Zustandsabhängiges, risikobasiertes Asset-Management in der Energieversorgung

Abstract

Für die vorliegende Arbeit versteht man unter risikobasiertem und funktionsübergreifendem Asset-Management (RB&FÜAM) die risikobewusste Verwaltung von technischen Anlagen während ihrer gesamten Lebensdauer. Die konkrete Aufgabe ist dabei, die betriebsmittelrelevanten Aktivitäten zeitlich und inhaltlich funktionsübergreifend so zu koordinieren, dass die strategischen Unternehmensziele bei minimalen Anlagenkosten erreicht werden können. In der Tat geht es um die optimale Geldmittelallokation unter den Kernprozessen des Unternehmens, welche die Vernetzung von aktuellen risikorelevanten Informationen über das gesamte Anlagenportfolio voraussetzt.

Die wesentlichen Nachteile der traditionellen Asset-Management Ansätze lassen sich wie folgt zusammenfassen:

1. Die Ursache-Wirkungskette zwischen den risikorelevanten Anlagendaten und der zugehörigen prozesscharakterisierenden Zielkennzahl (z.B. Instandhaltungsbudget) ist für Entscheidungsträger nicht transparent. Der Koordinationsaufwand und die Prozessdurchlaufzeit für die Entscheidungsunterstützung ist unverhältnismäßig groß.

2. Die rechnergestützte Überwachung von betriebswirtschaftlichen Prozessindikatoren, die ihrerseits vom Anlagenzustand abhängig sind, ist wegen mangelnder Methodenkompetenz für die Informationsverzahnung nicht möglich.

Um diese Unzulänglichkeiten zu eliminieren, wurde der vorliegende Ansatz entwickelt. Hierbei wird der Anlagenzustand mittels Fuzzy-Logik anhand von aktuellen zustandsrelevanten Messgrößen der fehleranfälligen Anlagenkomponenten online geschätzt und die monetären Konsequenzen des Anlagenzustandes in Form eines Katalogs für Instandhaltungsszenarien formalisiert. Das von den fehlerbehafteten Anlagenkomponenten bzw. der Anlage ausgehende Risiko wird dabei durch den monetären Erwartungswert für die Durchführung eines dem aktuellen Zustand angemessenen Instandhaltungsszenarios berechnet. Als Alternative zur erwähnten Beschreibung des Risikos mit Erwartungswert kann auch die vektorbasierte Methode eingesetzt werden. In diesem Fall wird das Risiko durch die lineare Kombination des Zustandes und der Wichtigkeit der jeweiligen Betrachtungseinheit abgebildet.

Nachdem der neue Ansatz durch die theoretische Behandlung der relevanten Basisdisziplinen fundiert wurde, wird die Anwendung der erarbeiteten Methode in zwei Fallbeispielen demonstriert. Während im Beispiel bezüglich einer Gruppe von Leistungstransformatoren die vektorbasierte Risikoanalyse eine Anwendung findet, wird das zustandsbedingte Risiko in der Analyse für ein Leistungsschalterportfolio mittels Bildung von entsprechenden Erwartungswerten abgebildet.

Gemäß den Forderungen in der Praxis wurde die verursachungsgerechte Zusammenführung der Zustandsverschlechterung von Betriebsmittelkomponenten durch einen adäquaten Algorithmus, basierend auf der Theorie der Zielkostenrechnung, gelöst. Die Berechnungsvorschrift ermöglicht den Zustandsverschlechterungsgrad jeder Komponente einer zweckmäßig aufgebauten Anlagenhierarchie zu berechnen und damit die Überwachung des Zustandsforschrittes jeweils auf die zeitliche Verfolgung einer einzigen Zustandskennzahl zu reduzieren. Diese Möglichkeit gewinnt an Bedeutung beim Aufsteigen in der Systemhierarchie. Weil die Kennzahlabbildung durchgängig formalisiert ist, bietet der Ansatz umfassende Möglichkeiten auch für die Ursachenforschung.

Da die weiteren Algorithmen für die anlagencharakterisierenden Indikatoren wie:

1. Anlagenpriorität für Ersatzinvestition

2. Ausfallwahrscheinlichkeit einer Betriebsmittelkomponente

3. finanzielles Risiko für Ersatz bzw. Instandhaltung

4. Priorität für Instandhaltung

auf dem relevanten Wahrscheinlichkeitswert für Ersatz, Ausfall und Durchführung des aktuellen Instandhaltungsszenarios basieren, wird der Übergang vom aktuellen Zustandsverschlechterungsgrad zu den erwähnten Wahrscheinlichkeiten diskutiert.

Mit Hilfe des vorgestellten Ansatzes, dessen Umsetzung durch ein modular aufgebautes Simulink-Modell getestet wurde, kann man eine fundierte Entscheidungsunterstützung für die folgenden Kernprozesse online zur Verfügung stellen:

1. Budgetierung von Instandhaltungskosten

2. Budgetierung von Kosten für Ersatzinvestitionen

3. zustandsbasierte Schätzung der Restlebensdauer einer Anlage

Die nachstehenden Analysemöglichkeiten ergeben sich durch das AM-Modell:

a. kontinuierliche Risikostrukturanalyse im selektierten Anlagenportfolio

b. Simulation der Auswirkungen von geplanten risikominimierenden Maßnahmen auf unterschiedlicher Ebene der Anlagenhierarchie

c. trendbasierte Prognose für die Kennzahlen anhand historischer Daten

d. komponentenbezogene Archivierung von Wissen über die noch nicht vollständig erforschten Fehlermechanismen in Form von Beurteilungsregeln.

Despite the substantial effort made by utilities, in course of implementing the reliability centered maintenance paradigm, the goal to maximize the Return on Assets (ROA) is not yet achieved. The reasons are insufficient modelling of the equipment aging phenomena and the lack of demand oriented condition reporting to different levels in the organization. Asset management models applied until now fail to deal with the stochastic character of equipment condition development, because they neither involve the condition relevant monitoring data on online basis nor are able to process equipment related expert knowledge for condition assessment in a systematic, transparent and simple way. As a result, the process cycle time for data collection usually exceeds the development period of business critical failures caused by degradation of assets. The described situation is in particular crucial for management of expensive physical assets as power transformers, whose failure modes may have a development time in a range of a week or even a couple of days. If an event starts to develop it should trigger the planning of several processes (maintenance, procurement, funding etc.) in order to initiate a comprehensive optimization process on the highest system level. The overall objective of the condition based online estimation of asset related risk is the real time cost and risk control of condition sensitive core processes (e.g. maintenance, replacement, financing and depreciation), having substantial influence on the ROA and consequently on the business profitability as a whole.

The main objective of this thesis is to set up a computer based hierarchical simulation model, which is able to estimate the condition deterioration of equipment components which are prone to fail, in order to determine the system condition on its various hierarchy level and to give proposal for key decision situations. Having assessed the condition deterioration through fuzzy-logic in percentage, then one can derive the assets depreciation in monetary terms, which provides a solid basis for predicting the maintenance and replacement budget. Forecasting the remaining life time of equipments is also supported. In financial records used for strategic planning, fixed assets are usually expressed as the cost of asset minus depreciation, this aspect underlines as well the importance of the precise condition based calculation of asset depreciation.

The presented approach is made of an interdisciplinary work. Disciplines of economics, condition monitoring, maintenance, reliability analysis and Fuzzy-Logic have been employed in order to transform technical data from equipment monitoring into information of financial relevance. The following list outlines the most important areas of the mentioned disciplines:

1. Budgeting, financial and imputed depreciation 2. Risk management to control technical and financial uncertainties 3. Fuzzy-Logic and rule based expert systems 4. Target costing as theoretical background for hierarchical condition monitoring 5. Quantitative Failure Tree Analysis for calculation of breakdown probability

Conclusions

The Risk Based and Cross Functional Asset-Management concept (RB&CFAM) allows online decision support in today asset management practice. Based on modelling the asset degradation on a cause impact based way by means of fuzzy-logic and on a simple aggregation algorithm for assets degradation computed on component level, the following advantages can be achieved by using the model:

The knowledge about the dependency between condition relevant measurement data and component degradation, which is at disposal by experts in form of verbalised rules, can be processed online. The ability for online processing provides a solid basis for integrated asset management and allows information spreading to different functions of the organisation at the same time.

Using the proposed model for assets -composed of separate modules for failureprone equipment components- the impact of various risk reducing scenarios on underlying system can be assessed by means of key figures like assets depreciation and condition deterioration. The supervision of the motioned figures makes the early detection of failure escalation possible.

The case studies conducted for 20 power transformers and 15 circuit breakers confirm the need for replacement of today decision supporting approach reliant on traditional disjointed systems for finances and asset management on equipment level. It demonstrates as well as that cross functional core processes like planning of maintenance, replacement and the related budgeting process can be supported by providing key figures generated online.