Predictive Maintenance
Sage den Betriebszustand der Geräte, Maschinen und Anlagen vorher. Ermögliche eine pro-aktive Instandhaltung und vermeide Ausfälle für dich und deine Kund:innen.
Sage den Betriebszustand der Geräte, Maschinen und Anlagen vorher. Ermögliche eine pro-aktive Instandhaltung und vermeide Ausfälle für dich und deine Kund:innen.
Predictive Maintenance (vorausschauende Instandhaltung) ist ein Ansatz zur Wartung und Instandhaltung von Anlagen und Maschinen, der auf der Analyse von Daten und der Vorhersage möglicher Ausfälle oder Störungen basiert. So wird eine zielgerichtete Wartung ermöglicht, um Probleme zu beheben. Bevor diese kritisch werden.
Dazu werden bei Predictive Maintenance moderne Technologien wie IoT, Sensoren, maschinelles Lernen und Data Analytics genutzt. Mit ihrer Hilfe werden Zustandsdaten von Maschinen und Anlagen kontinuierlich erfasst und analysiert, um mögliche Ausfälle oder Störungen vorherzusagen.
Minimiere Ausfallzeiten für dich und deine Kund:innen: Durch die frühzeitige Erkennung und Behebung von Problemen kannst du ungeplante Ausfallzeiten deiner Systeme verhindern. Und unnötige Kosten sparen.
Spare bares Geld: Dank Predictive Maintenance weißt du, wann Wartungsarbeiten nötig sind. So gibst du kein Geld für redundante Arbeiten aus. Es werden nur Maßnahmen durchgeführt, die erforderlich sind.
Verlängere die Lebensdauer deiner Anlagen: Durch zielgerichtete und rechtzeitige Wartung und Instandhaltung kannst du die Lebensdauer deiner Geräte verlängern und ihre Leistungsfähigkeit erhalten.
Optimiere Wartungsprozesse: Durch die Überwachung und Analyse der Zustandsdaten und die Vorhersage des Wartungsbedarfes kannst du Wartungsprozesse effizienter gestalten und Ressourcen optimal einsetzen.
Schaffe die Basis für Künstliche Intelligenz (KI) und Machine Learning: Lass deine Daten- und Vorhersagemodelle durch KI und Machine Learning kontinuierlich optimieren. So erhöht sich die Prognosegüte für die Vorhersage von Defekten, Störungen oder Ausfällen.
Predictive Maintenance – auch als vorausschauende Instandhaltung oder vorausschauende Wartung bekannt – ist eine der wichtigsten digitalen Instandhaltungsstrategien. Sie basiert auf der Auswertung von Prozess- und Maschinendaten. Neben korrigierenden oder präventiven Vorgehensweisen zählt sie zu den drei Arten der Wartung.
Hinter dem Schlagwort Predictive Maintenance verbirgt sich die Vision, den Ausfall, Defekt und Verschleiß einer Maschine oder Komponente möglichst präzise vorhersagen (Englisch: to predict) zu können. Im Idealfall kann so reagiert werden, bevor Prozesse ungeplant stillstehen oder Verschleißteile ihre Toleranzgrenzen erreichen.
Ziel der vorausschauenden Wartung ist es, Einsparungen zu erzielen. Denn es kommt nur zu Maßnahmen, wenn diese erforderlich sind. Daher wird die vorausschauende Wartung als zustandsbasierte Wartung betrachtet.
Prädikative Instandhaltungsstrategien, wie zum Beispiel Predictive Maintenance, basieren auf der Auswertung und Interpretation aktueller (Echtzeit-)Daten. Die Grundlage für Entscheidungen, die im Rahmen von Predictive Maintenance getroffen werden, stellen dabei Vorhersage- und Entscheidungsmodelle dar. Diese werden durch spezifische Algorithmen oder – bei entsprechender Datenbasis – durch Machine Learning optimiert. So wird die Qualität der Prognosen kontinuierlich verbessert.
Streng genommen ist Predictive Maintenance also eine statistische Disziplin, die mithilfe detaillierter Datenmodelle Defekte in der Zukunft abschätzen kann. Auf Basis der Echtzeitdaten wird die Eintrittswahrscheinlichkeit eines gewissen Ereignisses berechnet. Abhängig von dieser Eintrittswahrscheinlichkeit erfolgt eine Aktion. Frühe Anomalien in den erfassten Werten können als erste Hinweise für ein Ereignis verstanden werden. So lassen sich nicht nur Unterbrechungen, sondern auch Leistungsverluste (Abweichungen von Toleranzen) vermeiden.
Ein Beispiel: Eine Servicefachkraft wird durch eine Predictive Maintenance Lösung über einen nahenden Defekt einer Maschine informiert. So können zeitnah entsprechende Maßnahmen durchgeführt werden, um einen Ausfall der Maschine oder des Produktionssystems zu verhindern, z.B. pro-aktive Bestellung oder Austausch eines Ersatzteils.
Ausschlaggebend für die Einführung einer neuen Instandhaltungsmethode ist ein klarer Mehrwert für das Unternehmen. Im Falle einer Predictive Maintenance Lösung gibt es sowohl direkte, als auch indirekte Mehrwerte.
Der direkte Mehrwert einer Predictive Maintenance Lösung ist, die Anzahl unerwarteter Ausfälle eines Geräts zu minimieren. Einerseits verursacht der Stillstand von Wertschöpfungsprozessen – etwa Produktionslinien – direkte Kosten. Andererseits kommt es zu Verzögerungen von folgenden Prozessschritten: Mitarbeiter:innen und Produktionsschritte an weiteren Maschinen müssen gezwungenermaßen eine Pause einlegen.
Bei präventiven Instandhaltungsmaßnahmen werden erhöhte operative Kosten in Kauf genommen, um unerwartete Ausfälle zu vermeiden. Verschleißteile werden lange vor dem tatsächlichen Standzeitende getauscht, um Toleranzabweichungen zu vermeiden. Regelmäßige Wartungsintervalle bedeuten Aufwände für Personal sowie Stillstandszeiten in den Prozessen. Es entstehen finanzielle Einbußen.
Predictive Maintenance Lösungen ermöglichen hingegen, die Wartungsarbeiten nicht nach festen Intervallen einzuplanen. Stattdessen erfolgen sie dynamisch und Verschleißteile können bedarfsgerecht getauscht werden. Je geringer die Zahl der unerwarteten Ausfälle und je weniger Wartungseingriffe nötig sind, desto höher ist die Verfügbarkeit und die Zuverlässigkeit der Systeme. Dadurch erhöht sich die Planbarkeit in Wertschöpfungsprozessen.
Außerdem können Predictive Maintenance Lösungen zu einer verbesserten Qualität des Produktionsgutes an sich führen. Beispielsweise können durch eine frühzeitige Erkennung von Toleranzabweichungen in der Folge kleinere Toleranzbereiche in der Materialbearbeitung angestrebt oder fehlerhafte Materialien erkannt und aussortiert werden.
Auch indirekte Mehrwerte einer Predictive Maintenance Lösung sind möglich. Die Wahrnehmung als innovativer Lösungsanbieter kann aus Marketing-Gesichtspunkten einen Vorteil für das Unternehmen mit sich bringen. Zudem kann eine Absatzsteigerung und erhöhte Zahlungsbereitschaft angenommen werden. Denn die Kunden freuen sich über Anlagen, die maximal produktiv sind.
Bei der vorbeugenden Wartung geht es um die Planung und Durchführung von Wartungsmaßnahmen, bevor ein bestimmter Zustand im Zusammenhang mit einem unkontrollierten Systemausfall oder -ausfall eintritt. Zu den vorbeugenden Wartungsmaßnahmen gehören Inspektion und Wartung. Aber auch die vorbeugende Reparatur und der vorbeugende Austausch oder andere vorbeugende Maßnahmen wie Schutzanstriche oder der Einbau von Warneinrichtungen. So werden höhere operative Kosten in Kauf genommen und häufig Maßnahmen ergriffen, die lediglich der Prävention dienen.
Bei der vorausschauenden Wartung (=Predictive Maintenance) hingegen werden nur Maßnahmen umgesetzt, die erforderlich sind. Das spart Kosten bezüglich Material und möglichen Stillstandszeiten ein und ermöglicht eine effektivere Planung der personellen Ressourcen. In Zeiten des Fachkräftemangels ist das eine effektive Methode, um die eigenen Mitarbeiter:innen zu entlasten und gezielt einsetzen zu können.
Um erfolgreich eine Predictive Maintenance Lösung implementieren zu können, werden im Normalfall drei Phasen durchlaufen.
Die erste Phase umfasst die Vernetzung eines Gerätes oder einer Anlage. Das Ziel in dieser Phase ist es, eine App für die eigenen Mitarbeiter:innen zur Überwachung bestimmter Werte zu konzipieren. Das können beispielsweise die einzelnen Temperaturen einer Anlage sein. Dieses Vorgehen ist von klassischen Condition Monitoring Anwendungen bekannt. Alternativ kann eine Condition Monitoring Lösung auch als Endkund:innen App konzipiert werden.
In jedem Fall ist dadurch die Überwachung der Systeme verlässlich und unkompliziert möglich. Diese Ansätze kommen auch in der Industrie 4.0 zum Einsatz.
Idealerweise verfügt das Gerät, das vernetzt werden soll, bereits über eine Steuerung und Sensorik. Ist dies nicht der Fall, kann beides mit einer Nachrüstlösung realisiert werden. Die Steuerung kommuniziert mit einem Gateway, das die erfassten Sensor- und Steuerungsdaten weitergeben kann. So kann der Zustand eines Geräts jederzeit im Blick behalten werden. Das Gateway stellt die Verbindung zwischen den zu vernetzenden Geräten und einer IoT-Plattform sicher. Die Auswahl eines geeigneten Gateways hängt von verschiedenen Anforderungen, insbesondere der Einsatzumgebung, ab. Häufig werden Internet-Gateways (z.B. LTE) zum Einsatz gebracht, wenn die Datenübertragung über firmeninterne Netzwerke hinweg notwendig ist.
Die IoT-Plattform stellt das zentrale Element der IoT-Lösung dar. Die Plattform ist der Kommunikationskanal zum Senden und Empfangen der Gerätedaten. Zudem übernimmt die Plattform das Gerätemanagement (z.B. Authentifizierung) und kann über das Gateway Updates bereitstellen. Die IoT-Plattform reicht die empfangenen Daten an ein Cloud-Backend weiter. Das Backend besteht aus unterschiedlichen Diensten, um die Daten in einem geeigneten Datenspeicher festzuhalten und weiterzuverarbeiten. Schlussendlich werden sie über geeignete Schnittstellen anderen Applikationen zur Verfügung gestellt.
Eine Condition Monitoring App bietet somit die Ausgangsbasis für die Entwicklung und Umsetzung einer Predictive Maintenance Lösung.
Die zweite Phase stellt einen Zwischenschritt auf dem Weg zur Predictive Maintenance Lösung dar. Je nach Anwendungsfall kann es sinnvoll sein, die geschaffene Condition Monitoring Lösung zu diesem Zeitpunkt in bestehende Anwendungslandschaften zu integrieren. Abhängig von der Komplexität einer Anlage müssen gegebenenfalls verschiedene Komponenten miteinander vernetzt werden, um Zugriff auf alle relevanten Datenquellen zu erlangen (z.B. ERP- oder CRM-Systeme). Auch eine Integration der Lösung in übergeordnete Plattformen und Produktportfolios kann sinnvoll sein. Lösungsanbieter, die ihren Kund:innen die Möglichkeit zur vorausschauenden Instandhaltung anbieten möchten, können sich zudem mit der Einbindung ihrer Lösung in Kundenumgebungen befassen.
In der dritten Phase werden schließlich die Vorhersage- und Entscheidungsmodelle entwickelt. Doch zuerst müssen Betriebszustände, Anomalien und Ereignisse in den Daten identifiziert werden. Dabei hilft die Condition Monitoring Lösung. Durch ihre Unterstützung können die Betriebszustände eines Geräts beobachtet und interpretiert werden. Signal- und Schwellwertanalysen machen Anomalien und Ereignisse in den Daten sichtbar. Die Ereignisse werden anschließend gemäß ihrer Kritikalität klassifiziert. Beispielsweise können Abweichungen Anzeichen im Sinne von Warnungen sein, oder bereits kritische Zustände wie Störungen darstellen. Mit der Identifikation und Klassifizierung wird auch die Relevanz unterschiedlicher Sensoren und Datenquellen transparent. Erst mit diesem Wissen werden Vorhersagemodelle und Entscheidungsmodelle entwickelt.
Die Vorhersage von Ereignissen, Trends und Lebensdauern ist der Mittelpunkt einer jeden Predictive Maintenance Lösung. Zu Beginn sollten einfache Modelle mit wenigen Variablen erstellt werden. Die Modelle können anschließend durch den Einsatz von Künstlicher Intelligenz (KI) erweitert werden. So wird die Prognosegüte Schritt für Schritt erhöht.
Die Vorhersage muss anschließend in den Betrieb überführt werden. Dazu werden Entscheidungsmodelle implementiert, die je nach Prognose (in Form einer Wahrscheinlichkeit) entscheiden, welche Aktivitäten ausgeführt werden sollen. Beispielsweise kann so der Austausch eines Verschleißteils veranlasst werden. Die Inbetriebnahme der Modelle ist einer (Teil-)Automatisierung des Instandhaltungsprozesses gleichzusetzen. Insbesondere zu Beginn sollten die Entscheidungen jedoch durch eine:n Mitarbeiter:in überprüft werden. Erst später erscheint eine möglichst hohe Ausnutzung der Wartungsintervalle sinnvoll. Denn die Prognosegüte und Modellgenauigkeit müssen in einem iterativen Prozess ständig geprüft und weiterentwickelt werden.
Folgende Elemente werden für eine Predictive Maintenance Lösung benötigt:
Smart Maintenance beschreibt die Entwicklung der Instandhaltung im Zeitalter der Digitalisierung und Industrie 4.0. Intelligente Wartung umfasst das strategische, taktische und operative Management industrieller Produktionsanlagen. Dadurch wirkt sie sich unmittelbar auf die direkten Erfolgsfaktoren Zeit, Kosten und Qualität eines Produktionssystems aus.Damit bestimmt Smart Maintenance maßgeblich auch die Erfüllung der Geschäftsanforderungen hinsichtlich Flexibilität, Innovationskraft und Risikoorientierung eines Produktionssystems.Ziel von Smart Maintenance ist die Maximierung der technischen und wirtschaftlichen Effizienz von Instandhaltungsmaßnahmen unter Berücksichtigung des gesamten jeweiligen Produktionssystems.
