Erfolg durch Lean Smart Maintenance (E-Book, PDF)

1 - Titel [Seite 1]
1.1 - Impressum [Seite 5]
2 - Inhaltsverzeichnis [Seite 6]
3 - Autorenverzeichnis [Seite 8]
4 - Anlagenübergreifende Dateninfrastruktur zur proaktiven Instandhaltung und Prozessverbesserung [Seite 12]
4.1 - 1 Motivation - Warum überhaupt Daten erfassen? [Seite 12]
4.2 - 2 Einsatzgebiete eines Messsystems [Seite 13]
4.3 - 3 Ein vierphasiges Vorgehensmodell zur Prozessanalyse als Grundlage für Prozessoptimierung [Seite 15]
4.4 - 4 Zentrale Plattform zur Realisierung des vierphasigen Vorgehensmodells [Seite 16]
4.5 - 5 Anforderungen an Datenerfassung und Datenaufzeichnung [Seite 17]
4.6 - 6 Von der Ad-hoc-Analyse zur automatisierten Kennwertbildung [Seite 21]
4.7 - 7 Zusammenfassung [Seite 23]
5 - Lean Smart Maintenance - Controlling [Seite 24]
5.1 - 1 Einleitung [Seite 24]
5.2 - 2 Lean Smart Maintenance [Seite 24]
5.3 - 3 Schwachstellenanalyse [Seite 28]
5.3.1 - 3.1 Bereiche der Schwachstellenanalyse [Seite 29]
5.3.2 - 3.2 Arten und Methoden der Schwachstellenermittlung [Seite 30]
5.3.3 - 3.2.1 Kenngrößenbezogene Schwachstellenidentifikation [Seite 30]
5.3.4 - 3.2.2 Schadensstatistikbezogene Schwachstellenidentifikation [Seite 31]
5.3.5 - 3.2.3 Kausalitätsbezogene Schwachstellenermittlung [Seite 32]
5.4 - 4 Umfassende Schwachstellenanalytik im LSM-Konzept [Seite 33]
5.4.1 - 4.1 CMMS-gestützte Schwachstellenanalyse [Seite 34]
5.4.2 - 4.2 Erweiterte Schwachstellenanalyse durch Big Data Analytics [Seite 36]
5.5 - 5 Literatur [Seite 36]
6 - Meilensteine auf dem Weg zur Smart Maintenance [Seite 38]
6.1 - 1 Einleitung [Seite 38]
6.2 - 2 Die Instandhaltungsstrategie [Seite 38]
6.3 - 3 Optimierung des Instandhaltungssystems als Basis einer kontinuierlichen Verbesserung [Seite 39]
6.4 - 4 Implementierung des Instandhaltungssystems als mobile Anwendung [Seite 40]
6.5 - 5 Total Energy Management als Datenbasis für Predictive Maintenance [Seite 40]
6.6 - 6 Entwicklung einer Hüllkurvensystematik für die Früherkennung von Maschinenstörungen [Seite 41]
6.7 - 7 Entwicklung und Implementierung von innovativen Instandhaltungsmethoden [Seite 41]
6.8 - 8 Nutzung des Big Data Tools "Splunk" als effizientes Analyse- und Visualisierungssystem [Seite 42]
6.9 - 9Zukünftige Herausforderungen für eine smarte und effiziente Instandhaltung [Seite 43]
7 - Effizienzsteigerung in der Instandhaltung [Seite 44]
7.1 - 1 Einleitung [Seite 44]
7.2 - 2 Ausgangssituationen [Seite 46]
7.3 - 3 Optimierungsansatz [Seite 47]
7.4 - 4 Durchführung der Transformationen [Seite 48]
7.4.1 - 4.1 Instandhaltungssysteme bei der HKM [Seite 48]
7.4.2 - 4.2 Entwicklung des Standards in den Pilotbereichen [Seite 51]
7.4.3 - 4.3 Der Standardprozess für IH-Betriebe [Seite 52]
7.4.4 - 4.4 Der Standardprozess für Werkstattbetriebe [Seite 57]
7.4.5 - 4.5 Hüttenweite Prozess-Implementierung [Seite 57]
7.5 - 5 Nachhaltigkeit [Seite 58]
7.5.1 - 5.1 Das zentrale Kernteam der IH-Optimierung [Seite 58]
7.5.2 - 5.2 Kennzahlensystem [Seite 59]
7.5.3 - 5.3 Quartalsweise Fortschritts-Audits [Seite 60]
7.5.4 - 5.4 Hüttenweite Arbeitskreise [Seite 62]
7.6 - 6 Flankierende Maßnahmen [Seite 62]
7.6.1 - 6.1 Koordination hütteninterner Leistungen (DLK-Prozess) [Seite 63]
7.6.2 - 6.2 Fremddienstleistungskoordination [Seite 64]
7.7 - 7 Finanzielle Erfolge [Seite 65]
7.8 - 8 Zusammenfassung [Seite 65]
8 - Herausforderungen in der Ausgestaltung vonIndustrie-4.0-Lösungen [Seite 66]
8.1 - 1 Einleitung [Seite 66]
8.2 - 2 Industrie 4.0 als technologiegetriebener Ansatz [Seite 67]
8.3 - 3 Anzunehmende Veränderung durch Digitalisierung in der Fabrik [Seite 69]
8.4 - 4 Lean Manufacturing als Führungsprozess [Seite 70]
8.5 - 5 Toyota konzentriert sich auf Variabilität [Seite 71]
8.6 - 6 Die Einteilung von Variabilität in zwei Klassen [Seite 72]
8.7 - 7 Beschleunigung des Modell- und Verbesserungs-PDCAs [Seite 74]
8.8 - 8 Wirkweisen [Seite 75]
8.9 - 9 Brownfield [Seite 76]
8.10 - 10 Realisierung von Vorteilen durch die Schnittstelle Mensch-Maschine [Seite 78]
8.10.1 - 10.1 Nutzersicht - Aufbau eines Nutzerprofils [Seite 79]
8.10.2 - 10.2 Anbietersicht und Product/Market-Fit [Seite 80]
8.11 - 11 Fazit [Seite 81]
8.12 - 12 Literatur [Seite 82]
9 - Best Practice durch Benchmarking [Seite 84]
9.1 - 1 Einleitung [Seite 84]
9.2 - 2 Die kontinuierliche Weiterentwicklung von Organisationen [Seite 85]
9.3 - 3 Potenzialermittlung mittels Benchmarking [Seite 86]
9.3.1 - 3.1 Arten des Benchmarkings [Seite 87]
9.3.1.1 - 3.1.1 Verdecktes und offenes Benchmarking [Seite 88]
9.3.1.2 - 3.1.2 Internes Benchmarking [Seite 88]
9.3.1.3 - 3.1.3 Wettbewerbsorientiertes Benchmarking [Seite 88]
9.3.1.4 - 3.1.4 Funktionales oder branchenexternes Benchmarking [Seite 88]
9.4 - 4 Phasen des Benchmarking-Prozesses [Seite 89]
9.5 - 5 Benchmarking am Beispiel des MA2-Preises [Seite 91]
9.5.1 - 5.1 Datenbasis der MA2 Benchmarkingstudie [Seite 91]
9.5.2 - 5.2 Das MA2-Bewertungsmodell [Seite 92]
9.5.2.1 - 5.2.1 Bewertungskategorie "Managementsysteme und -konzepte" [Seite 94]
9.5.2.2 - 5.2.2 Bewertungskategorie "Aufbauorganisation" [Seite 95]
9.5.2.3 - 5.2.3 Bewertungskategorie "Instandhaltungsprävention" [Seite 98]
9.5.2.4 - 5.2.4 Bewertungskategorie "Kontinuierlicher Verbesserungsprozess" [Seite 99]
9.5.2.5 - 5.2.5 Bewertungskategorie "Zielsystem, Controlling, Kennzahlen" [Seite 99]
9.5.2.6 - 5.2.6 Bewertungskategorie "Ablauforganisation" [Seite 103]
9.5.2.7 - 5.2.7 Bewertungskategorie "Instandhaltungsstrategie" [Seite 106]
9.5.2.8 - 5.2.8 Bewertungskategorie "Ersatzteilmanagement" [Seite 108]
9.5.2.9 - 5.2.9 Bewertungskategorie "Schulung und Training" [Seite 109]
9.6 - 6 Zusammenfassung [Seite 111]
9.7 - 7 Literatur [Seite 112]
10 - Informationsmanagement und -technologien in der Instandhaltung [Seite 114]
11 - Predictive Maintenance [Seite 122]
11.1 - 1 Einleitung [Seite 122]
11.2 - 2 Beschreibung des Gesamtsystems [Seite 124]
11.3 - 3 Low-Cost-Sensorkit aus dem Consumer-Bereich für die Industrie [Seite 126]
11.3.1 - 3.1 Notwendigkeit eines Low-Cost-Sensorkits [Seite 127]
11.3.2 - 3.2 Aktuelle Ansätze der Nutzung von Embedded Systems und Sensorik aus demConsumer-Bereich im industriellen Umfeld [Seite 127]
11.3.3 - 3.3 Anforderungen der Industrie [Seite 128]
11.3.4 - 3.4 Umsetzung des Low-Cost-Sensorkits [Seite 128]
11.4 - 4 IoT-Architektur [Seite 130]
11.4.1 - 4.1 Überblick über bestehende IoT-Architekturen [Seite 130]
11.4.2 - 4.2 Aufbau der IoT-Architektur [Seite 130]
11.5 - 5 Komponente des Data Analytics anhand einer exemplarischen Umsetzung desPredictive-Maintenance-Systems [Seite 132]
11.5.1 - 5.1 Vorgehensmodelle der Data Analytics [Seite 132]
11.5.2 - 5.2 Geschäftsverständnis [Seite 134]
11.5.3 - 5.3 Datenverständnis [Seite 135]
11.5.4 - 5.4 Datenaufbereitung [Seite 137]
11.5.5 - 5.5 Modellierung [Seite 139]
11.5.6 - 5.6 Auswertung [Seite 140]
11.5.7 - 5.7 Einsatz [Seite 140]
11.6 - 6 Zusammenfassung und Ausblick [Seite 141]
11.7 - 7 Literatur [Seite 141]
12 - Dynamische Grenzwerte für intelligenteInstandhaltung [Seite 144]
12.1 - 1 Condition Monitoring [Seite 144]
12.2 - 2 Stand der Technik [Seite 145]
12.3 - 3 Erwartungswerte [Seite 145]
12.4 - 4 Schlussfolgerungen [Seite 148]
12.5 - 5 Literatur [Seite 149]
13 - Vernetzte Maschinen - Vernetzte Instandhaltung [Seite 150]
13.1 - 1 Einleitung [Seite 150]
13.1.1 - 1.1 Schneller - Flexibler - Agiler [Seite 150]
13.1.2 - 1.2 Erfolgsfaktoren [Seite 151]
13.2 - 2 Umsetzung [Seite 152]
13.2.1 - 2.1 Gefahren von Industrie 4.0 in der Produktion [Seite 152]
13.2.2 - 2.2 Standardisierung - Systematisierung - Normierung [Seite 152]
13.3 - 3 Erfolgsfaktoren der STIWA Group [Seite 152]
13.3.1 - 3.1 Fokus: Kernkompetenz [Seite 153]
13.3.2 - 3.2 Fokus: Systemarchitektur [Seite 154]
13.3.3 - 3.3 Fokus: Daten [Seite 155]
13.3.4 - 3.4 Fokus: Regelkreise [Seite 156]
13.4 - 4 Nutzen [Seite 157]
13.4.1 - 4.1 Preventive Maintenance [Seite 157]
13.4.2 - 4.2 Predictive Maintenance [Seite 158]
13.4.3 - 4.3 Branchenbeispiele [Seite 158]
13.4.3.1 - 4.3.1 Beispiel: Preventive Maintenance - Branche Consumer Goods [Seite 158]
13.4.3.2 - 4.3.2 Beispiel: Preventive Maintenance - Branche Automotive [Seite 159]
13.4.3.3 - 4.3.3 Beispiel: Predictive Maintenance - Branche Medizintechnik [Seite 161]
13.5 - 5 Fazit/Zusammenfassung [Seite 162]
13.6 - 6 Literatur [Seite 163]
14 - Schwachstellenanalyse zur Gewährleistung der Handlungsfähigkeit in komplexen Systemen [Seite 164]
14.1 - 1 Einleitung [Seite 164]
14.2 - 2 Grundlegende Begriffe [Seite 165]
14.2.1 - 2.1 Schwachstelle [Seite 165]
14.2.2 - 2.2 Schadensstelle [Seite 165]
14.2.3 - 2.3 Störung [Seite 165]
14.2.4 - 2.4 Fehler [Seite 165]
14.2.5 - 2.5 Ursachen von Schwachstellen [Seite 165]
14.2.6 - 2.6 Schwachstellenanalyse [Seite 166]
14.3 - 3 Methoden der klassischen Schwachstellenanalyse [Seite 167]
14.3.1 - 3.1. Paretoprinzip [Seite 167]
14.3.2 - 3.2 Ursache-Wirkungsdiagramm/Ishikawa-Diagramm [Seite 171]
14.3.3 - 3.3 Vergleich klassische Vorgehensweise - datengetriebener Ansatz [Seite 171]
14.4 - 4 Datengestützte Schwachstellenanalyse [Seite 172]
14.4.1 - 4.1 Assoziationsanalyse [Seite 172]
14.4.2 - 4.2 Generalized Sequential Pattern Analyse (GSP) [Seite 174]
14.5 - 5 Vorgehen zur datengestützten Schwachstellenanalyse [Seite 176]
14.6 - 6 Beispielhafte Anwendung der datengestützten Schwachstellenanalyse [Seite 180]
14.6.1 - 6.1 Ausblick [Seite 182]
14.7 - 7 Conclusio [Seite 182]
14.8 - 8 Literatur [Seite 183]
15 - Optimierung des anlagenspezifischen Instandhaltungsstrategiemixam Beispiel eines komplexen Fertigungssystems [Seite 186]
15.1 - 1 Einleitung [Seite 186]
15.2 - 2 Herausforderungen für die Instandhaltung in der mechanischen Fertigung bei BMW [Seite 187]
15.3 - 3 Modell zur anlagenspezifischen Instandhaltungsstrategiemixoptimierung [Seite 190]
15.3.1 - 3.1 Anlagenkritikalitätsbestimmung [Seite 191]
15.3.1.1 - 3.1.1 Kriteriendefinition und -auswahl [Seite 191]
15.3.1.2 - 3.1.2Kritikalitätsermittlung am Beispiel des Fertigungssystems von BMW Steyr [Seite 192]
15.3.2 - 3.2 Identifikation von Schwerpunktanlagen [Seite 194]
15.3.2.1 - 3.2.1 Kostenauswertung [Seite 195]
15.3.2.2 - 3.2.2 Risikoauswertung [Seite 195]
15.3.2.3 - 3.2.3 Identifikation der Schwerpunktsanlagen am Beispiel des Fertigungssystemsvon BMW Steyr [Seite 195]
15.3.3 - 3.3 Detailanalysen der Schwerpunktsanlagen [Seite 197]
15.3.3.1 - 3.3.1 Detaillierte Kostenanalysen [Seite 198]
15.3.3.2 - 3.3.2 Detaillierte Schwachstellenanalyse [Seite 198]
15.3.4 - 3.4 Anpassung Instandhaltungsstrategiemix [Seite 203]
15.3.4.1 - 3.4.1 Methodik zur Instandhaltungsstrategiemixanpassung [Seite 204]
15.3.4.2 - 3.4.2 Instandhaltungsstrategiemixanpassung am Beispiel des Fertigungssystems vonBMW Steyr [Seite 208]
15.3.5 - 3.5 Erfolgskontrolle [Seite 210]
15.3.5.1 - 3.5.1 Möglichkeiten zur Erfolgskontrolle [Seite 210]
15.3.5.2 - 3.5.2 Erfolgskontrolle am Beispiel des Fertigungssystems von BMW Steyr [Seite 210]
15.4 - 4 Resümee [Seite 211]
15.5 - 5 Kriterienkatalog zur Anlagenbewertung [Seite 212]
15.6 - 6 Literatur [Seite 215]
16 - Total Productive Management [Seite 218]
16.1 - 1 Einleitung [Seite 218]
16.1.1 - 1.1 Segment Ressource Efficiency [Seite 219]
16.2 - 2 TPM in einem global agierenden Chemiekonzern [Seite 219]
16.3 - 3 Markt- und Umweltbedingungen [Seite 220]
16.3.1 - 3.1 Ganzheitliche Produktionssysteme [Seite 220]
16.3.2 - 3.2 Die Herausforderung [Seite 221]
16.4 - 4 Modellierung der Vorgehensweise [Seite 221]
16.5 - 5 Transfer der Modellierung in die Praxis [Seite 223]
16.6 - 6 Die Entscheidung für den ganzheitlichen Ansatz [Seite 224]
16.7 - 7 Vorbereitung der Umsetzung in der Organisation [Seite 224]
16.8 - 8 Weiterentwicklung der autonomen Instandhaltung [Seite 226]
16.9 - 9 Einführung der Säule 3 - geplante Instandhaltung [Seite 227]
16.10 - 10 Quintessenz aus der autonomen und geplanten InstandhaltungDie bisher beschriebene autonome und geplante Instandhaltung sind derzeitig [Seite 230]
16.11 - 11 Projektdokumentation als Transmitter für das Training von Führung und Verhalten [Seite 230]
16.12 - 12 Barrieren und Hindernisse in der Umsetzung [Seite 231]
16.13 - 13 Zielverfolgung mit der richtigen Botschaft [Seite 232]
16.14 - 14 Literatur [Seite 233]
17 - Service 4.0 und Predictive Maintenance [Seite 236]
17.1 - 1 Service 4.0 im Kontext der digitalen Transformation [Seite 236]
17.1.1 - 1.1 Die digitale Transformation - ihre Auswirkungen, Chancen und Risiken [Seite 236]
17.1.2 - 1.2 Service 4.0 und seine Anwendungsfelder [Seite 237]
17.2 - 2 Predictive Maintenance - Kernanwendung von Service 4.0 [Seite 238]
17.2.1 - 2.1 Definition und Charakteristika von Predictive Maintenance [Seite 238]
17.2.2 - 2.2. Predictive Maintenance - Anforderungen an Unternehmen [Seite 239]
17.2.3 - 2.3 Wertbeitrag, Geschäftsmodelle und Roadmap für Predictive MaintenanceLösungen [Seite 241]
17.3 - 3.?????? Predictive Maintenance - das Gesamtkonstrukt muss stimmen [Seite 245]
17.4 - 3 Predictive Maintenance - das Gesamtkonstrukt muss stimmen [Seite 245]
18 - Weitere E-Books bei TÜV Media [Seite 0]