| von Stefan Weinzierl

Vorausschauende Instandhaltung, also Predictive Maintenance, gilt als die am weitesten verbreitete wirkliche Umsetzung von Industrie 4.0. Sie umschreibt die Technik, mittels der Zustandsdaten von Maschinen Ableitungen und Vorgehensweisen zu einer proaktiven Wartung herzuleiten. Also: Wissen, wann etwas kaputt geht und es schon vor dem eigentlichen Schaden reparieren.

Definiert ist Predictive Maintenance als eine Instandhaltung, die auf der Auswertung von Daten basiert, die aus den zu wartenden Maschinen und Anlagen gewonnen werden - also den Prozess- oder Maschinendaten. Durch die korrekte Interpretation dieser Daten werden Prognosen über zu erwartende Schadensereignisse unter bestimmten Voraussetzungen erstellt. Diese sollen es im Idealfall ermöglichen, exakt bedarfsgerecht zu arbeiten und so unerwartete Stillstände weitestgehend zu reduzieren.

Kongress SMART MAINTENANCE

Sie sind ein Macher in Sachen moderne Instandhaltung? Sie wollen aktuelle Technologien, Prozesse und die Experten dazu kennenlernen? Dann kommen Sie am 24. und 25. November 2020 auf den Kongress SMART MAINTENANCE in Essen, den führenden praxisfokussierten Event der Branche für Profis aus dem deutschsprachigen Raum.

Es erwarten Sie spannende Einblicke in die Praxis Ihrer Kollegen und neueste Erkenntnisse aus der Forschung – und dazu spannende Gespräche mit anderen Experten sowie eine exklusive Werksführung.

Interessiert? Dann klicken Sie hier und sichern Sie sich Ihr Ticket!

Der eingentliche Trick bei Predictive Maintenance ist die Interpretation der aus den Maschinen und Anlagen gewonnen Daten. Denn

a) sind nicht alle Daten für die vorausschauende Instandhaltung von wirklicher Relevanz und

b) gilt es, die entscheidenden Daten zueinander in eine gewinnbringende Beziehung zu setzen.

Um also den tatsächlichen Zustand ihrer Assets zu kennen, greifen die Entwickler, Anbeter und Nutzer von Predictive Maintenance beispielsweise auf Echtzeit-Analysen und hochperformante In-Memory-Datenbanken zurück. Auch Künstliche Intelligenz (KI) wird genutzt, um statt einem nebulösen Blick in die Glaskugel ("Es wird etwas geschehen!") zu einer verwertbaren Vorhersage ("Wenn Sie Getriebeteil A innerhalb der kommenden drei Tage austauschen, wird kein Schaden an Getriebeteil X entstehen!") zu kommen.

Warum eigentlich Predictive Maintenance?

Das Ziel der vorausschauenden Wartung ist schlussendlich Kostenreduktion bei den Instandhaltungsmaßnahmen. Denn wenn bekannt ist, wann welche Schäden zu erwarten sind, lassen sich die zu ergreifenden Maßnahmen besser planen. Es stehen zur richtigen Zeit die richtigen Ersatzteile und die Kollegen mit den passenden Fähigkeiten zur Verfügung.

So kann die Instandhaltungsmaßnahme auf einen ohnehin geplanten Stillstand verlegt werden anstatt völlig überraschend die komplette Produktion oder den laufenden Betrieb auszuhebeln. Das bringt gegenüber dem oft leicht panischen reinen Reagieren auf Ereignisse viele Vorteile.

Diese Predictive-Maintenance-Anwendungen werden genutzt

  • Rüstfehler anzeigen: 13 Prozent
  • Schlechte Bearbeitungsprozesse erkennen: 23 Prozent
  • Fehlbedienung vermeiden: 25 Prozent
  • Rüstprozesse optimieren: 25 Prozent
  • Verschleiß rechtzeitig und automatisiert erkennen: 28 Prozent
  • Die Qualität der gefertigten Erzeugnisse zielgerichtet optimieren: 28 Prozent
  • Automatisiertes Verfolgen und Anzeigen der Fälligkeit von regelmäßigen Wartungsarbeiten: 37 Prozent
  • Wir nutzen keine Predictive-Maintenance-Anwendungen: 38 Prozent

Quelle: Statista / Staufen

323 Befragte im Jahr 2019; Unternehmen in Deutschland