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. Dies bedeutet, dass Maschinen oder Produkte sich quasi "von sich aus" bei Ihnen melden und Sie informieren, 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 desto 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 vorrauschauenden 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. Diese sind jedoch in einer Anfangssituation meist nicht ausreichend vorhanden. 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 diese 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.

Umsetzung internes Szenario: Vergleichsweise schnell zum Ziel – weil auf Basis einer fertigen Lösung – kommen Sie wenn Sie Ihr Predictive Szenario mit der SAP Industry Cloud Solution All for One Smart Factory als Unterbau umsetzen. Diese kann Ihnen quasi als Nebenprodukt das nötige Datensetup bzw. ein Condition Monitoring Szenario mitliefern. Darüber hinaus unterstützen wir Sie aber natürlich auch bei Individualprojekten.

Umsetzung externes Szenario: Auch hier bieten wir Ihnen einen relativ standardisierten Ansatz auf Basis des Setups, das unseren Use Cases für den Maschinenbau zugrunde liegt. Eine alternative Grundlage können smarte Produkte bieten.

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, welche 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.