
Predictive Maintenance ist eine sensorgestützte Form der Wartung. Das Verfahren nutzt Big Data-Analysen, um Ausfälle und Störungen einer Anlage vorherzusagen und dadurch Wartungseinsätze effizienter planen zu können. Als Industrie 4.0-Anwendung kann Predictive Maintenance dadurch Kosten und Ausfallzeiten gegenüber herkömmlichen Wartungsstrategien deutlich verringern.
Der Begriff Predictive Maintenance kann im Deutschen mit prädiktiver Wartung oder vorausschauender Wartung übersetzt werden. Um dieses “Vorausschauen” zu ermöglichen, müssen in der Maschine zunächst durch Sensoren relevante Daten ermittelt werden. Zur Umsetzung einer Predictive-Maintenance-Anwendung können unterschiedlichste Daten und somit auch eine Vielzahl von Sensoren zum Einsatz kommen. Beispiele hierfür sind:
Diese Vielzahl spiegelt die Komplexität des Themas wider. Es gibt leider keine Patentlösung, um Vorhaben umzusetzen. Es braucht ein fähiges Team, das maßgeschneiderte Lösungen für den Anwendungsbereich erstellt. Bei Windkraftanlagen sind völlig andere Konzepte nötig, als bei einer Werkzeugmaschine.
Deshalb schrecken Unternehmen davor zurück, Predictive Maintenance umfassend zu implementieren. Die meisten Marktteilnehmer wissen um die Wichtigkeit des Feldes, haben aber keine Erfahrung in der Umsetzung.
Das Gegenstück zum Datensammeln stellt das Analysieren der Daten dar. Durch die Auswertung der Messungen aus dem laufenden Prozess sollen Probleme frühzeitig erkannt werden. Servicetechniker werden dann entsandt, bevor es zum Ausfall kommt.
Hierfür sind große Datenmengen erforderlich, zu deren Auswertung auf Ansätze aus dem Big Data-Umfeld zurückgegriffen wird. Schon vor dem Verbau der Sensoren sollte natürlich geklärt werden, welche Daten auf einen baldigen Ausfall der Maschine hindeuten, damit bei Ihrer Predictive-Maintenance-Umsetzung alles glatt geht.
Umsetzung von Predictive Maintenance
Da viele Unternehmen nicht wissen, wie Sie im Bereich Predictive Maintenance durchstarten können, haben wir einen 8-Wochen-Plan zur Umsetzung eines ersten Pilotprojektes in diesem Bereich erstellt. Mehr Info?
KI und Predictive Maintenance
Auch künstliche Intelligenz kann eingesetzt werden, um Daten zu analysieren und Anlagen effektiver zu warten. Machine Learning bietet hier große Zukunftschancen. Mehr Info?
In einer Roland-Berger-Studie gaben 79% der Befragten an, dass sie den Nutzen von Predictive Maintenance hauptsächlich in einer Leistungssteigerung der Produktionstechnik sehen. Diese ergibt sich vor allem durch die höhere Verfügbarkeit und die längere Lebensdauer der Anlagen. Auch die Verbesserung der Prozessqualität ist ein entscheidender Faktor.
21% Prozent erwarteten hingegen vor allem eine Senkung ihrer Kosten, durch niedrigere Ausgaben für Ersatzteile und Reparaturen. Auch wenn zunächst etwas Arbeitsaufwand und Investitionen anfallen, langfristig lohnt sich die Umsetzung auf jeden Fall. Predictive Maintenance hat Vorteile im Vergleich zu herkömmlichen Wartungsstrategien:
Das Konzept der präventiven Wartung ist eigentlich jedem bekannt, der schon einmal mit einem Aufzug gefahren ist. Meistens befindet sich ein TÜV-Siegel mit dem Datum der letzten Überprüfung neben der Schaltfläche. Fachpersonal checkt in vorgegebenen Intervallen die Funktionstüchtigkeit und Sicherheit des Fahrstuhls. Durch Predictive Maintenance könnten sich Techniker in diesem Beispiel einige Einsätze sparen.
Mithilfe umfassender Datenanalysen kann festgestellt werden, welche Anlage eine Wartung benötigt und bei welcher eine Prüfung im vorgegebenen Intervall noch nicht erforderlich ist. Im Vergleich mit der präventiven Wartung können prädiktiv gewartete Anlagen deshalb die Sicherheit erhöhen und gleichzeitig Kosten für unnötige Wartungseinsätze vermeiden. Ebenso verbessert sich die Lauf- und Lebenszeit signifikant.
Die reaktive Strategie findet in der Regel in weniger sicherheitsrelevanten Bereichen statt. Eigentlich handelt es sich dabei auch nicht wirklich um eine Wartungsstrategie. Denn hier werden ausschließlich Reparaturen und Analysen im Störfall durchgeführt. Die Nachteile liegen auf der Hand.
Das System ohne Wartung bis zum Ausfall zu fahren, kann im Störungsfall zu einem weitaus größeren Schaden führen. Zudem treten Ausfälle häufiger auf. Oft vergessen Anhänger dieser Strategie auch, den geringeren Wiederverkaufswert der Anlagen in ihre Profitrechnung mit einzubeziehen. Ein schlecht gepflegtes Scheckheft wirkt sich in der Industrie nicht weniger negativ aus, als im privaten Pkw-Markt. Wer an Wartungen spart, zahlt am Ende häufig mehr.
Predictive Maintenance ist in vielen Unternehmen noch nicht so richtig angekommen. Die ServiceLobby hat bereits dargelegt, inwiefern diese Technologie die Zukunft des Service beeinflussen wird.
Mögliche Anwendungsbereiche von Predictive Maintenance sind vielfältig. In einigen Branchen fällt die Umsetzung zudem leichter als in anderen. Die Komplexität der Anlagen ist unterschiedlich. Die einzelnen Arbeitsschritte des Umstellungsprozesses sind aber stets dieselben. In manchen Märkten sträuben sich die Akteure allerdings etwas intensiver gegen neuartige Wartungstechnologien.