(4 votes, average: 4,75 out of 5)
Loading...

Predictive Maintenance – Wann lohnt sich der Blick in die Zukunft?

16.05.2018 | Kommentare
0

Predictive Maintenance ist eine der Schlüsseltechnologien der Industrie 4.0 – bevor Anlagen und Maschinen durch Verschleißerscheinungen ausfallen, werden die Nutzer frühzeitig über anstehende Probleme informiert. Vorbeugende Wartungsarbeiten können die Ausfallzeit verkürzen oder im besten Fall komplett verhindern. Optional werden Austauschteile vorausschauend geordert – der Perspektivenwechsel erfolgt von traditionellen Wartungsmethoden hin zu einer vorrausschauenden und digitalen Wartung. Klingt zunächst einfach und praktisch, doch in diesem Artikel werfen wir einen tieferen Blick in die Zukunft der Maschinenwartung und stellen die Fragen: Was zeichnet die vorausschauende Wartung aus, wo sind ihre Einsatzbereiche und wann ist Predictive Maintenance gewinnbringend?

 

 

Welche Wartungsmethoden gibt es?

 

Predictive Maintenance setzt sich von den herkömmlichen Wartungsmethoden ab. Bei der traditionellen reaktiven Wartung werden erst nach Störungen Analysen zur Problembehebung und Reparaturmaßnahmen durchgeführt. Bei dieser Methode ist deshalb mit hohen Ausfallzeiten zu rechnen, da Ersatzteile meist erst nach dem Eintritt der Störung bestellt werden.

 

Die präventive Wartung denkt schon einen Schritt weiter – Wartungsarbeiten werden nach einem festgelegten Intervall durchgeführt, ohne aktuelle Maschinendaten. Es können unnötige Kosten entstehen, denn dabei werden womöglich Maschinenteile ausgetauscht, die noch problemlos über einen längeren Zeitraum funktioniert hätten.

 

Die vorrauschauende, proaktive Wartung unterscheidet sich von den traditionellen Methoden. Sie wird daher als der neue „Heilsbringer“ gesehen – sie erkennt den optimalen Austauschzeitpunkt von Verschleißteilen von allein. Mithilfe der abgeleiteten Wartungsinformationen auf Datenbasis, sollen Störungen minimiert und im besten Fall komplett vermieden werden. Das Ziel? Die Wartungsarbeiten sollen an dem kostengünstigsten Zeitpunkt einsetzen, bevor die Maschine an Leistung verliert und Ausfälle den Betrieb stören.  Im Idealfall kommt es nicht zu einer Problemmeldung des Kunden, weil das Ersatzteil schon eingesetzt wurde, bevor die Anlage ausfällt.

 

 

AISOMA – Was ist Predictive Maintenance?

Was zeichnet die Wartungsmethode Predictive Maintenance aus?

 

Die proaktive Wartung der Maschinen und Anlagen erfolgt durch installierte Sensoren, die nach ihrer Installation Messwerte und Daten erfassen.  Allgemeine Schwellenwerte werden durch Ergebnisse des Algorithmus ersetzt, der mehrere Maschinen durch eine digitale Vernetzung analysiert. Die Daten werden folglich digitalisiert, übermittelt und anschließend ausgewertet. Anhand eines Musteralgorithmus, der über den universalen „Gesundheitszustand“ der Maschine Auskunft gibt, werden Eintrittswahrscheinlichkeiten berechnet. Dafür benötigt es Techniken und Datenbanksysteme aus dem Big-Data-Umfeld – Daten und Messwerte können mittels Netzwerken an den Service oder direkt an die Hersteller weitergeleitet werden.

 

Außer den Maschinendaten (Drehzahlen, Maschinengeräusche), werden auch Temperatur -oder Luftfeuchtigkeitswerte gespeichert und analysiert. Die Datenerfassung muss in regelmäßigen Abständen erfolgen, um aus Veränderungen optimale Vorhersagen treffen zu können. Die Datenbanken müssen sehr hohe Kapazitäten bereitstellen, um einen schnellen Zugriff auf gesuchte Werte der Analyse gewährleisten zu können. Umso größer die Datenbasis und intelligenter die Analysetools, desto präziser sind die individuell berechneten und ausgewerteten Ergebnisse. Zuverlässige Prognosen über verschleißgefährdete Elemente können Ausfallzeiten der Anlagen verhindern.

 

Doch nicht nur Wartungsarbeiten werden dadurch planbar – Hersteller können durch die vorausschauende Wartung herausfinden, welche Maschinenteile besonders empfindlich sind und diese gegebenenfalls optimieren, die Planung von Service-Einsätzen und das Ersatzteilmanagement kann im Voraus erfolgen. Sensordaten können außerdem direkt mit externen Partnern geteilt werden, um die Zusammenarbeit produktiver gestalten zu können. Auch die Versendung automatischer Tickets an zuständige Techniker könnte die Kommunikation auf dem direkten Weg vereinfachen – diese Ansätze könnten zur Entwicklung weiterer neuer Geschäftsmodelle beitragen.

 

 

Wo wird Predictive Maintenance eingesetzt?

 

Predictive Maintenance kann in allen Industriezweigen eingesetzt werden, in denen Maschinen eine Vielzahl von analyserelevanten Daten produzieren, z.B. in den Bereichen Automotive, Pharmaindustrie, Elektrizität oder Luftfahrt. Fahrstühle, die Signale an den Hersteller weiterleiten, wenn sie gewartet werden müssen oder Windkraftanlagen, bei denen sich durch eine vorrauschauende Wartung mit genauen Schwingungsanalysen eine hohe Ausfallzeit vermeiden lässt, sind konkrete Einsatzbereiche.

 

In der Automobilindustrie nimmt die vorrausschauende Wartung im Hinblick auf vernetzte Fahrzeuge immer mehr an Bedeutung zu – umfassende Echtzeit-Fahrzeugdaten können teure Reparaturen oder Totalausfälle des Autos vermeiden. Die Daten können digital an Werkstätten oder direkt an die Hersteller übermittelt werden und der Fahrzeugbesitzer wird zuverlässig vor möglichen Störungen informiert.

 

Doch die Mehrzahl der Unternehmen stellt derzeit auf die digitale Produktion um und befindet sich in der Entwicklungsphase – selten hemmen technische Hindernisse die Umsetzung von Predictive Maintenance. Die Schwächen liegen eher in der Umsetzung der Analyse, Mustererkennung und Prognose. Ein Großteil der Unternehmen arbeitet deshalb mit externen Spezialisten oder sogar direkten Wettbewerbern zusammen.

 

 

Woran scheitert der Einsatz in Unternehmen?

 

heise – Deutsche Unternehmen von Predictive Maintenance nicht überzeugt

 

Wie anhand der Umfrage deutlich wird, erwarten die Unternehmen für ihre Branchen in den nächsten Jahren einen Bedeutungszuwachs der vorausschauenden Wartung. Dabei stehen die Branchen Logistik und Maschinenbau unter Innovationsdruck, denn der digitale Handel strebt mit seinen neuen IoT-Technologien völlig neue Lieferungs- und somit auch Produktionskonzepte an. Vorhandene IT-Strukturen müssen durch stetige technologische Neuerungen konsequent aufgerüstet werden, um die digitale Kommunikation weiterhin gewährleisten zu können. Gründe für die derzeitige Zurückhaltung stellen der hohe Installationsaufwand oder Bedenken bei der IT-Sicherheit dar. Umso mehr Produktionsanlagen vernetzt sind, desto größer ist die Anfälligkeit für Cyberangriffe – die Unternehmen müssen für die Sicherheit garantieren.

 

Andere Meinungen stellen klar, das Predicitve Maintenance überschätzt wird, denn die Mehrheit der Maschinenausfälle ließe sich auf Fehler zurückführen, die dadurch nicht behoben werden können, z.B. Bedienungsfehler.

 

Auch bestehen Defizite in der Einbeziehung von Kunden – eine neue Serviceart bedarf auch ein neues Denken in Bezug auf die Adressatenseite beim Verkauf. Inwieweit sind sie z.B. bereit, Zugriffsrechte zu erteilen? Die Wertschöpfung der Software kann nur genutzt werden, wenn auch stärker aus der Perspektive des Kundennutzens gedacht und mit ihm zusammengearbeitet wird (z.B. durch Design Thinking).

 

 

Wann lohnt sich Predictive Maintenance wirklich?

Zunächst muss die notwendige Infrastruktur zur Installation der Sensoren etc. vorhanden sein, um Predicitive Maintenance einsetzen zu können. Moderne Maschinen sind zum Teil schon mit den intelligenten Sensoren ausgestattet, bei älteren Maschinen müsste die Technik aufgerüstet werden. Deshalb sollten sich Unternehmen die Frage stellen, welcher Umrüstungsaufwand auf sie zukommt und ob sich dieser sowie die Kosten lohnen.

 

Auch der Nutzen ist entscheidend: Predictive Maintenance liefert Informationen aufgrund des tatsächlichen Zustands der Maschinen und hat daher einen hohen Nutzenfaktor, denn die Anlagen haben potentiell eine höhere Lebensdauer sowie Anlagensicherheit. Auch Ausfälle und Unfälle können vermieden werden, die negative Auswirkungen auf die Umwelt haben. Die Ersatzteillieferung kann ebenfalls optimiert und die komplette Instandhaltung kosteneffizienter und vorrausschauend geplant werden.

 

Predictive Maintenance soll die Produktion erleichtern – doch die Anschaffung der Technologie sollte gut durchdacht sein. Die beste Automatisierungssoftware nutzt wenig, wenn anschließend wieder manuelle Vorgänge dahinterstehen, die mehr Zeit in Anspruch nehmen. Nicht alles muss über eine App funktionieren, auch die Möglichkeit der Sprachsteuerung könnte eingesetzt werden. In jedem Fall müssen die Mitarbeiter mit den neuen Techniken vertraut gemacht sowie mit passender Hard- und Software ausgestattet werden.

 

Doch wie dargestellt, bedarf es einen hohen Aufwand, das System zu entwickeln, installieren und den Umgang zu erlernen. Predictive Maintenance lohnt sich, wenn der Schaden einer Maschine oder Anlage teurer ist als die Installation oder Wartung der Sensoren, die Ausfallzeiten der Produktion horrende Kosten verursachen oder sich durch den Einsatz neue Geschäftsmodelle ergeben mit weiteren Einnahmequellen.

(4 votes, average: 4,75 out of 5)
Loading...

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

*

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.