Optimierung der MTTR mit Hilfe des MCSA in Maximo Rebecca Simm 15.07.2022 Karim Gmir erkundet –Das Thema Instandhaltung 4.0 ist schon seit einigen Jahren in aller Munde. Seit dem Aufkommen von Cloud Computing, Internet der Dinge und künstlicher Intelligenz versuchen Menschen und Berater aus der Asset-Management-Community, diese neue Technologie zu implementieren, um Instandhaltungsprozesse zu verbessern und alle Arten von Instandhaltungs-KPIs wie MTBF und MTTR zu optimieren. In diesem Artikel werde ich eine Lösung vorstellen, die es dem Unternehmen ermöglicht, schnell zu reagieren, wenn Ausfälle auftreten. Ich werde die Definition von MTTR, die MCSA-Technik und ihre Vorteile erläutern und schließlich die in IBM Maximo und der Watson Iot Platform entwickelte Anwendung vorstellen. Optimierung der MTTR mit Hilfe des MCSA in Maximo Das Thema Instandhaltung 4.0 ist schon seit einigen Jahren in aller Munde. Seit dem Aufkommen von Cloud Computing, Internet der Dinge und künstlicher Intelligenz versuchen Menschen und Berater aus der Asset-Management-Community, diese neue Technologie zu implementieren, um Instandhaltungsprozesse zu verbessern und alle Arten von Instandhaltungs-KPIs wie MTBF und MTTR zu optimieren. In diesem Artikel werde ich eine Lösung vorstellen, die es dem Unternehmen ermöglicht, schnell zu reagieren, wenn Ausfälle auftreten. Ich werde die Definition von MTTR, die MCSA-Technik und ihre Vorteile erläutern und schließlich die in IBM Maximo und der Watson Iot Platform entwickelte Anwendung vorstellen. Was bedeutet MTTR? MTTR ist die Abkürzung für “Mean Time to Repair” (mittlere Reparaturzeit) und bezeichnet die Zeitspanne zwischen dem Beginn und dem Ende der Reparatur eines defekten Geräts. In dieser Phase führt das Instandhaltungspersonal die folgenden Aufgaben aus: Störungsdiagnose Planung der Instandhaltungstätigkeit Beschaffung des erforderlichen Materials Durchführen des Instandhaltungsarbeitsauftrags Testen der Anlage Dieser Zeitrahmen gilt als abgeschlossen, sobald das System gemäß den Spezifikationen läuft. Wenn das System während der Testphase immer noch ausfällt, beginnt der Instandhaltungsbeauftragte wieder bei Schritt 1. In diesem Artikel habe ich mich für die Untersuchung verschiedener Ausfälle eines elektrischen Induktionsmotors entschieden. Im folgenden Abschnitt wird erläutert, warum diese Anlage in einem Fertigungsprozess oder einem automatisierten industriellen Prozess äußerst kritisch ist. Was ist ein Induktionsmotor? Der Asynchronmotor macht 90 % aller Motoren aus, die in industriellen Prozessen oder Anlagen eingesetzt werden. Das macht ihn zu einem der am häufigsten verwendeten Geräte, weshalb ich ihn für diesen Artikel als Fallstudie ausgewählt habe. Ein Asynchronmotor besteht aus zwei Hauptkomponenten: 1 Einem Stator: 3 Hauptwicklungen, die ein variables Magnetfeld erzeugen 2 Ein Rotor: ein Leiter, in dem ein elektrischer Strom zirkuliert, der durch die Veränderung des Magnetfelds erzeugt wird. Diese beiden Elemente ermöglichen es dem Leiter, sich zu drehen. Das folgende Video erklärt detailliert, wie der Induktionsmotor funktioniert. In diesem Artikel geht es vor allem darum, wie wir die MTTR eines ausgefallenen Motors und insbesondere die Dauer der Fehlerdiagnose optimieren können. Um Antworten auf diese Frage zu finden, müssen wir alle möglichen Ausfälle auflisten. Ich habe einen interessanten Artikel gefunden, der alle Fehler auflistet, die den Zustand eines Induktionsmotors beeinträchtigen können. Anschließend möchte ich eine wirklich interessante Diagnosetechnik vorstellen, die es dem Techniker oder dem Wartungspersonal ermöglicht, den auftretenden Fehler aus der Ferne und ohne Demontage von Bauteilen des Elektromotors zu bestimmen. Diese Technik wird MCSA genannt. Lassen Sie uns im nächsten Abschnitt in die Details eintauchen. Was ist MCSA? Die Abkürzung MCSA steht für Motor Current Signature Analysis (Motorstromsignaturanalyse) und ist eine hervorragende Technik, die es dem Wartungs- und Zuverlässigkeitsingenieur ermöglicht, den Zustand des Motors online zu überwachen, ohne den Produktionsprozess zu unterbrechen. MCSA zeichnet den Motorstrom in einem Zeitbereichsformat auf. Durch Anwendung einer schnellen Fourier-Transformation auf das aufgezeichnete Signal erhält man das Stromfrequenzspektrum. Da jedes Verhalten und jeder Fehler seine eigene Häufigkeit hat, kann es dem MCSA nichts entgehen. Diese Technik ist ungeheuer zuverlässig. Wir können gebrochene Stangen oder ausgefallene Lager im Frequenzspektrum des Motorstroms aufzeichnen. Außerdem ist das MCSA im Vergleich zu anderen Techniken sehr kostengünstig. Man braucht nur ein handliches Gerät zur Überwachung des Motorstroms und eine kleine Matlab-Anwendung zur Anwendung der FFT, um das Frequenzspektrum anzuzeigen. Die Frage ist, wie kann der Zuverlässigkeits- oder Wartungsingenieur diese Art von Technik einsetzen, um die MTTR zu verringern? Wie kann man die MTTR mit Hilfe des MCSA verringern? Die von mir von Grund auf neu entwickelte Anwendung ermöglicht es, den Fehler zu diagnostizieren, ohne Zeit zu verlieren. Während das Gerät in Betrieb ist, überwacht die Anwendung den Motorstrom und zeigt ihn in einem Diagramm an, um den auftretenden Fehler in Echtzeit zu bestimmen. Wie bereits erläutert, zeigt die MCSA-Technik das Frequenzspektrum an, aus dem wir mehrere Parameter extrahieren können, die ich als Gesundheitsparameter bezeichne. Mit diesem Datensatz habe ich ein Klassifizierungsmodell trainiert, um die auftretenden Fehler zu bestimmen. Entwurf der Anwendung in IBM Maximo Asset Management Hierzu habe ich das Stromsignal von 3 verschiedenen Asynchronmotoren aufgezeichnet. Der erste ist gesund und läuft ohne besondere Störungen. Der zweite hat einen gebrochenen Stab im Rotor und der dritte hat 2 gebrochene Stäbe.Mithilfe dieses Sensors habe ich das Stromsignal aufgezeichnet. Die Anwendung wurde von mir entwickelt, um die folgenden Schritte auszuführen: Überwachung des Stromsignals von 3 verschiedenen Motoren, jeder mit einem bestimmten Fehlergrad. Darstellung des Stromsignals auf der IBM Watson IoT-Plattform Einsatz der FFT und Extraktion von Gesundheitsindikatoren. Generieren eines BIRT-Berichts, in dem ich das Frequenzspektrum des Motorstroms angezeigt habe Training und Test eines Klassifizierungsvorhersagemodells unter Verwendung der Watson Machine Learning Services Darstellung der Auswertungsergebnisse auf der Watson IoT-Plattform Generieren von Arbeitsaufträgen oder Serviceanfragen auf Maximo EAM, wenn die Scoring-Ergebnisse einen bestimmten Schwellenwert überschreiten Application design Frequenzspektren in einem BIRT-Report Grundsätzlich ist dieser Bericht für Zuverlässigkeitsingenieure gedacht, die die verschiedenen Verhaltensweisen und die verschiedenen Ausfälle verstehen, die auftreten können, wenn der Elektromotor läuft. Wie das nächste Diagramm zeigt, wird ein Frequenzspektrum dargestellt. Eines davon entspricht der Stromversorgungsfrequenz, die in unserem Fall 50 Hz beträgt. Außerdem sehen wir kleine Spitzen auf der linken und rechten Seite der beiden Motoren, die unterbrochene Balken aufweisen. BIRT report generated for an IBM Maximo application Vor dem Entwurf einer Anwendung oder eines automatisierten Arbeitsablaufs mit modernen Werkzeugen oder Programmen der künstlichen Intelligenz müssen Experten diese Art von Bericht berücksichtigen, um einen ausgefallenen Induktionsmotor zu verwalten. Peaks auf beiden Seiten der 50-Hz-Frequenz stellen das Verhalten der unterbrochenen Balken dar. Da jede Standardfrequenz anhand einer bestimmten Gleichung vorberechnet wird, können Experten die Intensität dieser Spitzen überwachen und entsprechend reagieren. Ihr Kunde könnte Sie bitten, in diesem Bericht weitere Details wie laufende Arbeitsaufträge oder geplante vorbeugende Wartung anzuzeigen. Bitte kontaktieren Sie mich, wenn Sie Unterstützung bei der Definition oder Gestaltung eines BIRT-Berichts für IBM Maximo benötigen. Watson IoT-Platform Das folgende Dashboard zeigt 3 verschiedene Grafiken für jeden überwachten Induktionsmotor an: Informationsdetails aus der Maximo EAM-Lösung Von den Sensoren aufgezeichnetes Stromsignal Bewertungsergebnisse aus dem Klassifizierungsvorhersagemodell. IBM Watson Iot platform Eine einfache Übersichtsanzeige, in der relevante Daten angezeigt werden, die Ihr Kunde benötigen könnte. Sie können natürlich weitere Daten importieren, indem Sie Ihr externes System über native APIs mit Ihrer Anwendung verbinden. Weitere Details können in anderen Datenkarten hinzugefügt werden, wie z. B. Ihre benutzerdefinierten KPIs für Wartung, Inventar oder sogar finanzielle Ausgaben. Besonders interessant ist, dass dieses Dashboard für mehrere Benutzer freigegeben werden kann. Dazu müssen Sie Sicherheitsrollen definieren und den Zugriff je nach den geschäftlichen Zuständigkeiten innerhalb des Unternehmens erteilen. In meinem Fall gebe ich den Zugriff für potenzielle Kunden frei, damit sie das Dashboard sehen können. Dadurch werden sie in die Lage versetzt, über ihre Geschäftsprozesse nachzudenken und zu überlegen, wie sie diese Technologie in ihre täglichen Abläufe integrieren können. Maschinelles Lernen mit Watson Watson Machine Learning ist ein Dienst in der IBM-Cloud. Damit habe ich ein Klassifizierungsmodell entwickelt, das es den Wartungsmitarbeitern ermöglicht, den auftretenden Fehler in Echtzeit zu bestimmen. Bei Watson ML handelt es sich im Grunde um einen Dienst, der mit einer Anwendung verbunden ist. Dieser ruft das trainierte Modell zur Auswertung über APIs auf. Zur Erstellung und Schulung des Klassifizierungsvorhersagemodells habe ich IBM SPSS verwendet, ein integriertes Modul von IBM Watson Studio. In der nächsten Abbildung sehen Sie das entwickelte Modell, das sehr einfach aufgebaut ist und keine spezifischen und datenerweiterten Kenntnisse erfordert. IBM SPSS Modeler Nach der Entwicklung des Modells in IBM SPSS habe ich es durch die Erstellung einer neuen Anwendungsinstanz in der IBM Cloud Pak for Data-Plattform eingesetzt. Im Jahr 2017 hat IBM seine Plattform geändert, um die Leistung und Sicherheit zu verbessern. Hinterlassen Sie mir bitte einen Kommentar, wenn Sie meinen, dass etwas geändert werden muss. Maximo-Workflow Mit dieser Funktion hebt sich IBM Maximo deutlich von den anderen EAM-Lösungen auf dem Markt ab. In der Tat können Sie Geschäftsprozesse definieren und automatisieren, so dass Sie keine manuelle Validierung mehr durchführen, Mitarbeiter per E-Mail oder Textnachricht benachrichtigen oder verschiedene Ereignisse unter bestimmten Bedingungen auslösen müssen. Das nachfolgende Video ist ein interessantes Workflow-Tutorial für Anfänger. IBM Maximo workflow designer tutorial Ziel dieser Anwendung ist es, die MTTR zu verringern. In den vorangegangenen Abschnitten haben wir gelernt, wie man mit Hilfe von Programmen der künstlichen Intelligenz einen auftretenden Fehler schnell diagnostizieren kann. Als nächstes gilt es, die Wartungsaktivitäten entsprechend der Störung aktiv zu planen, und was eignet sich besser dafür als Maximo-Workflows. In der Tat können Sie einen Workflow definieren, der es Ihnen ermöglicht, eine Serviceanfrage oder einen Arbeitsauftrag zu generieren, wenn das Ergebnis der Bewertung einen vordefinierten Schwellenwert überschreitet. Diesen neu erstellten Datensätzen fügen Sie den richtigen Arbeitsplan bei, in dem Material, Arbeitsleistungen und Services bereits in der Arbeitsplananwendung definiert sind. Sie können noch einen Schritt weiter gehen, indem Sie die benötigten Materialien nachbestellen und auf die Lieferung warten. Wie bereits erwähnt, bringen Workflows in Maximo einen enormen Mehrwert für die Geschäftsabläufe. Wenn Workflows gut definiert und gestaltet sind, sorgen sie für Genauigkeit und Integrität. Aus diesem Grund werden Sie sich keine Sorgen mehr über eine fehlende Benachrichtigung oder Aktion machen. IBM Maximo workflow design Fazit Sie haben in diesem Artikel gelernt, wie Sie die mittlere Reparaturzeit eines elektrischen Induktionsmotors optimieren können, der in mehr als 80 % der automatisierten Industrieprozesse eingesetzt wird. Durch die Überwachung des Stromsignals entgeht kein Fehler Ihrer Diagnose. Darüber hinaus können Sie den auftretenden Fehler erkennen, noch bevor Sie ein physikalisches Verhalten wie Vibrationen oder Geräusche sehen oder wahrnehmen können. Lesen Sie hier mehr über Karims Arbeit Share:
Optimierung der MTTR mit Hilfe des MCSA in Maximo Das Thema Instandhaltung 4.0 ist schon seit einigen Jahren in aller Munde. Seit dem Aufkommen von Cloud Computing, Internet der Dinge und künstlicher Intelligenz versuchen Menschen und Berater aus der Asset-Management-Community, diese neue Technologie zu implementieren, um Instandhaltungsprozesse zu verbessern und alle Arten von Instandhaltungs-KPIs wie MTBF und MTTR zu optimieren. In diesem Artikel werde ich eine Lösung vorstellen, die es dem Unternehmen ermöglicht, schnell zu reagieren, wenn Ausfälle auftreten. Ich werde die Definition von MTTR, die MCSA-Technik und ihre Vorteile erläutern und schließlich die in IBM Maximo und der Watson Iot Platform entwickelte Anwendung vorstellen. Was bedeutet MTTR? MTTR ist die Abkürzung für “Mean Time to Repair” (mittlere Reparaturzeit) und bezeichnet die Zeitspanne zwischen dem Beginn und dem Ende der Reparatur eines defekten Geräts. In dieser Phase führt das Instandhaltungspersonal die folgenden Aufgaben aus: Störungsdiagnose Planung der Instandhaltungstätigkeit Beschaffung des erforderlichen Materials Durchführen des Instandhaltungsarbeitsauftrags Testen der Anlage Dieser Zeitrahmen gilt als abgeschlossen, sobald das System gemäß den Spezifikationen läuft. Wenn das System während der Testphase immer noch ausfällt, beginnt der Instandhaltungsbeauftragte wieder bei Schritt 1. In diesem Artikel habe ich mich für die Untersuchung verschiedener Ausfälle eines elektrischen Induktionsmotors entschieden. Im folgenden Abschnitt wird erläutert, warum diese Anlage in einem Fertigungsprozess oder einem automatisierten industriellen Prozess äußerst kritisch ist. Was ist ein Induktionsmotor? Der Asynchronmotor macht 90 % aller Motoren aus, die in industriellen Prozessen oder Anlagen eingesetzt werden. Das macht ihn zu einem der am häufigsten verwendeten Geräte, weshalb ich ihn für diesen Artikel als Fallstudie ausgewählt habe. Ein Asynchronmotor besteht aus zwei Hauptkomponenten: 1 Einem Stator: 3 Hauptwicklungen, die ein variables Magnetfeld erzeugen 2 Ein Rotor: ein Leiter, in dem ein elektrischer Strom zirkuliert, der durch die Veränderung des Magnetfelds erzeugt wird. Diese beiden Elemente ermöglichen es dem Leiter, sich zu drehen. Das folgende Video erklärt detailliert, wie der Induktionsmotor funktioniert. In diesem Artikel geht es vor allem darum, wie wir die MTTR eines ausgefallenen Motors und insbesondere die Dauer der Fehlerdiagnose optimieren können. Um Antworten auf diese Frage zu finden, müssen wir alle möglichen Ausfälle auflisten. Ich habe einen interessanten Artikel gefunden, der alle Fehler auflistet, die den Zustand eines Induktionsmotors beeinträchtigen können. Anschließend möchte ich eine wirklich interessante Diagnosetechnik vorstellen, die es dem Techniker oder dem Wartungspersonal ermöglicht, den auftretenden Fehler aus der Ferne und ohne Demontage von Bauteilen des Elektromotors zu bestimmen. Diese Technik wird MCSA genannt. Lassen Sie uns im nächsten Abschnitt in die Details eintauchen. Was ist MCSA? Die Abkürzung MCSA steht für Motor Current Signature Analysis (Motorstromsignaturanalyse) und ist eine hervorragende Technik, die es dem Wartungs- und Zuverlässigkeitsingenieur ermöglicht, den Zustand des Motors online zu überwachen, ohne den Produktionsprozess zu unterbrechen. MCSA zeichnet den Motorstrom in einem Zeitbereichsformat auf. Durch Anwendung einer schnellen Fourier-Transformation auf das aufgezeichnete Signal erhält man das Stromfrequenzspektrum. Da jedes Verhalten und jeder Fehler seine eigene Häufigkeit hat, kann es dem MCSA nichts entgehen. Diese Technik ist ungeheuer zuverlässig. Wir können gebrochene Stangen oder ausgefallene Lager im Frequenzspektrum des Motorstroms aufzeichnen. Außerdem ist das MCSA im Vergleich zu anderen Techniken sehr kostengünstig. Man braucht nur ein handliches Gerät zur Überwachung des Motorstroms und eine kleine Matlab-Anwendung zur Anwendung der FFT, um das Frequenzspektrum anzuzeigen. Die Frage ist, wie kann der Zuverlässigkeits- oder Wartungsingenieur diese Art von Technik einsetzen, um die MTTR zu verringern? Wie kann man die MTTR mit Hilfe des MCSA verringern? Die von mir von Grund auf neu entwickelte Anwendung ermöglicht es, den Fehler zu diagnostizieren, ohne Zeit zu verlieren. Während das Gerät in Betrieb ist, überwacht die Anwendung den Motorstrom und zeigt ihn in einem Diagramm an, um den auftretenden Fehler in Echtzeit zu bestimmen. Wie bereits erläutert, zeigt die MCSA-Technik das Frequenzspektrum an, aus dem wir mehrere Parameter extrahieren können, die ich als Gesundheitsparameter bezeichne. Mit diesem Datensatz habe ich ein Klassifizierungsmodell trainiert, um die auftretenden Fehler zu bestimmen. Entwurf der Anwendung in IBM Maximo Asset Management Hierzu habe ich das Stromsignal von 3 verschiedenen Asynchronmotoren aufgezeichnet. Der erste ist gesund und läuft ohne besondere Störungen. Der zweite hat einen gebrochenen Stab im Rotor und der dritte hat 2 gebrochene Stäbe.Mithilfe dieses Sensors habe ich das Stromsignal aufgezeichnet. Die Anwendung wurde von mir entwickelt, um die folgenden Schritte auszuführen: Überwachung des Stromsignals von 3 verschiedenen Motoren, jeder mit einem bestimmten Fehlergrad. Darstellung des Stromsignals auf der IBM Watson IoT-Plattform Einsatz der FFT und Extraktion von Gesundheitsindikatoren. Generieren eines BIRT-Berichts, in dem ich das Frequenzspektrum des Motorstroms angezeigt habe Training und Test eines Klassifizierungsvorhersagemodells unter Verwendung der Watson Machine Learning Services Darstellung der Auswertungsergebnisse auf der Watson IoT-Plattform Generieren von Arbeitsaufträgen oder Serviceanfragen auf Maximo EAM, wenn die Scoring-Ergebnisse einen bestimmten Schwellenwert überschreiten Application design Frequenzspektren in einem BIRT-Report Grundsätzlich ist dieser Bericht für Zuverlässigkeitsingenieure gedacht, die die verschiedenen Verhaltensweisen und die verschiedenen Ausfälle verstehen, die auftreten können, wenn der Elektromotor läuft. Wie das nächste Diagramm zeigt, wird ein Frequenzspektrum dargestellt. Eines davon entspricht der Stromversorgungsfrequenz, die in unserem Fall 50 Hz beträgt. Außerdem sehen wir kleine Spitzen auf der linken und rechten Seite der beiden Motoren, die unterbrochene Balken aufweisen. BIRT report generated for an IBM Maximo application Vor dem Entwurf einer Anwendung oder eines automatisierten Arbeitsablaufs mit modernen Werkzeugen oder Programmen der künstlichen Intelligenz müssen Experten diese Art von Bericht berücksichtigen, um einen ausgefallenen Induktionsmotor zu verwalten. Peaks auf beiden Seiten der 50-Hz-Frequenz stellen das Verhalten der unterbrochenen Balken dar. Da jede Standardfrequenz anhand einer bestimmten Gleichung vorberechnet wird, können Experten die Intensität dieser Spitzen überwachen und entsprechend reagieren. Ihr Kunde könnte Sie bitten, in diesem Bericht weitere Details wie laufende Arbeitsaufträge oder geplante vorbeugende Wartung anzuzeigen. Bitte kontaktieren Sie mich, wenn Sie Unterstützung bei der Definition oder Gestaltung eines BIRT-Berichts für IBM Maximo benötigen. Watson IoT-Platform Das folgende Dashboard zeigt 3 verschiedene Grafiken für jeden überwachten Induktionsmotor an: Informationsdetails aus der Maximo EAM-Lösung Von den Sensoren aufgezeichnetes Stromsignal Bewertungsergebnisse aus dem Klassifizierungsvorhersagemodell. IBM Watson Iot platform Eine einfache Übersichtsanzeige, in der relevante Daten angezeigt werden, die Ihr Kunde benötigen könnte. Sie können natürlich weitere Daten importieren, indem Sie Ihr externes System über native APIs mit Ihrer Anwendung verbinden. Weitere Details können in anderen Datenkarten hinzugefügt werden, wie z. B. Ihre benutzerdefinierten KPIs für Wartung, Inventar oder sogar finanzielle Ausgaben. Besonders interessant ist, dass dieses Dashboard für mehrere Benutzer freigegeben werden kann. Dazu müssen Sie Sicherheitsrollen definieren und den Zugriff je nach den geschäftlichen Zuständigkeiten innerhalb des Unternehmens erteilen. In meinem Fall gebe ich den Zugriff für potenzielle Kunden frei, damit sie das Dashboard sehen können. Dadurch werden sie in die Lage versetzt, über ihre Geschäftsprozesse nachzudenken und zu überlegen, wie sie diese Technologie in ihre täglichen Abläufe integrieren können. Maschinelles Lernen mit Watson Watson Machine Learning ist ein Dienst in der IBM-Cloud. Damit habe ich ein Klassifizierungsmodell entwickelt, das es den Wartungsmitarbeitern ermöglicht, den auftretenden Fehler in Echtzeit zu bestimmen. Bei Watson ML handelt es sich im Grunde um einen Dienst, der mit einer Anwendung verbunden ist. Dieser ruft das trainierte Modell zur Auswertung über APIs auf. Zur Erstellung und Schulung des Klassifizierungsvorhersagemodells habe ich IBM SPSS verwendet, ein integriertes Modul von IBM Watson Studio. In der nächsten Abbildung sehen Sie das entwickelte Modell, das sehr einfach aufgebaut ist und keine spezifischen und datenerweiterten Kenntnisse erfordert. IBM SPSS Modeler Nach der Entwicklung des Modells in IBM SPSS habe ich es durch die Erstellung einer neuen Anwendungsinstanz in der IBM Cloud Pak for Data-Plattform eingesetzt. Im Jahr 2017 hat IBM seine Plattform geändert, um die Leistung und Sicherheit zu verbessern. Hinterlassen Sie mir bitte einen Kommentar, wenn Sie meinen, dass etwas geändert werden muss. Maximo-Workflow Mit dieser Funktion hebt sich IBM Maximo deutlich von den anderen EAM-Lösungen auf dem Markt ab. In der Tat können Sie Geschäftsprozesse definieren und automatisieren, so dass Sie keine manuelle Validierung mehr durchführen, Mitarbeiter per E-Mail oder Textnachricht benachrichtigen oder verschiedene Ereignisse unter bestimmten Bedingungen auslösen müssen. Das nachfolgende Video ist ein interessantes Workflow-Tutorial für Anfänger. IBM Maximo workflow designer tutorial Ziel dieser Anwendung ist es, die MTTR zu verringern. In den vorangegangenen Abschnitten haben wir gelernt, wie man mit Hilfe von Programmen der künstlichen Intelligenz einen auftretenden Fehler schnell diagnostizieren kann. Als nächstes gilt es, die Wartungsaktivitäten entsprechend der Störung aktiv zu planen, und was eignet sich besser dafür als Maximo-Workflows. In der Tat können Sie einen Workflow definieren, der es Ihnen ermöglicht, eine Serviceanfrage oder einen Arbeitsauftrag zu generieren, wenn das Ergebnis der Bewertung einen vordefinierten Schwellenwert überschreitet. Diesen neu erstellten Datensätzen fügen Sie den richtigen Arbeitsplan bei, in dem Material, Arbeitsleistungen und Services bereits in der Arbeitsplananwendung definiert sind. Sie können noch einen Schritt weiter gehen, indem Sie die benötigten Materialien nachbestellen und auf die Lieferung warten. Wie bereits erwähnt, bringen Workflows in Maximo einen enormen Mehrwert für die Geschäftsabläufe. Wenn Workflows gut definiert und gestaltet sind, sorgen sie für Genauigkeit und Integrität. Aus diesem Grund werden Sie sich keine Sorgen mehr über eine fehlende Benachrichtigung oder Aktion machen. IBM Maximo workflow design Fazit Sie haben in diesem Artikel gelernt, wie Sie die mittlere Reparaturzeit eines elektrischen Induktionsmotors optimieren können, der in mehr als 80 % der automatisierten Industrieprozesse eingesetzt wird. Durch die Überwachung des Stromsignals entgeht kein Fehler Ihrer Diagnose. Darüber hinaus können Sie den auftretenden Fehler erkennen, noch bevor Sie ein physikalisches Verhalten wie Vibrationen oder Geräusche sehen oder wahrnehmen können. Lesen Sie hier mehr über Karims Arbeit