Evolution of prescriptive maintenance in the pharmaceutical industry : Design and evaluation of a novel data-driven maintenance strategy for the example of a chromatography machine

Abstract

One of the dominant maintenance strategies in the pharmaceutical industry follows a time-based approach, where equipment is replaced at fixed intervals regardless of its true condition. This approach can result in unplanned downtime due to failures or inefficiency due to premature replacements. In addition, current solutions fail to utilise the latest technologies and models and do not address the specifics of the 24-hour pharmaceutical production industry. This thesis addresses these gaps and presents a novel concept for a more sophisticated, data-driven, prescriptive maintenance strategy for 24-hour pharmaceutical production. During the development process, using the Design Science Research Methodology for Information Systems by Peffers et al. (2007), the existing prescriptive maintenance model of Ansari et al. (2019) is extended and the applicability is demonstrated with a use case using a chromatography machine as an example. Within the use case, a data management layer is established to serve the predictive tools of a fault detection system using outlier detection and a survival analysis method using the Kaplan-Meier estimator. The final results derived from a simulation show that the application of the novel model has the potential to save 58% of the maintenance costs by reducing the number of maintenance activities performed by 66% and at the same time preventing 58% of the maintenance related failures.

Eines der vorherrschenden Instandhaltungskonzepte in der pharmazeutischen Industrie ist ein zeitbasierter Ansatz, bei dem Komponenten unabhängig von ihrem tatsächlichen Zustand in festen Intervallen ausgetauscht werden. Dieser Ansatz kann zu ungeplanten Stillstandszeiten aufgrund von Ausfällen oder zu Ineffizienz aufgrund von vorzeitigem Austausch führen. Darüber hinaus nutzen die derzeitigen Lösungen weder die neuesten Technologien und Modelle noch berücksichtigen sie die Besonderheiten der 24-Stunden- Produktion in der pharmazeutischen Industrie. Diese Arbeit adressiert diese Lücken und stellt ein neuartiges Konzept für eine erweiterte, datengetriebene, präskriptive Instandhaltungsstrategie für die 24-Stunden-Pharmaproduktion vor. Während des Entwicklungsprozesses wird das bestehende präskriptive Instandhaltungsmodell von Ansari et al. (2019) unter Verwendung der Design Science Research Methodology for Information Systems von Peffers et al. (2007) erweitert und die Anwendbarkeit anhand eines Anwendungsfalls am Beispiel einer Chromatographiemaschine demonstriert. Innerhalb des Anwendungsfalles wird eine Datenverwaltungsschicht implementiert, um die Vorhersagewerkzeuge eines Fehlererkennungssystems mit Ausreißererkennung und einer Ereigniszeitanalyse mit dem Kaplan-Meier-Schätzer zu bedienen. Die aus einer Simulation abgeleiteten Endergebnisse zeigen, dass die Anwendung des neuen Modells das Potenzial hat 58% der Instandhaltungskosten einzusparen, indem die Anzahl der durchgeführten Instandhaltungsaktivitäten um 66% reduziert und gleichzeitig 58% der instandhaltungsbezogenen Ausfälle verhindert werden.