidend zu einer Verlänge-rung der Einsatzfähigkeit und Verfügbar-keit beitragen. Eine zentrale Rolle spielt dabei der Servicepartner, der sich als Bin-deglied zwischen Anwender und Hersteller um die Wartung einer Maschine kümmert.
2: Predictive Maintenance hilft, Verschleißteile zum wirtschaftlichsten Zeitpunkt auszutauschen
3: Predictive Maintenance kann die Häufigkeit von Problemen und Herausforderungen deutlich redu-zieren und trägt so zu hoher Maschinenverfügbarkeit bei
Predictive Maintenance ist die Zukunft. Basierend auf der
Analyse, was passieren wird, werden direkt Handlungs
anweisungen oder Entscheidungsoptionen vorgeschlagen.
Homepageveröffentlichung unbefristet genehmigt für Deutsche Plasser Bahnbaumaschinen GmbH / Rechte für einzelne Downloads und Ausdrucke für Besucher der Seiten genehmigt von DVV Media Group, 2019
P R E D I C T I V E M A I N T E N A N C E
www.eurailpress.de/etr
Letztlich nützen die besten Handlungsempfehlungen nichts, wenn diese nicht kompetent umgesetzt werden können. Mehr noch, die Erfahrung der Servicespezialisten liefert zusätzliche wertvolle Inputs und Daten für eine Analyse.
Die genaue Kenntnis der Maschinen und ihre langjährige Er-fahrung geben den Servicetechnikern eine zentrale Stellung in der Zusammenarbeit mit Maschinenbetreibern und Datenanaly-tikern. Sie tragen mit ihrem großen Fachwissen dazu bei, die Ana-lyse noch zielsicherer durchzuführen und so besonders genaue Modelle und Vorhersagen zu entwickeln.
2.1. Daten und Erfahrungen ergänzen sich
Trotz der Digitalisierung steht also auch weiterhin der Mensch im Mittelpunkt. Experten im Unternehmen des Maschinenbetreibers wie auch beim jeweiligen Servicepartner werden durch die neuen Systeme und Applikationen in ihrer täglichen Arbeit unterstützt. So kann die Wartung jeder Maschine individuell und bedarfsori-entiert geplant werden.
Erfahrene Experten erhalten zusätzliche Hilfsmittel, um noch zuverlässigere Einschätzungen über den Zustand einer Maschine vornehmen zu können. Im Gegenzug liefern sie den Analytikern wertvolle praktische Erfahrungen und Einblicke in Maschinenab-läufe, die helfen, die gewonnenen Daten mit Leben zu füllen. Nicht zuletzt trägt dieser intensive Austausch dazu bei, Abläufe transparenter zu machen und so die Nachvollziehbarkeit von Be-wertungen zu erleichtern.
2.2. Enge Kooperation zwischen Servicepartnern und Analytikern
Für den erfolgreichen Einsatz der Predictive Maintenance ist es unerlässlich, dass Servicepartner und Analyseunternehmen eng zusammenarbeiten. Ein Beispiel einer solch engen Zusammenar-beit liefern P&T Connected und die Deutsche Plasser.
Um das beschriebene Potenzial optimal nutzen zu können mussten auf Seiten des Serviceunternehmens einige Weichen neu gestellt werden. Es versteht sich von selbst, dass die Deutsche Plasser auch weiterhin erster Ansprechpartner für Kunden in den betreuten Märkten bleibt. Damit ist sichergestellt, dass die zustän-digen Betreuer immer auf dem aktuellen Wissensstand in Bezug auf den Zustand einer Maschine sind.
Unterstützt werden sie dabei von einem Mitarbeiter, der als Schnittstelle zu P&T Connected definiert wurde. Bei diesem lau-fen alle Informationen zusammen, wodurch er Einblick sowohl in die praktische Wartung wie auch in die datenbasierten Analysen hat.
Dadurch können interessante Themen mit Ansprechpartnern auf beiden Seiten, d. h. Wartung und Analyse, vertieft und so ein-gehend untersucht werden. Dies schafft eine für den Anwender besonders wertvolle Situation: eine enge Verknüpfung zwischen der persönlichen fachlichen Erfahrung der Servicetechniker, die die jeweilige Maschine genau kennen, mit der datenbasierten Analyse der Datenexperten bei P&T Connected.
Darauf aufbauend werden auf Kundenwunsch gemeinsam Handlungsempfehlungen und für die jeweilige Maschine indivi-dualisierte Servicepläne erarbeitet.
Dadurch wird die Wartung deutlich flexibler und, durch die vertiefte Kenntnis vorhandener Daten, auch im wortwörtlichen Sinne vorhersehbarer.
Digitalisierung in Mobilität und VerkehrNeu und brandaktuell: „Digitalisierung in Mobilität und Verkehr“ ist das erste Fachbuch, das über die Auswirkungen, Chancen und Risiken der Digitalisierung im Verkehrssektor berichtet.
Auch erhältlich als:E-Book onlyE-Book only Einzelkapitel
Digitalisierung in Mobilität und Verkehr1. Auflage November 2018, Autorin: Dagmar Rees, 272 Seiten, gebunden, ISBN 978-3-96245-162-2, Print mit E-Book Inside € 49,-*www.pmcmedia.com/digitalisierung
Homepageveröffentlichung unbefristet genehmigt für Deutsche Plasser Bahnbaumaschinen GmbH / Rechte für einzelne Downloads und Ausdrucke für Besucher der Seiten genehmigt von DVV Media Group, 2019
P R E D I C T I V E M A I N T E N A N C EI N F R A S T R U K T U R & B A U
www.eurailpress.de/etrETR | Januar+Februar 2019 | NR. 1+258
Summary
Predictive Maintenance: close cooperation between service partners and analysts
Predictive Maintenance has great potential in the maintenance service of railway construction machines. Integrated IT-systems gain important data being a basis for analysis and actions derived from it. Here, the service partner plays a central role: as a link between user and manufacturer, he takes care on the implementation of the recom-mendation. Detailed knowledge of the machinery and long-standing experience allow him to have a special position within the cooperation. With his expertise, the service partner gives support to carry out a more detailed analyses and to develop precise models and predictions.
Diese neuen Möglichkeiten verändern nicht nur die Abläufe auf Seiten der Ser-viceunternehmen, sondern auch bei den Betreibern. Über Jahrzehnte wurden Ma-schinen gemäß des Wartungsplans des Herstellers gewartet und die Inspektionen entsprechend geplant. Dabei wurden Emp-fehlungen der Servicetechniker berück-sichtigt, die auf deren beruflicher Erfah-rung basierten.
In der Regel wurde versucht, die War-tungen in jenen Monaten durchzuführen, in denen aufgrund der Witterung mit den Maschinen ohnehin weniger gearbeitet werden konnte. Das führte insbesondere im Winter zu Auslastungsspitzen bei den Serviceunternehmen und zu einem hohen Druck, alle Maschinen zeitgerecht und in der gewohnt hohen Qualität zu warten.
Durch die neuen Möglichkeiten der Predictive Maintenance wird sich die War-tung von Maschinen besser über das Jahr verteilen. Erfolgt die Wartung auf Basis der gewonnenen Daten zum optimalen Zeitpunkt, so kann diese durchaus auch im Sommer stattfinden. Durch die enge Abstimmung zwischen Betreiber, Service-unternehmen und Analytikern kann die Wartung so gut vorbereitet werden, dass der Zeitraum, in dem die Maschine nicht verfügbar ist, so kurz wie möglich gehalten wird.
Durch die genaue Vorbereitung wissen Betreiber und Serviceunternehmer besser
als je zuvor, was sie bei der Inspektion er-warten wird. Demgemäß können benötig-te Ersatz- und Verschleißteile zeitgerecht disponiert und allfällige Vorarbeiten so terminiert werden, dass sie sich optimal in den Wartungsablauf einfügen und diesen dadurch weiter verkürzen. Je mehr Daten verfügbar sind, desto besser kann der aktu-elle Zustand einer Maschine eingeschätzt werden und desto weniger Überraschun-gen gibt es im Rahmen einer Inspektion.
Auch wenn es für viele Betreiber an-fänglich ungewohnt sein mag, eine Ma-schine mitten in der Hochsaison zur Inspek-tion zu schicken, so wird sich dies über den Lebenszyklus positiv auswirken und so zu einer erhöhten Wirtschaftlichkeit und Ver-fügbarkeit beitragen.
2.4. Kombination mit neuen Zugängen zum Service
Predictive Maintenance schafft also neue Möglichkeiten, den individuellen Zustand einer Maschine zu beurteilen und daraus folgend konkrete Handlungsempfehlun-gen zu geben. Das dadurch entstehende Potenzial kann durch die Kombination mit neuen Serviceangeboten noch besser aus-genützt werden.
Die Entwicklung im Service von Bahn-baumaschinen ist klar: die angebotenen Lösungen werden immer individueller. Ein Beispiel hierfür ist der mögliche Rund-um-die-Uhr-Service der Deutschen Plasser, der jeweils vertraglich zwischen dem Kunden
und der Deutschen Plasser festgelegt wird. Dieser flexible Vertrag orientiert sich eng an den Bedürfnissen eines Unternehmens und bietet Dienstleistungen, die von tele-fonischem Support bis hin zu einer exklu-siven Service-Bereitschaft reichen – bis zu 24 Stunden am Tag an sieben Tagen in der Woche.
In Kombination mit Predictive Mainte-nance entfaltet dieser Zugang eine beson-dere Wirkung. Zeigen die Maschinendaten Handlungsbedarf, kann kurzfristig reagiert und, wenn notwendig, das Serviceangebot punktuell verstärkt werden bzw. eine not-wendige Inspektion umso besser vorberei-tet werden.
3. Individueller Service für jede Maschine
Die zunehmende Digitalisierung und Aus-wertbarkeit von Daten schaffen ein gro-ßes Potenzial im Service, insbesondere in Kombination mit individualisierbaren Ser-viceangeboten. Letztlich profitieren alle Beteiligten davon. Betreiber können die Wartung ihrer Maschinen an auf Daten und Modellen basierenden Vorhersagen zum Zustand der Maschinen orientieren und so deren Verfügbarkeit weiter erhöhen. Serviceunternehmen können einzelne In-spektionen besser planen und erreichen zudem eine ausgeglichenere Auslastung als bisher.
4: Erfahrene Servicetechniker erhalten durch Predictive Maintenance zusätzliche Hilfsmittel, um noch zuverlässigere Einschätzungen über den Zustand einer Maschine vornehmen zu können
Homepageveröffentlichung unbefristet genehmigt für Deutsche Plasser Bahnbaumaschinen GmbH / Rechte für einzelne Downloads und Ausdrucke für Besucher der Seiten genehmigt von DVV Media Group, 2019
