Reifegradmodell für Analytics

Gartner unterscheidet in seinem Reifegradmodell zwischen 4 analytischen Niveaus:

Abb. 2: Reifegradmodell für Analytics nach Gartner[1]

  • Descriptive Analytics beschäftigt sich damit, aus der Vergangenheit zu lernen, um dann in Zukunft besser entscheiden zu können.
  • Diagnostic Analytics folgt oft der Descriptive Analytic, um Einblicke in Ursachen und Zusammenhänge zu bekommen.
  • Predictive Analytics beschäftigt sich mit der Zukunft und ermöglicht eine Abschätzung der Wahrscheinlichkeit des Eintretens eines zukünftigen Ereignisses. Um Muster in Daten zu entdecken, werden historische und aktuelle Daten genutzt, um darin mittels statistischer Modelle und Algorithmen Beziehungen in den Daten zu suchen.
  • Prescriptive Analytics setzt auf Predictive Analytics auf und versucht, Auswirkungen zukünftiger Entscheidungen abzuschätzen und zu bewerten, bevor Entscheidungen getroffen werden.

Es ist auch zwischen Predictive Analytics und Predictive Technologies zu unterscheiden. Predictive Analytics wird für Vorhersagen über unbekannte zukünftige Ereignisse verwendet. Um dafür Daten zu analysieren und Aussagen über die Zukunft zu treffen, werden Techniken eingesetzt, die zu Data Mining, Statistik, Modellierung, maschinellem Lernen und künstlicher Intelligenz gehören. So kann bereits eine sehr einfache Regel, z. B. über einen erhöhten Stromverbrauch einer Maschine darauf hinweisen, dass ein Lager der Maschine im Begriff ist, auszufallen. Alternativ dazu sind ausgefeilte parametrische oder auch nicht parametrische Modelle möglich. Supervised und unsupervised Learning spielen eine Rolle. Dabei überschneidet sich Predictive Analytics inhaltlich mit Business Intelligence und bildet insofern eine Teildisziplin von Business Analytics, die da ansetzt, wo OLAP oder Reporting aufhören, usw.[2]

Predictive Technologies

Demgegenüber machen Predictive Technologies Predictive Analytics erst möglich und umfassen Sensorik (z. B. für Schwingungen, Ölstand, Temperatur, Stromverbrauch, Geräusche, etc.) sowie die Informationsverarbeitung, um z. B. erste Warnsignale für ein mögliches Eintreten eines Ereignisses zu liefern.

Wartung und Instandsetzung

Diese Vielfalt an Definitionen ist der Preis für ständig neue Schlagworte, wie sie bspw. von Institutionen wie Gartner kontinuierlich in Umlauf gebracht werden. Schlagworten obliegt der Makel von unvollständigen Informationen. Bei Wartung und Instandhaltung wird es noch unübersichtlicher. Sie wird im Allgemeinen in 3 Klassen unterteilt:

  • Corrective Maintenance (CM) ist die Instandsetzung,
  • Preventive Maintenance (PM) ist eine vorbeugende Instandhaltung und
  • Condition-Based Maintenance (CBM) ist die zustandsorientierte Instandhaltung, die jüngst meist als Predictive Maintenance (PdM), als vorausschauende Instandhaltung, bezeichnet wird.[3]

Condition Based Maintenance (CBM) oder Predictive Maintenance (PdM) ist Wartung, wenn es nötig ist. Sie wird durchgeführt, nachdem ein oder mehrere Indikatoren zeigen, dass eine Maschine (oder Baugruppe einer Maschine) wahrscheinlich kurz vor einem Ausfall steht oder sich die Geräteleistung verschlechtert. Daher wird eine zustandsbasierte Wartungsaktion vorgesehen, um zu einem geeigneten Zeitpunkt diese Baugruppe zu ersetzen, zu reparieren oder zu überholen, bevor es zu deren Ausfall im Betrieb kommt. PdM oder CBM basieren auf Echtzeitdaten und sollen Wartungsressourcen priorisieren und optimieren. Eine zustandsbasierte Wartung ermöglicht es idealerweise dem Wartungspersonal, nur die nötigten Dinge zu tun. Dadurch PdM werden Ersatzteilkosten, Systemausfallzeiten und Wartungszeit minimiert. Der Hauptvorteil besteht aber darin, proaktiv zu sein anstatt mit Reparaturen zu reagieren: je mehr man proaktiv sein kann, umso kostengünstiger werden Reparaturen. Die Überwachung des Zustandes eines Systems wird als Condition Monitoring (CM) bezeichnet.

Preventive Maintenance (PM) – vorbeugende Wartung – ist eine Routineaktivität, bei der Komponenten oder Ausrüstungsgegenstände in einem bestimmten, vordefinierten Intervall unabhängig von ihrem jeweiligen Zustand ersetzt und überholt werden. PM verhindert nichts, minimiert evtl. die Ausfallzeit. PdM maximiert jedoch die Betriebszeit. Das macht den großen Unterschied zwischen PM und PdM aus.

[1] Dr. Matthias Nagel/Prof. Dr.-Ing. Ralph Riedel, Wahrscheinlichkeitsmodelle für die proaktive Wartung auf Basis flexibel konfigurierbarer Datenbausteine, 3. Anwenderkonferenz Smart Maintenance für Smart Factories. 22. Februar 2018. Kongresszentrum Messe Dortmund.
[2] Einen guten Überblick über all dies gibt Abbott, Applied Predictive Analytics, 2014.
[3] Für die Definitionen vgl. Blokdyk, Predictive maintenance, 3. Aufl. 2018.

Das ist nur ein Ausschnitt aus dem Produkt Finance Office Professional. Sie wollen mehr?

Anmelden und Beitrag in meinem Produkt lesen


Meistgelesene beiträge