{"id":41582,"date":"2026-03-30T14:29:28","date_gmt":"2026-03-30T08:59:28","guid":{"rendered":"https:\/\/www.verdantis.com\/?p=41582"},"modified":"2026-06-19T18:21:09","modified_gmt":"2026-06-19T12:51:09","slug":"mittlere-zeit-bis-zum-ausfall","status":"publish","type":"post","link":"https:\/\/www.verdantis.com\/de\/mittlere-zeit-bis-zum-ausfall\/","title":{"rendered":"Erl\u00e4uterung der mittleren Zeit bis zum Ausfall (MTTF), Formel und Grenzen"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n
\r\n Ausf\u00fchrliche Notiz\r\n <\/div>\r\n\r\n

\r\n Zuverl\u00e4ssigkeitsmetriken wie MTTF wurden f\u00fcr eine einfachere industrielle \u00c4ra entwickelt, als die Lieferketten stabil waren,\r\n Anlagen standardisiert waren und die Folgen eines Ausfalls sich weitgehend auf die Wartungskosten beschr\u00e4nkten.\r\n Heutige Betriebe sind mit einer grundlegend anderen Risikolandschaft konfrontiert.\r\n <\/p>\r\n\r\n

\r\n Was auf dem Papier wie ein unbedeutendes Zuverl\u00e4ssigkeitsproblem aussieht, kann in der Praxis zu Produktionsausf\u00e4llen, gesetzlichen Auflagen oder Lieferunterbrechungen f\u00fchren,\r\n oder einer Lieferunterbrechung f\u00fchren. F\u00fchrungsentscheidungen erfordern daher einen Einblick in den betrieblichen Kontext,\r\n nicht nur statistische Durchschnittswerte.\r\n <\/p>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Eine kurze Geschichte und die Notwendigkeit von MTTF<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Seit es Industrieanlagen gibt, stehen die Betreiber vor der gleichen grunds\u00e4tzlichen Frage: Wann wird dieses Teil ausfallen, und werde ich es bereit haben, wenn es ausf\u00e4llt?<\/p>

W\u00e4hrend des gr\u00f6\u00dften Teils der Industriegeschichte bestand die Antwort in Erfahrung, Intuition und Stammeswissen, das von einem Wartungsingenieur an den n\u00e4chsten weitergegeben wurde.<\/p>

Als die industriellen Systeme in der Mitte des 20. Jahrhunderts immer komplexer wurden, war dieser Ansatz nicht mehr haltbar. Ingenieure brauchten einen Weg, um die Zuverl\u00e4ssigkeit zu quantifizieren, um die Frage \"wann wird es ausfallen\" in etwas Messbares und Vergleichbares zu verwandeln.<\/p>

Die MTTF (Mean Time to Failure) wurde zu dieser Zahl. Sie lieferte eine einfache, standardisierte Kennzahl: die durchschnittliche Zeit, die eine Komponente voraussichtlich funktionieren wird, bevor sie ausf\u00e4llt.<\/p>

Bei nicht reparierbaren Komponenten ist dies die MTTF, bei reparierbaren Systemen ist das \u00c4quivalent die Mean Time Between Failures (MTBF). Die beiden Begriffe sind eng miteinander verbunden und werden oft synonym verwendet, obwohl sie sich technisch unterscheiden.<\/p>

Die Eleganz der Metrik lag in ihrer Einfachheit. Sie verwandelte ein abstraktes Konzept, die erwartete Lebensdauer einer physischen Komponente, in eine brauchbare Zahl, mit der Wartungstechniker, Beschaffungsteams und Betriebsleiter arbeiten konnten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t

\n\t\t\t\tMTTF hat nicht nur die Wartungspl\u00e4ne gepr\u00e4gt. Sie pr\u00e4gte die Denkweise einer ganzen Generation von Ingenieuren, die Anlagen als Objekte mit vorhersehbarer Lebensdauer betrachteten, die durch statistische \u00dcberlegungen verwaltet werden k\u00f6nnen.\t\t\t<\/p>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Der Grund, warum die MTTF so wichtig ist, dass sie sorgf\u00e4ltig gepr\u00fcft werden sollte, ist das Ausma\u00df dessen, was auf dem Spiel steht, wenn die Wartungsplanung falsch ist.<\/p>

Anlagenausf\u00e4lle sind nicht nur eine technische Unannehmlichkeit, sondern f\u00fchren direkt zu Produktionsausf\u00e4llen, Kosten f\u00fcr die Beschaffung von Hilfsmitteln und in einigen F\u00e4llen zu Sicherheits- und Umweltvorf\u00e4llen.<\/p>

Die folgenden Zahlen geben einen Eindruck von der Betriebsumgebung, in der MTTF-basierte Entscheidungen getroffen werden.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\r\n\r\n
\r\n\r\n
\r\n
<\/div>\r\n\r\n
$1.4T<\/div>\r\n\r\n
\r\n J\u00e4hrliche Verluste aufgrund ungeplanter Ausfallzeiten bei den 500 gr\u00f6\u00dften Unternehmen der Welt,\r\n in H\u00f6he von 11% ihrer Einnahmen\r\n <\/div>\r\n\r\n
\r\n \r\n Siemens, Wahre Kosten der Ausfallzeit 2024\r\n <\/a>\r\n <\/div>\r\n <\/div>\r\n\r\n
\r\n
<\/div>\r\n\r\n
51%<\/div>\r\n\r\n
\r\n Von den befragten F\u00fchrungskr\u00e4ften nannten Probleme mit der Datenqualit\u00e4t in der MRO\r\n als wichtigste operative Herausforderung\r\n <\/div>\r\n\r\n
\r\n \r\n Verdantis Umfrage, n=1.900 F\u00fchrungskr\u00e4fte\r\n <\/a>\r\n <\/div>\r\n <\/div>\r\n\r\n
\r\n
<\/div>\r\n\r\n
15%<\/div>\r\n\r\n
\r\n Verbesserung der Ersatzteillagerbest\u00e4nde durch robuste MRO-Daten\r\n und Praktiken zur Bestandsverwaltung\r\n <\/div>\r\n\r\n
\r\n \r\n Boston Consulting Gruppe\r\n <\/a>\r\n <\/div>\r\n <\/div>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Diese Sichtweise besteht auch heute noch. Wenn Sie die Wartungsplanungsabteilung eines gro\u00dfen Industriebetriebs, einer \u00d6lraffinerie, eines Bergbauunternehmens oder eines Chemiewerks betreten, werden Sie feststellen, dass MTTF und MTBF immer noch im Mittelpunkt des Gespr\u00e4chs stehen.<\/p>

Sie erscheinen in Studien zur zuverl\u00e4ssigkeitsorientierten Instandhaltung, in\u00a0Fehlerm\u00f6glichkeits- und Einflussanalysen<\/a>, in der SAP PM-Konfiguration und in den Maximo-Pr\u00e4ventivwartungspl\u00e4nen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Wie MTTF berechnet wird, mit praktischen Beispielen<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Im Kern ist MTTF der Erwartungswert der Ausfallzeitverteilung einer Komponente. Die formale Definition lautet:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n \r\n MTTF = \u222b0<\/sup>\u221e<\/sup> R(t) dt\r\n <\/span>\r\n\r\n \r\n Dabei ist R(t) die Zuverl\u00e4ssigkeitsfunktion: die Wahrscheinlichkeit, bis zum Zeitpunkt t zu \u00fcberleben\r\n <\/span>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

In der Praxis arbeiten die meisten Wartungsteams nicht direkt mit diesem Integral. Sie verwenden die vereinfachte Version, die sich ergibt, wenn Sie eine konstante Ausfallrate annehmen, n\u00e4mlich die Exponentialverteilung:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n \r\n R(t) = e-\u03bbt<\/sup>   \u2192 MTTF = 1\/\u03bb\r\n <\/span>\r\n\r\n \r\n Dies ist die \"ged\u00e4chtnislose\" Eigenschaft: eine Komponente ist genauso wahrscheinlich defekt\r\n ob brandneu oder f\u00fcnf Jahre alt. F\u00fcr die meisten industriellen Anlagen,\r\n ist diese Annahme falsch.\r\n <\/span>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Diese Annahme einer konstanten Rate macht die MTTF einfach zu berechnen und zu verwenden.\u00a0<\/p>

Praktisches Beispiel: Drei Komponenten einer Zentrifugalpumpe<\/strong><\/em><\/h6>

Nehmen wir eine Zentrifugalpumpe im K\u00fchlwasserkreislauf einer Raffinerie. Ein Zuverl\u00e4ssigkeitsingenieur m\u00f6chte die MTTF f\u00fcr drei Schl\u00fcsselkomponenten berechnen und diese Zahlen verwenden, um pr\u00e4ventive Wartungsintervalle und Sicherheitsbest\u00e4nde festzulegen. Hier sehen Sie, wie die Berechnung in der Praxis funktioniert:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
Komponente<\/th>Beobachtete Misserfolge<\/th>Betriebsstunden insgesamt<\/th>Misserfolgsrate (\u03bb)<\/th>MTTF<\/th>Vorgeschlagenes PM-Intervall<\/th><\/tr><\/thead>
Gleitringdichtung<\/td>6 Ausf\u00e4lle<\/td>12.000 Stunden<\/td>0,0005 \/hr<\/td>2.000 Stunden (~12 Monate)<\/strong><\/td>Nach 1.600 Stunden austauschen<\/td><\/tr>
Lager (radial)<\/td>3 Ausf\u00e4lle<\/td>18.000 Stunden<\/td>0.000167 \/hr<\/td>6.000 Stunden (~36 Monate)<\/strong><\/td>Inspektion nach 4.500 Stunden<\/td><\/tr>
Laufrad<\/td>1 Ausfall<\/td>15.000 Stunden<\/td>0.0000667 \/hr<\/td>15.000 Stunden (~7 Jahre)<\/strong><\/td>Bei gr\u00f6\u00dferer \u00dcberholung inspizieren<\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die MTTF der Gleitringdichtung von 2.000 Stunden bedeutet, dass das Lager immer mindestens eine Ersatzdichtung vorr\u00e4tig haben sollte. Die MTTF des Lagers von 6.000 Stunden legt eine niedrigere Priorit\u00e4t f\u00fcr die Lagerhaltung nahe.<\/p>

Die MTTF von 15.000 Stunden macht das Laufrad f\u00fcr die meisten Betriebe zu einem Bauteil, das auf Abruf bestellt werden kann. MTTF macht genau das, wof\u00fcr es entwickelt wurde, und das sehr gut.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
Die Weibull-Verteilung: Wenn die MTTF nuancierter wird<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die obige einfache Berechnung geht davon aus, dass die Ausfallrate w\u00e4hrend der gesamten Lebensdauer der Komponente konstant ist. In Wirklichkeit folgen die meisten Komponenten einem Muster, das als Badewannenkurve bekannt ist: h\u00f6here Ausfallraten im Neuzustand (Kindersterblichkeit aufgrund von Installationsfehlern), eine stabile mittlere Phase und steigende Ausfallraten, wenn die Komponente altert und sich abnutzt.<\/p>

Die Weibull-Verteilung bildet diese Realit\u00e4t ab. Ihr Formparameter \u03b2 sagt Ihnen, in welchem Teil der Kurve sich eine Komponente befindet:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die meisten EAM-Plattformen gehen von einer konstanten Ausfallrate aus (\u03b2 = 1, gestrichelte gr\u00fcne Linie). Reale Industrieanlagen in der Abnutzungsphase haben \u03b2 > 1, was bedeutet, dass die MTTF das Risiko systematisch untersch\u00e4tzt, wenn die Anlagen altern. (Quelle:\u00a0Zuverl\u00e4ssigkeitsmagazin<\/a>)<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\u03b2-Wert<\/th>Lebenszyklus-Phase<\/th>Was das f\u00fcr die Pumpendichtung bedeutet Beispiel<\/th><\/tr><\/thead>
\u03b2 < 1<\/td>S\u00e4uglingssterblichkeit<\/td>Das Siegel versagt kurz nach der Installation. Wahrscheinliche Ursache: falscher Einbau, falsche Sorte angegeben. Die Standard-MTTF-Berechnung, die auf diesen Daten basiert, untersch\u00e4tzt die normale Betriebsdauer.<\/td><\/tr>
\u03b2 = 1<\/td>Zuf\u00e4llig \/ Nutzungsdauer<\/td>Ausf\u00e4lle treten mit einer konstanten, unvorhersehbaren Rate auf. MTTF ist hier ein gutes Planungsinstrument. Dies ist die einzige Phase, in der die Standard-MTTF-Annahme mathematisch fundiert ist.<\/td><\/tr>
\u03b2 > 1<\/td>Abnutzungserscheinungen<\/td>Die Dichtung altert und die Ausfallrate steigt. Ein PM-Intervall von 80% der MTTF, das auf Daten aus der Anfangszeit basiert, ist jetzt zu lang, und es kommt zu Ausf\u00e4llen vor dem geplanten Austausch.<\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die meisten EAM-Plattformen verwenden standardm\u00e4\u00dfig Exponentialverteilungen (\u03b2 = 1). Bei alternden Industrieanlagen ist \u03b2 > 1 \u00fcblich, was die statische MTTF unzuverl\u00e4ssig macht.<\/p>

A\u00a0NASA-Studie mit 30 identischen Lagern, die unter kontrollierten Bedingungen bis zum Ausfall gelaufen sind<\/a>die im Reliability Magazine zitiert wird, stellte eine so hohe Varianz fest, dass standardm\u00e4\u00dfige MTTF-basierte Austauschzeitpl\u00e4ne statistisch nicht mehr vertretbar waren.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
Wie MTTF mit dem Sicherheitsvorrat zusammenh\u00e4ngt<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die Verbindung zwischen MTTF und Bestandsplanung ist direkt. Die meisten ERP-Systeme berechnen den Sicherheitsbestand anhand einer Formel, die von der Ausfallrate abgeleitet ist:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n \r\n Sicherheitsbestand = Z \u00d7 \u03c3LT<\/sub> \u00d7 \u221aMTTF\r\n <\/span>\r\n\r\n \r\n Wobei Z = Faktor f\u00fcr den Servicelevel (z.B. 1,65 f\u00fcr den Servicelevel 95%)\r\n und \u03c3LT<\/sub> = Standardabweichung der Vorlaufzeit des Lieferanten\r\n <\/span>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

F\u00fcr die Pumpendichtung in unserem Beispiel: Wenn die MTTF 2.000 Stunden betr\u00e4gt, der angestrebte Servicegrad 95% (Z = 1,65) ist und die Vorlaufzeit f\u00fcr die Dichtung von ihrem Lieferanten eine Standardabweichung von 2 Wochen aufweist, ergibt die Berechnung des Sicherheitsbestands eine Empfehlung f\u00fcr die zu haltenden Einheiten.<\/p>

Entscheidend ist, dass, wenn die MTTF-Eingabe falsch ist, weil sie aus einer heterogenen Population oder unter anderen Betriebsbedingungen berechnet wurde, jede nachgelagerte Inventarentscheidung in gleichem Ma\u00dfe falsch ist.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Die Rolle von MTTF in der Wartung und im MRO-Bestand<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Bevor wir uns mit den Einschr\u00e4nkungen befassen, sollten wir direkt sagen, was MTTF richtig macht, denn die Versuchung im Technologiediskurs besteht darin, das Alte zugunsten des Neuen zu verwerfen. Das w\u00e4re hier ein Fehler.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Es quantifiziert das Risiko, wo die Intuition versagt<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Menschen k\u00f6nnen die Ausfallwahrscheinlichkeit im Laufe der Zeit schlecht einsch\u00e4tzen. Wir \u00fcbersch\u00e4tzen die Zuverl\u00e4ssigkeit von Ger\u00e4ten, die wir vor kurzem gewartet haben, und untersch\u00e4tzen die Verschlechterung von Ger\u00e4ten, die schon l\u00e4nger in Betrieb sind.<\/p>

MTTF zwingt Unternehmen dazu, Intuition durch Berechnung zu ersetzen. Einer Pumpe mit einer MTTF von 18 Monaten ist es egal, ob der Wartungstechniker glaubt, dass sie gut aussieht. Die Statistik ist keine Meinung.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Es schafft eine gemeinsame Sprache f\u00fcr alle Funktionen<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Wartungsingenieure, Beschaffungsteams, Betriebsleiter und Finanzdirektoren m\u00fcssen alle \u00fcber das Anlagenrisiko sprechen. MTTF bietet ihnen ein gemeinsames Vokabular.<\/p>

Seine Standardisierung in ISO 14224, MIL-HDBK-217,<\/em> und IEC 60812 bedeutet, dass ein Zuverl\u00e4ssigkeitsingenieur, der die Branche wechselt, keinen neuen Rahmen erlernen muss.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Es verankert die Logik der vorbeugenden Wartung<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Ohne eine Sch\u00e4tzung der zu erwartenden Lebensdauer ist die Planung der Instandhaltung entweder zu konservativ, da Teile mit einer betr\u00e4chtlichen Restlebensdauer ersetzt werden, oder zu wenig konservativ, da gewartet wird, bis Komponenten ausfallen.<\/p>

Die MTTF liefert den rationalen Anker. Ein Radiallager mit einer MTTF von 6.000 Stunden sollte nach 4.500 Stunden inspiziert werden, nicht nach 3.000 (verschwenderisch) und nicht nach 8.000 (riskant).<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Es steuert direkt die Entscheidungen \u00fcber den MRO-Bestand<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die Pumpendichtung, die bei einer Flotte von zehn Pumpen alle 2.000 Stunden ausf\u00e4llt, erzeugt einen vorhersehbaren j\u00e4hrlichen Bedarf an Dichtungen. Diese Bedarfssch\u00e4tzung, so unvollkommen sie auch sein mag, ist die Grundlage f\u00fcr die Nachschublogik des Lagers.<\/p>

Jede\u00a0Bewertung der Kritikalit\u00e4t von Ersatzteilen<\/a>\u00a0basiert letztlich auf einer Version dieser \u00dcbersetzung von Ausfallrate zu Nachfrage.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t

\n\t\t\t\tMTTF ist nicht falsch. Sie ist unvollst\u00e4ndig. Die Unterscheidung ist von enormer Bedeutung, wenn Sie entscheiden, was Sie als n\u00e4chstes bauen wollen.\t\t\t<\/p>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Wem geh\u00f6rt die MTTF im industriellen Betrieb<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Im Gegensatz zur FMEA, die eine klar definierte, funktions\u00fcbergreifende Verantwortungsstruktur hat, wird MTTF eher bruchst\u00fcckhaft in der gesamten Organisation eingesetzt.<\/p>

Wenn wir verstehen, wo sie lebt und wo nicht, k\u00f6nnen wir erkl\u00e4ren, warum ihre Grenzen oft nicht beachtet werden.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n
\r\n
Haupteigent\u00fcmer<\/div>\r\n\r\n

Zuverl\u00e4ssigkeitsanalyse<\/h4>\r\n\r\n

\r\n Berechnet die MTTF aus den Daten der Fehlerhistorie im CMMS, legt die PM-Intervalle fest,\r\n und ist normalerweise die einzige Funktion, die die statistischen\r\n Annahmen hinter der Zahl versteht. Oft der einzige Verwalter, der wei\u00df, ob\r\n die Weibull-\u03b2-Annahme f\u00fcr ein bestimmtes Asset g\u00fcltig ist.\r\n <\/p>\r\n <\/div>\r\n\r\n

\r\n
Prim\u00e4rer Verbraucher<\/div>\r\n\r\n

Wartungsplanung & MRO-Beschaffung<\/h4>\r\n\r\n

\r\n Verwendet von MTTF abgeleitete Bedarfssch\u00e4tzungen zur Festlegung von Meldepunkten und Sicherheitsbest\u00e4nden\r\n im ERP festzulegen. Stellt selten die Qualit\u00e4t der MTTF-Eingabe in Frage und hat\r\n hat nur begrenzte Einblicke in die Frage, ob die verwendete Ausfallrate noch f\u00fcr\r\n aktuellen Betriebsbedingungen g\u00fcltig ist.\r\n <\/p>\r\n <\/div>\r\n\r\n

\r\n
Wichtigster Stakeholder<\/div>\r\n\r\n

Betrieb \/ Werksleitung<\/h4>\r\n\r\n

\r\n Tragen Sie die Konsequenzen einer falschen MTTF in Form von ungeplanten Ausfallzeiten oder \u00fcberm\u00e4\u00dfigen\r\n Ausfallzeiten oder \u00fcberm\u00e4\u00dfigen Wartungskosten. Liefert den Produktionskontext\r\n (wie kritisch ist diese Anlage heute, wie hoch ist ihre tats\u00e4chliche Auslastung), den\r\n MTTF-Berechnungen selten ber\u00fccksichtigen.\r\n <\/p>\r\n <\/div>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n
\r\n Die strukturelle L\u00fccke\r\n <\/div>\r\n\r\n

\r\n In den meisten Industrieunternehmen ist die Person, die die MTTF berechnet\r\n (Reliability Engineering) und derjenige, der sie f\u00fcr Bestandsentscheidungen nutzt\r\n (MRO-Beschaffung) arbeiten in getrennten Systemen, mit getrennten KPIs,\r\n und mit begrenzter Interaktion. Die Sch\u00e4tzung der Ausfallrate wird einmal \u00fcber\r\n einmal, bei der EAM-Implementierung oder bei einer j\u00e4hrlichen \u00dcberpr\u00fcfung, und dann\r\n verwendet, bis etwas so schwerwiegend ist, dass eine Neuberechnung erforderlich ist. Diese\r\n Trennung ist der Grund f\u00fcr einen erheblichen Teil der \u00dcberbest\u00e4nde und\r\n Stockout-Risiko entsteht.\r\n <\/p>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Wo MTTF strukturell zusammenbricht<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

In Gespr\u00e4chen mit Kunden, die MTTF ausgiebig als prim\u00e4ren Planungsinput nutzen, tauchen immer wieder die gleichen Einschr\u00e4nkungen auf. Dies sind keine theoretischen Kritiken. Es handelt sich um betriebliche Ausf\u00e4lle, die sich in den Berichten \u00fcber Produktionsverluste niederschlagen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Die Homogenit\u00e4tsannahme gilt nicht in der Praxis<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die statistische G\u00fcltigkeit der MTTF beruht auf einer Population identischer Komponenten, die unter identischen Bedingungen arbeiten. Diese Annahme gilt in einem kontrollierten Labor. Sie gilt jedoch nur selten in einem industriellen Umfeld.<\/p>

Bei zwei nominell identischen Zentrifugalpumpen in derselben Anlage l\u00e4uft Pumpe A mit einer Nennleistung von 80% mit sauberem Wasser bei 20\u00b0C. Pumpe B l\u00e4uft mit einer Nennleistung von 110% in einer leicht korrosiven Fl\u00fcssigkeit bei 35\u00b0C.<\/p>

Ihre Gleitringdichtungen haben die gleiche Herstellernummer. Ihre tats\u00e4chliche Ausfallverteilung ist jedoch sehr unterschiedlich.<\/p>

Eine einzelne MTTF, die aus der kombinierten Population beider Pumpen berechnet wird, sagt Ihnen nichts Zuverl\u00e4ssiges \u00fcber eine der beiden Pumpen.<\/p>

Forschung ver\u00f6ffentlicht im Reliability Magazine<\/a>\u00a0bringt diesen Punkt auf den Punkt: Wenn Unternehmen ihre Zuverl\u00e4ssigkeitspraktiken verbessern und beginnen, Ausfalldaten auf der anlagenspezifischen Ebene statt auf der Komponentenebene zu analysieren, nimmt die Varianz um die MTTF-Werte der Grundgesamtheit in der Regel eher zu als ab, weil tiefere, anlagenspezifische Ausfallmodi sichtbar werden, die zuvor im Durchschnitt nicht ber\u00fccksichtigt wurden.<\/p>

Das ist genau der Grund, warum\u00a0Aufbau eines Kritikalit\u00e4tsprogramms auf der Ebene der einzelnen Anlagen<\/a>und nicht auf der Ebene der Komponentenklasse, f\u00fchrt zu deutlich anderen Ergebnissen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
Kunden-Fallstudie<\/strong><\/em><\/h5>

Eine gro\u00dfe Raffinerie an der Golfk\u00fcste stellte fest, dass ihr MTTF-basierter Wartungsplan gleichzeitig 40% ihrer Pumpen \u00fcberwartete (Austausch von Komponenten mit einer betr\u00e4chtlichen Restlebensdauer) und 23% unterwartete (fehlende Komponenten, die schneller als der Bev\u00f6lkerungsdurchschnitt abgenutzt wurden). Die Kosten f\u00fcr die \u00fcberm\u00e4\u00dfige Wartung waren in unn\u00f6tigen Arbeits- und Materialkosten versteckt. Die Kosten f\u00fcr die unzureichende Wartung tauchten im Bericht \u00fcber den Produktionsverlust auf. In der MTTF-Berechnung tauchten sie nicht auf.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Umweltvariablen machen die Berechnung mit der Zeit ung\u00fcltig<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die MTTF wird aus historischen Daten unter bestimmten Betriebsbedingungen berechnet. In dem Moment, in dem sich diese Bedingungen \u00e4ndern, beginnt die berechnete Zahl von der Realit\u00e4t abzuweichen.<\/p>

In der Literatur zur Zuverl\u00e4ssigkeitstechnik werden immer wieder mehrere Variablen als die wichtigsten genannt:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
Variabel<\/th>Praktische Auswirkungen auf die Ausfallrate<\/th>Was MTTF damit macht<\/th><\/tr><\/thead>
Betriebslast \u00fcber der Nennkapazit\u00e4t<\/td>Komponenten verschlei\u00dfen schneller; Dichtungen und Lager reagieren besonders empfindlich auf \u00dcberdruck und Hitze<\/td>Nicht modelliert. Die bei Nennlast berechnete MTTF bleibt unver\u00e4ndert.<\/td><\/tr>
Umgebungs- und Prozesstemperatur<\/td>Das Arrhenius-Prinzip zeigt, dass sich die Lebensdauer von Lagern und Isolierungen mit jedem Anstieg von ~10\u00b0C \u00fcber die Nenntemperatur halbiert.<\/td>Nicht modelliert. Die Temperatur ist keine Variable in den Standard-MTTF-Berechnungen.<\/td><\/tr>
\u00c4nderung der Zusammensetzung der Prozessfl\u00fcssigkeit<\/td>Eine Dichtung, die f\u00fcr Fl\u00fcssigkeiten mit neutralem pH-Wert ausgelegt ist, verschlechtert sich bei saurem oder hochviskosem Betrieb erheblich schneller.<\/td>Nicht modelliert. Es wird weiterhin die MTTF aus den Daten des neutralen Dienstes verwendet.<\/td><\/tr>
Qualit\u00e4t bei Installation und Wartung<\/td>Nach der Wartung kommt es h\u00e4ufig zu Kinderkrankheiten, wenn Dichtungen oder Lager falsch wieder eingebaut werden.<\/td>Diese fr\u00fchen Ausf\u00e4lle verzerren die MTTF der Bev\u00f6lkerung nach unten, ohne zu erkl\u00e4ren, warum.<\/td><\/tr>
Luftfeuchtigkeit und korrosive Umgebung<\/td>Beschleunigter Oberfl\u00e4chenverschlei\u00df an mechanischen Dichtungen und elektrischen Kontakten in k\u00fcstennahen oder feuchten Anlagenumgebungen<\/td>Nicht modelliert, es sei denn, die standortspezifischen Ausfalldaten werden von der globalen Population getrennt.<\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
MTTF ist retrospektiv, nicht pr\u00e4diktiv<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

MTTF wird aus historischen Ausfalldaten berechnet. Sie beschreibt, was in der Vergangenheit mit einer Reihe von Komponenten passiert ist. Ein Instandhaltungsplaner trifft jedoch Entscheidungen \u00fcber die Zukunft: was wird wann ausfallen und was muss auf Lager sein, wenn es ausf\u00e4llt.<\/p>

Ein Lager, das derzeit mit der doppelten Frequenz seiner Grundlinie schwingt, gibt diese Information nicht an eine MTTF-Berechnung weiter.<\/p>

Ein Transformator, der aufgrund eines Installationsproblems vor sechs Monaten f\u00fcnf Grad hei\u00dfer als normal l\u00e4uft, wird in einer Statistik auf Bev\u00f6lkerungsebene nicht ber\u00fccksichtigt. Bis das neue Ausfallereignis in den Datensatz eingeht und die MTTF aktualisiert, ist der Schaden bereits angerichtet.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Die Lieferkette fehlt in dem Modell v\u00f6llig<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

MTTF sagt Ihnen, wann eine Komponente wahrscheinlich ausfallen wird. Sie sagt nichts dar\u00fcber aus, ob das Ersatzteil verf\u00fcgbar sein wird, wenn es ausf\u00e4llt.<\/p>

Dies ist die folgenreichste L\u00fccke, die in der klassischen Literatur zur Zuverl\u00e4ssigkeitstechnik fast keine Beachtung findet.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n
\r\n Ein g\u00e4ngiges Szenario\r\n <\/div>\r\n\r\n

\r\n Die Dichtung einer Raffineriepumpe hat eine MTTF von 2.000 Stunden. Der Zuverl\u00e4ssigkeitsingenieur\r\n legt ein PM-Intervall von 1.600 Stunden fest. Das Beschaffungsteam legt einen Nachbestellungspunkt\r\n basierend auf dieser Ausfallrate. Was das Modell nicht wei\u00df: Der einzige qualifizierte Lieferant der Dichtung\r\n qualifizierte Lieferant der Dichtung hat aufgrund von Produktionsbeschr\u00e4nkungen eine Vorlaufzeit von 14 Wochen.\r\n Der Vorrat geht zur Neige. Das Siegel f\u00e4llt nach 1.700 Stunden aus. Die Vorlaufzeit bedeutet, dass die\r\n Pumpe l\u00e4uft 6 Wochen lang mit einer defekten Dichtung, bevor ein Ersatzteil eintrifft.\r\n Die MTTF war richtig. Das System ist trotzdem ausgefallen.\r\n <\/p>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Intermittierende Nachfrage ist eine Fehlanpassung f\u00fcr Standard-MTTF-Prognosen<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Wenn von MTTF abgeleitete Bedarfssch\u00e4tzungen an die Beschaffungsteams weitergegeben werden, stehen diese vor einem statistischen Problem, f\u00fcr das MTTF nie gedacht war.<\/p>

Eine kritische Pumpendichtung, die einmal alle 14 Monate verbraucht wird, erzeugt kein gleichm\u00e4\u00dfiges Bedarfssignal. Sie erzeugt eine Reihe von Nullen, die von gelegentlichen Einsen unterbrochen werden.<\/p>

Ein Laufrad, das drei Jahre lang unangetastet bleibt und dann innerhalb von sechs Wochen zweimal ben\u00f6tigt wird, ist keine Anomalie in der Planung. Es handelt sich um ein normales Muster f\u00fcr Ersatzteile, die in kleinen St\u00fcckzahlen hergestellt werden und sehr kritisch sind.<\/p>

Standardprognosemethoden, gleitende Durchschnitte, exponentielle Gl\u00e4ttung, angewandt auf diese intermittierenden Muster, f\u00fchren systematisch zu einer falschen Antwort.<\/p>

Sie prognostizieren zu viel f\u00fcr Artikel mit gelegentlichen Nachfragespitzen und zu wenig f\u00fcr Artikel mit seltenem, aber geb\u00fcndeltem Verbrauch.<\/p>

Die akademische Literatur zu diesem Thema ist gut etabliert:\u00a0Die Methode von Croston (1972)<\/a>die speziell f\u00fcr die intermittierende Nachfrage entwickelt wurde, zeigte, dass die exponentielle Standardgl\u00e4ttung f\u00fcr diese Muster statistisch ungeeignet ist, und ihre Varianten wurden anhand von RAF-Bestandsdaten f\u00fcr mehr als 11.000 Ersatzteilserien validiert.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Obsoleszenz ist f\u00fcr MTTF unsichtbar<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Eine Anlage, die mit 20 Jahre alten Ger\u00e4ten betrieben wird, ist nicht nur den Ausfallrisiken ausgesetzt, die MTTF erfasst. Sie ist mit einem wachsenden Risiko konfrontiert, das MTTF nicht abbilden kann: Die Teile, die zur Reparatur ben\u00f6tigt werden, werden m\u00f6glicherweise nicht mehr hergestellt.<\/p>

MTTF berechnet korrekt, dass ein kritischer Ventilaktuator eine durchschnittliche Lebensdauer von 36 Monaten hat, und zwar bis zu dem Tag, an dem der OEM die Komponente aus dem Programm nimmt.<\/p>

Zu diesem Zeitpunkt hat das Lager m\u00f6glicherweise nur noch einen Vorrat von drei Monaten, keine qualifizierte Alternative und eine Vorlaufzeit von 12 Monaten, um einen Ersatz zu beschaffen. Das Ausfallrisiko hat sich nicht ge\u00e4ndert. Das Lieferrisiko machte den Verm\u00f6genswert unkontrollierbar.<\/p>

In anlagenintensiven Industrien, in denen die Lebensdauer von Ger\u00e4ten regelm\u00e4\u00dfig 30 bis 40 Jahre \u00fcbersteigt, ist Veralterung kein Einzelfall. Es handelt sich um eine systematische und wachsende Belastung, die statische Zuverl\u00e4ssigkeitsmetriken strukturell nicht darstellen k\u00f6nnen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Lesen Sie mehr \u00fcber Ersatzteil-Obsoleszenz in intensiven industriellen Umgebungen<\/em><\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Es behandelt alle Fehler als gleichwertig<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Eine Standard-MTTF-Analyse unterscheidet nicht zwischen dem Ausfall einer $12-Dichtung, der eine 30-min\u00fctige Verz\u00f6gerung verursacht, und dem Ausfall eines $4.000-Regelventils, das eine Produktionseinheit sechs Tage lang au\u00dfer Betrieb setzt. Beides sind Ausf\u00e4lle. Beide tragen zur MTTF-Statistik bei.<\/p>

Die Folgen sind jedoch nicht im Entferntesten vergleichbar, und eine Wartungsstrategie, die sie als gleichwertig betrachtet, f\u00fchrt zu einer systematischen Fehlallokation von Ressourcen, da zu viel in die Vermeidung von Ausf\u00e4llen mit geringen Folgen und zu wenig in die Vermeidung von Ausf\u00e4llen mit hohen Folgen investiert wird.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Die Kosten des Verlassens auf eine statische Ausfallrate<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

In der MRO-Bestandsverwaltung f\u00fchrt eine ungenaue MTTF zu demselben zweiseitigen Problem, das fehlerhafte FMEA-Kritikalit\u00e4tsbewertungen verursachen: gleichzeitige \u00dcber- und Unterbest\u00e4nde, die jeweils auf unterschiedliche Weise teuer sind.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/path><\/svg>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tUnterbevorratung von wirklich kritischen Teilen\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Eine Anlage, deren tats\u00e4chliche Ausfallrate h\u00f6her ist als die MTTF vermuten l\u00e4sst, weil sich die Betriebsbedingungen ge\u00e4ndert haben, weil sich die Komponente in der Abnutzungsphase befindet oder weil der Bev\u00f6lkerungsdurchschnitt die standortspezifische Belastung verschleiert, wird vor dem geplanten Austausch ausfallen.<\/p>

Wenn das Teil nicht auf Lager ist und die Vorlaufzeit des Lieferanten Wochen statt Tage betr\u00e4gt, f\u00fchrt dies zu ungeplanten Ausfallzeiten.<\/p>

Im \u00d6l- und Gasgesch\u00e4ft, ABB-Umfrage zum Wert der Zuverl\u00e4ssigkeit 2025<\/a>\u00a0von 3.600 globalen Entscheidungstr\u00e4gern ergab, dass 83% ungeplante Ausfallzeiten mindestens $10.000 pro Stunde kosten, wobei die Kosten bei gr\u00f6\u00dferen Prozesseinheiten $500.000 pro Stunde erreichen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/path><\/svg>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\u00dcberbevorratung von Teilen, deren MTTF \u00fcbersch\u00e4tzt wird\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Eine Anlage, die weniger h\u00e4ufig ausf\u00e4llt, als der Bev\u00f6lkerungsdurchschnitt vermuten l\u00e4sst, weil sie unter geringer Last, in einer g\u00fcnstigen Umgebung oder mit hervorragender Wartungsqualit\u00e4t l\u00e4uft, wird Teile im Lager haben, die Kapital verbrauchen.<\/p>

Jedes Ersatzteil, das auf Lager gehalten wird, verursacht j\u00e4hrliche Kosten in H\u00f6he von sch\u00e4tzungsweise 20 bis 30% seines Wertes, die die Kapitalkosten f\u00fcr den Lagerbestand, die Gemeinkosten f\u00fcr die Lagerverwaltung und die Logistikkosten abdecken.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n
\r\n Die versteckten Kosten einer versp\u00e4teten Korrektur der MTTF\r\n <\/div>\r\n\r\n

\r\n Die praktische Folge ist ein Wartungsbetrieb, der st\u00e4ndig an zwei Fronten k\u00e4mpft\r\n an zwei Fronten k\u00e4mpft: Sie versucht, wichtige Teile zu Notpreisen zu beschaffen und\r\n und gleichzeitig ein aufgebl\u00e4htes Lager mit Teilen zu verwalten, die sich nie bewegen werden.\r\n Beide Probleme lassen sich auf dieselbe Ursache zur\u00fcckf\u00fchren: eine Ausfallrate, die\r\n aus historischen Daten und unter historischen Bedingungen berechnet und nicht an die\r\n Realit\u00e4t \u00e4ndert.\r\n <\/p>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die von Verdantis durchgef\u00fchrte Untersuchung mit fast 1.900 F\u00fchrungskr\u00e4ften aus den Bereichen Bergbau, \u00d6l und Energie, Versorgungsunternehmen und Fertigung ergab, dass\u00a051% nannte Probleme mit der Datenqualit\u00e4t im MRO-Betrieb als eine der gr\u00f6\u00dften Herausforderungen<\/a>und 49% meldeten Unstimmigkeiten in den Lieferantenstammdaten.<\/p>

Dies sind keine technologischen L\u00fccken. Es sind die Fehler in der Datendisziplin, die jedes Modell, ob MTTF-basiert oder nicht, am Punkt der Entscheidung unzuverl\u00e4ssig machen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Mehr als MTTF: Wie modernes Asset Management den Ansatz weiterentwickelt<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die MTTF muss nicht ersetzt werden. Sie muss als das verstanden werden, was sie ist: ein Ausgangspunkt, nicht ein Endpunkt.<\/p>

Die Frage ist, welche zus\u00e4tzlichen Kontexte, Daten und Analysef\u00e4higkeiten dar\u00fcber gelegt werden k\u00f6nnen, um genauere, aktuellere und vollst\u00e4ndigere Entscheidungen zu treffen.<\/p>

Die Richtung, in die sich das moderne Enterprise Asset Management bewegt, geht dahin, die Ausfallwahrscheinlichkeit als eine Variable unter vielen zu behandeln und nicht als die prim\u00e4re Variable, die alle nachgelagerten Entscheidungen bestimmt.<\/p>

Ein aussagekr\u00e4ftiges Kritikalit\u00e4tsmodell f\u00fcr ein Ersatzteil fragt nicht nur: \"Wann f\u00e4llt diese Komponente im Durchschnitt aus?\", sondern auch: Was sind die Folgen f\u00fcr die Produktion, wenn sie heute ausf\u00e4llt? Wie lange ist die aktuelle Vorlaufzeit des Lieferanten? Ist ein qualifizierter Ersatz verf\u00fcgbar? Hat der Hersteller ein Risiko f\u00fcr das Ende der Lebensdauer dieser Komponente angegeben? Gibt es ein Schwesterwerk, das Lagerbest\u00e4nde h\u00e4lt?<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t
\r\n\r\n
\r\n\r\n

\r\n MTTF-only Planung fragt\r\n <\/h4>\r\n\r\n
\r\n Wann f\u00e4llt diese Komponentenklasse im Durchschnitt durch?\r\n <\/div>\r\n\r\n
\r\n Welches PM-Intervall legt die Bev\u00f6lkerungsgeschichte nahe?\r\n <\/div>\r\n\r\n
\r\n Wie viele Einheiten sollte ich aufgrund der durchschnittlichen Nachfrage vorr\u00e4tig halten?\r\n <\/div>\r\n\r\n
\r\n Wie hoch ist die Ausfallrate f\u00fcr diese Teilenummer?\r\n <\/div>\r\n\r\n <\/div>\r\n\r\n
\r\n\r\n

\r\n Multivariable Kritikalit\u00e4t fragt\r\n <\/h4>\r\n\r\n
\r\n Wie hoch ist die aktuelle Ausfallwahrscheinlichkeit f\u00fcr diese spezielle Anlage unter den gegebenen Betriebsbedingungen?\r\n <\/div>\r\n\r\n
\r\n Wie ist die aktuelle Vorlaufzeit und Liefertreue des Lieferanten?\r\n <\/div>\r\n\r\n
\r\n Wie hoch ist der Produktionsverlust pro Stunde, wenn diese Anlage heute ausf\u00e4llt?\r\n <\/div>\r\n\r\n
\r\n N\u00e4hert sich diese Komponente dem Ende ihrer Lebensdauer und es wurde kein qualifizierter Ersatz gefunden?\r\n <\/div>\r\n\r\n <\/div>\r\n\r\n<\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Dies ist die praktische Entwicklung, die Tools wie das\u00a0MRO 360 Kritikalit\u00e4tsmodul<\/a>\u00a0aufgebaut sind.<\/p>

Anstatt die von der MTTF abgeleitete Ausfallwahrscheinlichkeit zu ersetzen, integrieren sie diese als einen Input in ein umfassenderes Modell, das auch die Vorlaufzeiten der Lieferanten, die werks\u00fcbergreifende Sichtbarkeit der Best\u00e4nde, den Kontext der Produktionsplanung, die Ersetzbarkeit von Teilen und den Veralterungsstatus ber\u00fccksichtigt.<\/p>

Die MTTF-Grundlage bleibt bestehen. Was sich \u00e4ndert, ist die Art der Einspeisung und die H\u00e4ufigkeit, mit der alle Eingaben erneuert werden.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
Dimension<\/th>MTTF-basierte Planung<\/th>Multivariable Kritikalit\u00e4t<\/th><\/tr><\/thead>
H\u00e4ufigkeit der Aktualisierung<\/td>Wird bei der EAM-Einf\u00fchrung festgelegt und selten aktualisiert<\/td>Kontinuierlich, neu bewertet, wenn sich die Betriebsbedingungen \u00e4ndern<\/td><\/tr>
Umfang<\/td>Bev\u00f6lkerungsdurchschnitt f\u00fcr eine Komponentenklasse<\/td>Asset-spezifisch, unter Ber\u00fccksichtigung des individuellen Betriebskontextes<\/td><\/tr>
Variablen<\/td>Nur Zeit bis zum Versagen<\/td>Ausfallwahrscheinlichkeit, Vorlaufzeit des Lieferanten, Kritikalit\u00e4t, Substituierbarkeit, Obsoleszenzstatus<\/td><\/tr>
Vorhersage der Nachfrage<\/td>Standardm\u00e4\u00dfige exponentielle Gl\u00e4ttung; statistisch ungeeignet f\u00fcr intermittierende MRO-Nachfrage<\/td>Speziell entwickelte Methoden f\u00fcr intermittierenden Bedarf (Croston und Varianten), die anhand von Ersatzteildaten validiert wurden<\/td><\/tr>
Lieferantenrisiko<\/td>Nicht im Modell<\/td>Integriert: Vorlaufzeitverlauf und Liefertreue pro Teile-Lieferanten-Kombination<\/td><\/tr>
Obsoleszenz<\/td>Kein Mechanismus; EOL-Ereignisse sind unsichtbar, bis sie einen Stockout verursachen<\/td>\u00dcberwacht: Verfolgung des Hersteller-Lebenszyklus-Status; proaktive Identifizierung von Ersatzprodukten<\/td><\/tr>
Ausgabe<\/td>PM-Intervall in Stunden oder Monaten<\/td>Arbeitsvorrat mit Risikoeinstufung, finanziellen Auswirkungen und Lieferkettenstatus<\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Verwandte Methodologien<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

MTTF wird von Unternehmen mit ausgereiften Zuverl\u00e4ssigkeitsprogrammen selten isoliert eingesetzt. Sie ist Teil eines umfassenderen \u00d6kosystems von Analysesystemen, die das Problem des Ausfalls von Anlagen jeweils aus einem anderen Blickwinkel betrachten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
Rahmenwerk<\/th>Ann\u00e4herung<\/th>Verh\u00e4ltnis zur MTTF<\/th><\/tr><\/thead>
FMEA \/ FMECA<\/td>Systematische Identifizierung von Fehlermodi, deren Auswirkungen und Risikopriorit\u00e4tsbewertungen f\u00fcr alle Komponenten<\/td>MTTF flie\u00dft in den Occurrence (O) Score der FMEA ein. Die FMEA liefert den Fehlermodus-Kontext, der die MTTF besser interpretierbar macht.<\/td><\/tr>
Zuverl\u00e4ssigkeitsorientierte Wartung (RCM)<\/td>Ganzheitlicher Ansatz zur Bestimmung der notwendigen Wartungsaufgaben auf der Grundlage einer funktionalen Fehleranalyse<\/td>RCM verwendet die MTTF als einen Input f\u00fcr die Festlegung von Aufgabenintervallen. Es stellt auch die Frage, ob die zeitbasierte Wartung (MTTF-gesteuert) \u00fcberhaupt die richtige Strategie f\u00fcr einen bestimmten Ausfallmodus ist.<\/td><\/tr>
Fehlerbaumanalyse (FTA)<\/td>Deduktive Top-Down-Methode, die von einem bekannten Fehler ausgeht und dessen Ursachen verfolgt<\/td>W\u00e4hrend MTTF die Frage stellt: \"Wie oft tritt dieser Fehler auf?\", fragt FTA: \"Warum ist dieser spezielle Fehler aufgetreten?\" Sie erg\u00e4nzen sich gegenseitig: MTTF quantifiziert die H\u00e4ufigkeit, FTA erkl\u00e4rt die Ursache.<\/td><\/tr>
Risikobasierte Inspektion (RBI)<\/td>Priorisierung der Inspektionsaktivit\u00e4ten auf der Grundlage der Folgen und der Wahrscheinlichkeit eines Ger\u00e4teausfalls<\/td>RBI verwendet die Ausfallwahrscheinlichkeit (bezogen auf die MTTF) neben den Folgen eines Ausfalls. Wird in erster Linie f\u00fcr statische Ausr\u00fcstung verwendet: Druckbeh\u00e4lter, Rohrleitungen, Tanks.<\/td><\/tr>
Zuverl\u00e4ssigkeit, Verf\u00fcgbarkeit und Instandhaltbarkeit (RAM)<\/td>Quantitative Analyse, die modelliert, wie oft Ger\u00e4te ausfallen, wie schnell sie wiederhergestellt werden und wie verf\u00fcgbar sie f\u00fcr die Produktion sind<\/td>MTTF ist ein direkter Input f\u00fcr die RAM-Analyse. RAM \u00fcbersetzt die Ausfallraten auf Komponentenebene in Vorhersagen zur Verf\u00fcgbarkeit auf Systemebene.<\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Ein Leitfaden f\u00fcr Zuverl\u00e4ssigkeitsteams zu den Kennzahlen der mittleren Ausfallzeit, deren Berechnung, den Unterschieden zur MTBF und den Punkten, an denen diese Kennzahl leicht irref\u00fchrend sein kann.<\/p>","protected":false},"author":7,"featured_media":44813,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[64],"tags":[309],"class_list":["post-41582","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","tag-eam-mro"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/posts\/41582","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/comments?post=41582"}],"version-history":[{"count":0,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/posts\/41582\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/media\/44813"}],"wp:attachment":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/media?parent=41582"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/categories?post=41582"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/tags?post=41582"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}