Predictive Maintenance

Mittels Predictive Maintenance ungeplante Stillstandzeiten bzw. jegliche Ausfälle in der eigenen Fertigung oder bei Kunden zu vermeiden, ist ein zentraler Gedanke von Industrie 4.0. Maschinen oder Produkte melden sich dabei quasi „von sich aus“ bei Ihnen und informieren Sie, dass mit hoher Wahrscheinlichkeit demnächst ein Ausfall zu erwarten ist. Das muss so rechtzeitig passieren, dass der Wartungseingriff, der den Ausfall verhindert, noch problemlos eingeplant bzw. in Auftrag gegeben werden kann. Je präziser die Vorhersage, desto kürzer kann die Wartung vor dem Ausfall erfolgen und umso näher ist man am technisch optimalen Wartungszeitpunkt.

Predictive Maintenance ist ein vielversprechendes Konzept und dank digitaler Transformation und rasanter Entwicklungen im Bereich der Konnektivität auch für mittelständische Unternehmen greifbar. Mit einer vorausschauenden Wartung lassen sich Totzeiten minimieren und die Verfügbarkeit von Anlagen und Produkten auf maximal effiziente Weise erhöhen. Aber auch Bereiche wie das Ersatzteilmanagement oder die Servicetechnikerplanung lassen sich dadurch optimieren.

Predictive Maintenance basiert vom technologischen Setup her im Normalfall auf einem Condition Monitoring Szenario. Das bedeutet, dass ein System, das Daten von Maschinen und/oder Produkten sammelt und in einen Kontext setzt, schon existiert.

Für ein Predictive Maintenance Szenario müssen nun diese Daten analysiert, Zusammenhänge erkannt und schließlich in Machine Learning Algorithmen überführt werden. Um saubere Algorithmen zu entwickeln, sind sehr große Datenmengen notwendig, die jedoch in einer Anfangssituation meist nicht ausreichend vorhanden sind. Deshalb ist es im Normalfall zwingend notwendig, im Rahmen eines Condition Monitoring Systems über einen gewissen Zeitraum relevante Daten zu sammeln und zu analysieren. Einen gewissen Ausweg kann die Qualifizierung von Datensätzen durch Mitarbeiter darstellen. Bringen sie ihre Erfahrung ein, um gemessene Werte zu interpretieren, ist es u. U. möglich, schneller zu verlässlichen Prognosen zu kommen.

Grundsätzlich sollte bei Predictive Maintenance zwischen Konzepten für die eigene Fertigung (internes Szenario) und für Produkte und Anlagen im Kundeneinsatz (externes Szenario) unterschieden werden, da jeweils verschiedene Prozesse betroffen und unterschiedliche Konnektivitätslösungen gefragt sind.

Predictive Maintenance ist zwar in der Endausbaustufe ein mitunter komplexeres Unterfangen, es ist jedoch festzuhalten, dass auch die „Vorstufen“ – wie etwa ein Condition Monitoring – konkrete und vor allem schnell zu realisierende Mehrwerte bieten. So können etwa mithilfe von Data Analytics Tools Muster und Zusammenhänge aufgedeckt werden, die schnell in Prozess- oder Produktverbesserungen umgemünzt werden können. Predictive Maintenance ist also keine lange Reise, bei der erst ganz am Ende Mehrwerte erzielt werden können.