Motor Oil Group: Einführung der vorausschauenden Wartung zur Unterstützung der digitalen Raffinerie
Der gemeinsame Weg von Motor Oil Group mit SAP
Die Motor Oil Group suchte nach Wegen, den Zustand und die Leistung ihrer Raffinerieanlagen zu überwachen, unerwartete Ausfallzeiten zu reduzieren und die Instandhaltungskosten zu senken. Um eine ganzheitliche Sicht auf seine Anlagen zu erhalten, setzte das Unternehmen mithilfe der SAP Business Technology Platform (SAP BTP) maschinelles Lernen und vorausschauende Analysen ein.
>77
%
Genauigkeit der Rückschlüsse bezüglich außergewöhnlicher Ereignisse 120 bis 20 Stunden im Voraus mithilfe der Ursachenanalyse historischer Daten
24x7
Zeitreihenprognose, die eine genaue Vorhersage von zukünftigen Sensormessungen ermöglicht
Unser erster Pilot für vorausschauende Instandhaltung ist sehr genau. Mit der SAP Business Technology Platform haben wir einen vollständigen Überblick über unsere Raffinerieanlagen. Das hilft uns, unerwartete Ausfallzeiten zu reduzieren und die Instandhaltungskosten zu senken.
Dimitrios Michalopoulos
Industrial Applications Head of IT Division
Motor Oil (Hellas) Corinth Refineries S.A. (Motor Oil Group)
Die Herausforderung
Mit Funktionen auf Basis von maschinellem Lernen und vorausschauenden Analysen Ausfallzeiten reduzieren
In jeder Raffinerie ist eine sorgfältige Anlageninstandhaltung entscheidend, um die Sicherheit der Mitarbeiter und den Betrieb bei Höchstleistung zu gewährleisten. Mit den Standardprozessen für vorbeugende Instandhaltung können Techniker ein potenzielles Problem nur bei einer Prüfung im Rahmen der planmäßigen Instandhaltung erkennen.
Die Motor Oil Group wollte mehr tun, als einfach nur abweichendes Anlagenverhalten zu verhindern. Sie wollte Sensordaten nutzen, um den Anlagenzustand kontinuierlich zu überwachen und potenzielle Fehlfunktionen frühzeitig vorhersagen zu können. Dadurch könnte das Unternehmen mögliche Probleme beheben, bevor sie zum Tragen kommen, und entsprechende Anlagen und Teile reparieren, statt sie austauschen zu müssen. Der Nutzen: Unerwartete und kostenträchtige Ausfallzeiten von wichtigen Anlagen könnten vermieden, und Instandhaltungskosten könnten reduziert werden. Letztlich wollte das Unternehmen seine vorhandenen Prozesse mit datengestützter vorausschauender Instandhaltung erweitern.
Das Anlegen eines Prognosemodells ist ein iterativer Prozess. In Zusammenarbeit mit Accenture und der Data Science Group von SAP nutzen wir die SAP Business Technology Platform, um unsere Anlagendaten genauer zu analysieren und die richtigen Fragen für den gewünschten Erkenntnisgewinn zu formulieren.
Dimitrios Michalopoulos
Industrial Applications Head of IT Division
Motor Oil (Hellas) Corinth Refineries S.A. (Motor Oil Group)
Die Lösung
Zusammenarbeit bei der Entwicklung eines Pilotprojekts für vorausschauende Instandhaltung basierend auf SAP BTP
Ein Workshop zum Thema Datenwert gemeinsam mit der Data Science Group bei SAP und dem Instandhaltungsteam der Raffinerie half, Möglichkeiten zur Verbesserung vorhandener Instandhaltungsprozesse durch Funktionen auf Basis von maschinellem Lernen und vorausschauende Analysen aufzuzeigen. Die Anwendungsfälle wurden nach dem unmittelbaren geschäftlichen Nutzen priorisiert, den sie bieten konnten.
Bei einem erfolgreichen Proof-of-Concept-Projekt wurden Daten der Druck-, Temperatur- und Schwingungssensoren von drei Kompressoren aus vier Jahren analysiert. Die Alarm- und Auslöseschwellen der Sensoren wurden in das Modell eingespeist, um vorhersagen zu können, wann Schwellenwerte überschritten werden.
Im nächsten Schritt baute die Motor Oil Group gemeinsam mit SAP und dem Bereich Applied Intelligence von Accenture in Griechenland eine Pilotarchitektur auf. Das Unternehmen nutzte SAP HANA Cloud, die Anwendungsentwicklungs-Services von SAP BTP und SAP Analytics Cloud, um auf Grundlage von Sensordaten Prognosemodelle für außergewöhnliche Ereignisse zu erstellen, wobei die Ergebnisse über benutzerfreundliche Dashboards und E-Mail-Benachrichtigungen mitgeteilt werden.
Das Ergebnis
Höhere Genauigkeit bei der Analyse von früheren und zukünftigen Messungen
Das Pilotprojekt für vorausschauende Instandhaltung bei Kompressoren, die für die Raffinerie von entscheidender Bedeutung sind, lieferte beeindruckende Ergebnisse. Die Motor Oil Group erreichte mithilfe von Ursachenanalysen eine Genauigkeit von bis zu 77 % bei der Erklärung von abweichenden Ereignissen basierend auf historischen Daten. Und mithilfe von Zeitreihenanalysen wurde eine Genauigkeit bis zu 70 % bei der Vorhersage von zukünftigen Sensormessungen erreicht. Das Unternehmen plant eine Anpassung dieser Modelle, um die Effektivität zu erhöhen, und dann eine Skalierung auf zusätzliche Anlagengegenstände.
Insgesamt hat sich das Unternehmen eine ganzheitliche Sicht auf seine Anlagen verschafft und profitiert von geringeren Instandhaltungskosten und Ausfallzeiten aufgrund der frühzeitigen Meldung von außergewöhnlichen Ereignissen.
Zudem kann das Unternehmen dank eines Systems, das aus seinen eigenen Daten lernt, eine stetig zunehmende Genauigkeit und Effektivität der Prognosen erwarten.
SAP hilft der Motor Oil Group, mehr zu erreichen
Wichtigste Geschäftsergebnisse und -vorteile
Eingesetzte Lösungen und Services
Über die Motor Oil Group
Die 1970 gegründete Motor Oil (Hellas) Corinth Refineries S.A. (Motor Oil Group) ist einer der Branchenführer bei der Erdölraffination und dem Vertrieb von Erdölerzeugnissen in Griechenland und im östlichen Mittelmeerraum. Das Raffineriegeschäft des Konzerns ist komplex und umfasst weit gestreute Anlagen und Kraftstoffvertriebszentren, die in mehr als 45 Länder exportieren.
SAP-Partner im Fokus
Accenture plc ist ein multinationales Dienstleistungsunternehmen, das sich auf IT-Services und -Beratung spezialisiert hat. Accenture beschäftigt weltweit knapp 700.000 Mitarbeiter und betreut 7.000 Kunden in mehr als 120 Ländern. Es arbeitet mit 185 Partnern sowie 89 der Fortune Global 100-Unternehmen zusammen.