WEGE ZU "PREDICTIVE MAINTENANCE" FÜR ROLLMATERIAL UND INFRASTRUKTUR - U. GEHRIG (P-OP-UE) LEITER COC PREDICTIVE MAINTENANCE SBB SALZBURG, 12 ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Wege zu «Predictive Maintenance» für Rollmaterial und Infrastruktur. U. Gehrig (P-OP-UE) Leiter CoC Predictive Maintenance SBB Salzburg, 12. April 2018
2
Der Mobilitätsmarkt verändert sich.
Personenverkehr (Pkm)
+51%
+32%
+18%
Güterverkehr (Tkm)
+45%
+33%
Quelle: Bundesamt für Raumentwicklung,
ARE Verkehrsperspektiven 2040.
2010-2040, Basis Referenz-Szenario
SBB • CoC Predictive Maintenance • 12.04.2018 3
Vertrauenswürdiger Attraktiver
Mobilitätsdienstleister. Starke Eisenbahn. Entwicklungspartner.
Organisation der Tür-zu-Tür- Grosse Beförderungskapazität auf Als Drehscheibe (Mobilitätshub) für
Mobilität für Menschen und Güter. kleinen Flächen in Ballungszentren. Mobilitätsdienstleistungen.
Intermodal entlang der ganzen Hohe Effizienz ohne Staus auf langen Strecken, Smart Mobility für Smart Cities.
Mobilitätskette. bei grossen Volumina/regelmässigem Verkehr. Entwicklung von Bahnhöfen und
Sowohl digital, als auch persönlich. Rückgrat in ÖV und Logistik, leistet einen Arealen zu attraktiven
Beitrag an die Grundversorgung der Mobilität. Lebensräumen.
SBB • CoC Predictive Maintenance • 12.04.2018 4
Operating in Zahlen.
8’100 Mitarbeiterinnen und Mitarbeiter.
2’440 Lokomotivführer.
6‘000 gefahrene Züge täglich.
118 Millionen gefahrene Kilometer pro Jahr.
1.25 Millionen beförderte Reisende pro Tag.
3’500 gereinigte Wagen pro Tag.
500 Fahrzeuge instand gehalten pro Tag.
154 Revisionen pro Monat.
4’400 bewirtschaftete Wagenkasten.
187’000 verschiedene Artikel.
5
Wir produzieren Bahn – «sicher, sauber, pünktlich».
SBB • CoC Predictive Maintenance • 12.04.2018 6
Herausforderung 1: Starkes Wachstum der Flotte
Personenverkehr und Anteil der Triebzüge beeinflussen
die Instandhaltung.
Illustrative Darstellung der Entwicklung der Anzahl Wagenkasten im
Regional- und Fernverkehr.
Triebzüge
Neubeschaffungen
32%
Bestandsflotten
81%
Lokomotiven und Einzelwagen
0
2008 2010 2012 2014 2016 2018 2020 2022 2024 2026 2028 2030
SBB • CoC Predictive Maintenance • 12.04.2018 7
Herausforderung 2: Beeinflussbarkeit Kosten einer
Anlage.
Betriebs- und
Revision
Investitionskosten
reaktive Verschiedene
Tätigkeiten (Beheben
von Störungen, etc.)
Reinigung
proaktive
Tätigkeiten
Änderungen
Instandhaltungs- (bspw. Redesign)
und Revisions-Kosten
Kostendarstellung illustrativ.
Elemente der Betriebs –und Anlagenkosten. Kosteneffizienz bei Instandhaltung.
Life-Cycle-Kosten erstrecken sich bei Anlagenkosten sind optimierbar.
Rollmaterial über ca. 40 Jahre. Hebel insbesondere bei der Instandhaltungs-
Instandhaltung und Revision als wesentlicher Optimierung, etwa im Bereich der Störungs-
Teil der Anlagenkosten. Reduktion und/oder Störungs-
Übrige Anlage- bzw. Betriebskosten betr. etwa Verhinderung (Zuverlässigkeit).
Investitionen, Abschreibung, Energie, Trassen-
Entgelt je Zug, Betriebspersonal, etc. Direkt beeinflussbar: Kosten den Instandhaltung.
SBB • CoC Predictive Maintenance • 12.04.2018 8
Starke Eisenbahn.
• Beherrschen komplexer
Triebzüge mit neuartigen
Störungsbildern.
• Ursachen-Wirkungs-
Zusammenhänge relevanter
Systeme kennen und Lok-Wagen.
Zuverlässigkeit erhöhen.
• Interdisziplinäres
Organisationswissen stärken,
nutzen und systemisch abbilden.
• Instandhaltungsentwicklung
unter Berücksichtigung des
Betriebskontexts.
Triebzüge. • Festlegung des optimalen Mix
aus korrektiver, zeitbasierter und
zustandsorientierter
Instandhaltung.
• Bespielen und Nutzen der
Digitalisierung als wichtiges
Element in der Weiterentwicklung
der Instandhaltung.
Komponenten.
• Bündelung des technischen Fachwissens
• Erfahrung zum Betriebskontext
• Gegenseitiges voneinander Lernen
• Interdisziplinär erarbeitete RCM-Analyse
• Systemische Abbildung des Fachwissens
• RCM-Analyse nachvollziehbar dokumentiert
• Begründete Instandhaltungsakte
• Standardisierung der Dokumentation
Wie wir «Reliability
Centered
•
Maintenance» •
Präventive Instandhaltung mit neuen Fristen
Kurative Tätigkeiten bekannt und definiert
verstehen. •
•
Standardisierung der Tätigkeiten
Mehr Diagnose am Objekt; weniger Tausche
• Funktionen, Ausfallarten, Effekte und
Risiken sind bekannt und
Gegenmassnahmen definiert.
• Störungen werden merklich reduziert
SBB • CoC Predictive Maintenance • 12.04.2018 10RCM setzen wir gezielt systemorientiert ein.
IH-Mix System
IH-Mix System
Stromabnehmer
Klimatisierung
IH-Mix System
IH-Mix System
Türsysteme
Radsatz
Wir beherrschen komplexe Flotten, indem wir Ursachen-
Wirkungs-Zusammenhänge der wesentlichen Systeme
und deren Wechselwirkung kennen.
SBB • CoC Predictive Maintenance • 12.04.2018 11Mit RCM legen wir den Mix unterschiedlicher
Instandhaltungsstrategien je System fest.
Anlehnung an EN 13306.
Einsatzgrad der jeweiligen Strategie je System
Korrektive Präventive Instandhaltung (PM) Einsatz
Instandhaltung Digitalisierung
Zeitbasierte
Instandhaltung Zustandsorientierte
Nutzungs-
Korrektive Instandhaltung
basierte
Instandhaltung Instandhaltung
Zustandsorientierte
Instandhaltung (CbM)
Voraussagende
Instandhaltung oder
«Predictive Maintenance»
(PdM)
Technologieentwicklung
SBB • CoC Predictive Maintenance • 12.04.2018 121
Daten
2
Information
Wir nutzen und
3
Wissen
bespielen die
Digitalisierung,
um datengestützte
4 Entscheidungen
Weisheit
zu treffen.
5
Entscheidung
Anlehnung an Ackoff, R. L., From Data to Wisdom,
Journal of Applies Systems Analysis, Vol. 16, 1989.
Wirkung
SBB • CoC Predictive Maintenance • 12.04.2018 13Fokus. Systemverhalten.
Fachexpertise auf Systemebene ist essentiell für die
Nutzung der Potentiale aus «Predictive Maintenance».
Eintreten einer potentiellen Störung
Radabnutzung. Erkennen von Symptomen
100
Abnutzungsvorrat [%]
P
Befund
Wirkung
Entscheidung
Handlung
Grenze der Funktionserfüllung
(Verschleissgrenze)
F F’
Ausfall
Fig. 1: Typische Abnutzungs-Kennlinie. Δt t
In Anlehnung an: DIN 31051; J. Moubray, RCM.
o Verschleissverhalten eines Systems steht in Zusammenhang mit Betriebskontext.
o Betriebskontext bezeichnet Umgebung und Einflussfaktoren, in welcher ein System verwendet wird.
o Ursachen-Wirkungs-Analysen und weitere fachliche Auseinandersetzung mit dem System sind essentiell.
o Digitalisierung (Data Analytics, Machine Learning, AI etc.) kann Fachexpertise stärken oder ergänzen.
SBB • CoC Predictive Maintenance • 12.04.2018 14Fokus. Machine Learning.
Einblick in die Werkstatt zum Thema «machine
learning» zu Flachstellen an Radscheiben.
3
2
1
Zur Visualisierung der Vorhersage
des Störungseintritts wurde ein
fahrzeugorientiertes Dashboard als
Mock-up aufgebaut.
Aufgrund der Vielzahl an
Messpunkten wurden nutzenstiftende
Erkenntnisse gewonnen und
Vorhersagen konnten bezogen auf
Sample (1 Jahr) von Radsatz- einen Schwellwert gemacht werden.
Messdaten wurde unter
Laborbedingungen für Training von
Algorithmen verwendet.
SBB • CoC Predictive Maintenance • 12.04.2018 15Fokus. Frontend/Dashboard.
Einblick in die Werkstatt anhand eines Mockup für ein
«asset health dashboard».
SBB • CoC Predictive Maintenance • 12.04.2018 16Portfolio der Innovationsvorhaben bei Operating.
Grundlagen Phase 1 Phase 2 Phase 3 Phase 4 Phase 5 Phase 6
Schulung Screening, Geschäfts- Durchführung Geschäfts- Entwicklung Integration
Briefing Scouting, Ideen modell Test / Pilot modell & Full-Approach in der Linie
Kommunikation sammeln entwickeln Business case
Projekt 3
Gate 1 Gate 2 … Gate 3
…
…
…
…
…
…
…
…
…
…
… …
3 Pantografenscanner
…
… …
… …
Radsatz Dashboard
1
…
… …
…
…
…
Legend: …
…
Innovations-Vorhaben 2015 …
… …
Innovations-Vorhaben 2016
… …
Innovations-Vorhaben 2017
Innovations-Vorhaben 2018
… Fahrzeug-Thermoscanner 2
… …
Geplantes Vorhaben
SBB • CoC Predictive Maintenance • 12.04.2018 17«use-case» (1)
Multiple Messquellen mit Radsatz-Daten werden analysiert und zur
automatisierten Radsatz-Instandhaltungs-Planung weiterentwickelt.
Radscheiben aus Stahllegierungen erleiden eine
Radlastcheckpoint.
Abnutzung im laufenden Betrieb.
Abnutzung kann durch normale Alterung oder bspw.
RFIDFz.
durch Zwangsbremsungen erfolgen.
Die Qualität der Rundheit der Räder ist nicht nur
relevant für den sicheren Betrieb, sondern auch für
den Reisenden-Komfort oder die Wohnqualität
entlang von Bahnlinien.
Die Radsatz-Instandhaltung ist heute schon Daten-basiert;
Schwellwerte sind festgelegt und semi-automatisierte
Prozesse etabliert.
Proof-of-Concept mit Machine-Learning Ansatz läuft.
Q
SBB • CoC Predictive Maintenance • 12.04.2018 18«use-case» (2)
Optimierung der Energieeffizienz durch Erfassung von zustands-
orientierten, alterungsbedingten Veränderung der Fahrzeugisolation.
Im Rahmen eines Proof-of-Concept werden
Thermo-Scanner. Zustandsdaten zum Isolationsverhalten von
Wagenkasten untersucht.
RFIDFz.
Das innovative Vorhaben soll in einem ersten Schritt
helfen, die Inspektion der Isolation von Wagenkasten-
Strukturen zu digitalisieren und sichtbar zu machen.
In einem weiteren Schritt sollen die Messungen
vollautomatisiert werden, bspw. durch Identifikation der
Wagen und Daten-Zuordnung anhand von RFID
Transpondern.
Predictive Analytics wird helfen, Auffälligkeiten zu
identifizieren, um im Modernisierungs-Fall zustandsgerechte,
kostenoptimierte Massnahmen einzuleiten.
Q
SBB • CoC Predictive Maintenance • 12.04.2018 19«use-case» (3)
Die Kontrolle von «Stromabnehmer-Schleifstücken» erfolgt nach wie
vor manuell und soll daher mindestens teil-automatisiert werden.
Gegenwärtig erfolgt die Überprüfung der Schleifstücke
Panto-Scanner. der Stromabnehmer («Pantograph») durch einen
Mitarbeiter, indem er auf das Fahrzeugdach steigt und
RFIDFz. eine visuelle Kontrolle der Schleifstück-Qualität
durchführt.
Mittels eines Proof-of-Concepts wird die Machbarkeit einer
automatisierten Zustandserfassung (Akquisition der
Daten über Zeit, Festlegen von Schwellwerten, Auslösen
von Events, Einleiten von Massnahmen) des
Schleifstücks überprüft.
Erste Erkenntnisse sind vielversprechend, wobei die
erfassten Bilder den Mitarbeitenden am Objekt bereits
unterstützend zur Verfügung gestellt werden können.
Q
Q
SBB • CoC Predictive Maintenance • 12.04.2018 20Erkenntnisse.
«Predictive Maintenance» ist eine von mehreren Instandhaltungs-
Strategien, wobei erst der richtige Instandhaltungs-Mix zur
Optimierung von Kosten und zur Gewährleistung der im jeweiligen
Betriebskontext erforderlichen Zuverlässigkeit eines Systems führt.
Die Treiber für die Optimierung der Instandhaltung sind vielfältig und
ändern über die Zeit; neue Technologien, insb. der Einsatz der
Digitalisierung, bspw. durch Schaffen eines «digitalen Abbilds»
eines Systems zu dessen Zustand, Instandhaltungshistorie, Supply
Chain etc. helfen, die sich verändernden Herausforderungen (bspw.
Systemkomplexität) effizient zu managen.
Die Einführung neuer Technologien, Plattformen und Know-how in
eine bestehende Organisation erfordert deren
Veränderungsbereitschaft; agile Methoden und die Etablierung
eines Innovationsmanagements helfen dabei; die Mitarbeitenden in
dieser Transformation mitzunehmen ist wesentlicher Erfolgsfaktor.
SBB • CoC Predictive Maintenance • 12.04.2018 21Zusammenfassung.
A B C
Mobilitätszuwachs 2040 Kostenstruktur Flottenwachstum
D E F
RCM als Leuchtturm Instandhaltungs-Mix Digitalisierungseinsatz
G H J
Systemkenntnis Fokusthemen Erkenntnisse
SBB • CoC Predictive Maintenance • 12.04.2018 22Besten Dank.
23Referent.
Urs Gehrig ist Senior Consultant Unternehmensentwicklung und
Leiter des Competence-Center (CoC) Predictive Maintenance
SBB. Der Elektroingenieur und Jurist setzt sich konzernweit
dafür ein, dass der robuste Betrieb von Anlagen zu
Life-Cycle-optimierten Kosten durch einen geeigneten
Instandhaltungs-Mix ermittelt werden kann.
Urs Gehrig
Senior Consultant Unternehmensentwicklung
Leiter Competence-Center Predictive Maintenance SBB
SBB AG
Personenverkehr Operating
Strategie und Projekte
Wylerstrasse 125
CH-3000 Bern 65
Tel. +41 79 772 45 04
urs.gehrig@sbb.ch / www.sbb.ch
SBB • CoC Predictive Maintenance • 30.11.2017 24Sie können auch lesen
