Predictive Maintenance, sprich die vorausschauende, prädikative Instandhaltung, ist die Zukunftsstrategie der Branche. Hier erfahren Sie, was Sie darüber wissen müssen.

Predictive Maintenance, sprich die vorausschauende, prädikative Instandhaltung, ist die Zukunftsstrategie der Branche. Hier erfahren Sie, was Sie darüber wissen müssen. (Bild: krunja/stock.adobe.com)

Was ist Predictive Maintenance?

Predictive Maintenance oder vorausschauende Wartung ist ein Werkzeug, um die Leistung eines Betriebs zu optimieren. Dadurch können mögliche Ausfälle vorhergesehen und vorbeugende Maßnahmen ergriffen werden, bevor sie zu kostspieligen Problemen werden. Durch den Einsatz von Predictive Analytics können Fachleute Muster in Daten erkennen, die darauf hinweisen, wann Geräte gewartet oder ausgetauscht werden müssen, sodass sie vorausplanen und Ausfallzeiten reduzieren können. Dies hilft, die Effizienz zu steigern und gleichzeitig die Kosten für Notfallreparaturen oder -ersatz zu senken. Darüber hinaus bietet die vorbeugende Wartung wertvolle Einblicke in den Betriebszustand, sodass bei Bedarf Anpassungen vorgenommen werden können, um im Laufe der Zeit bessere Ergebnisse zu erzielen.
(Bild: Olivier Le Moal - stock.adobe.com)

Predictive Maintenance oder vorausschauende Wartung ist ein Werkzeug, um die Leistung eines Betriebs zu optimieren. Dadurch können mögliche Ausfälle vorhergesehen und vorbeugende Maßnahmen ergriffen werden, bevor sie zu kostspieligen Problemen werden. Durch den Einsatz von Predictive Analytics können Fachleute Muster in Daten erkennen, die darauf hinweisen, wann Geräte gewartet oder ausgetauscht werden müssen, sodass sie vorausplanen und Ausfallzeiten reduzieren können. Dies hilft, die Effizienz zu steigern und gleichzeitig die Kosten für Notfallreparaturen oder -ersatz zu senken. Darüber hinaus bietet die vorbeugende Wartung wertvolle Einblicke in den Betriebszustand, sodass bei Bedarf Anpassungen vorgenommen werden können, um im Laufe der Zeit bessere Ergebnisse zu erzielen.

Ungeplante Ausfälle von Maschinen und Anlagen sind das Schreckgespenst in der Instandhaltung. Abhilfe verspricht Predictive Maintenance, zu Deutsch vorausschauende Instandhaltung. Damit soll mittels einer Prognose auf der Basis von Daten aus der Produktion sowie intelligent eingesetzten Algorithmen ein möglicher Fehler, ein Schaden oder Ausfall schon im Vorfeld vermieden werden. Die Vorgehensweise gilt als eines der wenigen Felder, in denen Industrie 4.0 bereits um- und eingesetzt wird.

Doch wie wird Predictive Maintenance definiert? Was kann Technologie bei dieser Instandhaltungsstrategie heute schon leisten und was haben die Anbieter noch in der Pipeline? Das beantworten wir in diesem Überblick. Außerdem klären wir, was Predictive Maintenance mit Künstlicher Intelligenz (KI), Machine Learning, Condition Monitoring oder Big Data zu tun hat und was Anwender wissen müssen, um die Technologie gewinnbringend zu nutzen.

Welche Instandhaltungsstrategien gibt es?

  • Schadensabhängige Instandhaltung: Dabei werden erst nach dem Auftreten eines Defekts Maßnahmen durchgeführt (reaktive Wartung).
  • Präventive Instandhaltung: Hier werden Maßnahmen durchgeführt, die einem Schaden vorbeugen sollen. Dazu zählen auch Inspektionen, Wartung oder Austausch von Teilen, die in der Regel noch nicht defekt sind, aber möglicherweise bald einen Schaden aufweisen können.
  • Zeitbasierte Instandhaltung: Unabhängig vom tatsächlichen Zustand des Assets werden bestimmte Maßnahmen wie Ölwechsel, Tausch von Verschleißmaterial oder andere Wartungen turnus- und routinemäßig durchgeführt.
  • Zustandsbasierte Instandhaltung: Das Asset wird überwacht oder regelmäßig geprüft und bei Abweichungen bestimmter Parameter wird eine gezielte Maßnahme durchgeführt, bevor ein Schaden entsteht (vorbeugende Instandhaltung).
  • Vorausschauende Instandhaltung: Unter Berücksichtigung aller Maschinen- und Prozessdaten in Echtzeit (zum Beispiel Nutzungsdauer, Abnutzung, Belastung, äußere Umstände, Erfahrungswerte) werden Maßnahmen geplant, eingetaktet und durchgeführt, bevor ein Schaden entsteht, aber nicht, bevor sie wirklich relevant sind.

Oftmals verschwimmen die verschiedenen Instandhaltungsstrategien. So ist beispielsweise eine ‚pure‘ Predictive Maintenance schon alleine aufgrund unvorhersehbarer Umstände in aller Regel nicht möglich – einem Werker muss nur eine Schachtel Schrauben in die laufende Maschine fallen. (Zum Artikelanfang)

Wie lautet die Definition von Predictive Maintenance?

Vorausschauende, also prädiktive Instandhaltung ist die Reparatur einer Maschine, bevor etwas daran kaputtgeht. Auf diesen Satz lässt sich im Endeffekt alles reduzieren. Natürlich beinhaltet Predictive Maintenance weit mehr als diese Mini-Moritat. Denn gemeinhin gilt sie als Vorzeigeobjekt in den neuen Geschäftsmodellen rund um Industrie 4.0 – wobei böse Zungen behaupten, sie sei die aktuell einzige, weil funktionierende, verfügbare und gewinnbringende Umsetzung.

Doch wie in vielen Fällen von noch frischer Technologie gibt es auch bei Predictive Maintenance viele Facetten, Vorgehensweisen und Variationen. Das bedeutet, dass Unternehmen, die vorausschauend instand halten wollen, gut daran tun, entsprechende Experten heranzuziehen, die ihnen helfen, die ersten Schritte zu gehen und die den Markt mit seinen vielen entsprechenden Angeboten kennen. (Zum Artikelanfang)

Welche Vorteile hat Predictive Maintenance?

Vorausschauende Instandhaltung hat das Ziel, durch passende Informationen ungeplante Stillstände oder Maschinenausfälle durch Defekte oder Beschädigungen von Maschinen und Anlagen zu vermeiden oder massiv zu reduzieren und damit Kosten in der Produktion zu sparen. Geplante Stillstände sollen idealerweise so gelegt werden, dass durch den Wartungs-Einsatz die Produktion nicht beeinflusst wird und keine unnötigen Aufwände durch noch nicht wirklich erforderliche Maßnahmen entstehen.

Aber nicht nur die Assets, auch das Wartungs- oder Servicepersonal kann durch Predictive Maintenance effektiver eingesetzt werden. Außerdem wird die Ersatzteilbeschaffung für das Unternehmen planbarer sowie dadurch in der Regel die Lagerhaltung minimiert.

Nicht zu vergessen ist auch die Produktivitätsverbesserung durch den Einsatz von Predictive Maintenance. Denn durch die Daten, die im Zuge der vorausschauenden Wartung übertragen und ausgewertet werden, können auch Rückschlüsse auf die Optimierung von Abläufen und Leistung der Anlagen und Maschinen gezogen werden. (Zum Artikelanfang)

Überblick Condition Monitoring

Überblick Condition Monitoring

Sie interessieren sich für Condition Monitoring, die Technologie dahinter und die neuesten Entwicklungen zum Thema? Dann ist unser Überblick dazu genau der richtige Lesestoff für Sie.
Einfach hier klicken und schon finden Sie Informationen rund um die moderne Zustandsüberwachung.

Hat Predictive Maintenance Nachteile?

Ein möglicher Nachteil der vorausschauenden Wartung ist die Notwendigkeit, riesige Mengen an Daten (Big Data) aus diversen Quellen und mit unterschiedlichen Formaten zu sammeln, zu selektieren und auszuwerten (Data Analytics). Ansonsten sind zuverlässige Aussagen zu Instandhaltung, Schadensvermeidung und Maßnahmen nicht möglich.

Nötig sein können beispielsweise digitale Daten über Vibrationen, Geräusche, Temperatur, Durchflussmengen, Füllstände, Zusammensetzung von Stoffen, Leitfähigkeit, Feuchtigkeit, Verschmutzungsgrade von Schmierstoffen oder Hydraulikflüssigkeiten und Verwindung.

Je nach Alter und Ausstattung der Maschinen und Anlagen kann es nötig werden, die entsprechenden Sensoren, Fühler oder Kameras im Sinne der Digitalisierung nachzurüsten. Denn das Condition Monitoring, also die kontinuierliche Überwachung bestimmter Zustände, ist unerlässlich für Predictive Maintenance.

Als weitere Herausforderung gilt die Akquise oder die Ausbildung entsprechenden Fachpersonals. Dabei werden nicht nur ‚Hardware-Profis‘ gebraucht, sondern auch IT-Spezialisten wie Data-Scientists, Informatiker und Programmierer. (Zum Artikelanfang)

Welche Technologien sind für Predictive Maintenance wichtig?

Wie bereits erwähnt, ist Zustandsüberwachung (engl. Condition Monitoring) eine zentrale Technologie für die vorausschauende Instandhaltung. Dabei werden kontinuierlich bestimmte physikalische Größen und Informationen an und um Maschinen oder Anlagen gemessen, gesammelt und analysiert, unter anderem Schwingungen, Temperaturen und die Lage bestimmter Bauteile zueinander (beispielsweise Achsen oder Spindeln). Durch den Abgleich von Daten aus der Vergangenheit mit den aktuellen kann der Betreiber mögliche, sich anbahnende Schäden oder Verschleiß erkennen.

Die teils riesigen Datenmengen aus dem Condition Monitoring im Sinne der Predictive Maintenance zu interpretieren, also Aussagen im Hinblick auf die Zukunft abzugeben, wird mit Künstlicher Intelligenz beziehungsweise Machine Learning möglich. Dabei ‚lernt‘ ein System mittels Software, wie ein Asset unter bestimmten Voraussetzungen und unter dem Einfluss bestimmter Parameter reagiert und kann dies nach einer gewissen Zeit verallgemeinern und so Zusammenhänge, Muster und Gesetzmäßigkeiten erkennen. So kann es beispielsweise möglich werden, dem Betreiber einer Maschine den Hinweis auf einen bevorstehenden Defekt an einer Motorspindel zu geben, weil die Luftfeuchtigkeit im Zusammenhang mit der Belastung der Maschine durch das bearbeitete Material und dem aktuell verwendeten Werkzeug sowie sommerlichen Temperaturen zu einer erhöhten Abnutzung eines Zahnkranzes führen wird.

Das System berechnet also einfach gesagt die Ausfallwahrscheinlichkeit einer Maschine oder Anlage aufgrund von in der Vergangenheit gemachten Erfahrungen. Werden dabei nun sogar noch die Daten aus anderen, gleichen oder ähnlichen, Anlagen genutzt, werden extrem viele mögliche Szenarien abgedeckt. Instandhaltung kann so vorausschauend, also prädiktiv betrieben werden.

Einer der entscheidenden Punkte ist aber, aus den immensen Datenmengen, die eine moderne Produktion – die nötige Sensorik und Anbindung vorausgesetzt – erzeugt, die für Predictive Maintenance entscheidenden herauszufiltern und nur diese weiterzuverarbeiten. Diese für die Instandhaltung relevanten Datensätze sind dann Smart Data. (Zum Artikelanfang)

Wofür Predictive Maintenance eingesetzt wird:

  • 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

Wer kann Predictive Maintenance einsetzen?

Vom Prinzip her kann so gut wie jedes Unternehmen Predictive Maintenance einsetzen. Dabei spielt es keine Rolle, ob eine chemische Anlage in der Prozessindustrie oder eine Montagestraße in der diskreten Industrie überwacht und vorausschauend gewartet werden soll: Es müssen die technischen und personellen Voraussetzungen für prädiktive Instandhaltung gegeben sein.

Experten betonen darüber hinaus, dass Einsteiger davon Abstand nehmen sollten, gleich zu Beginn komplette Fabriken mit Predictive Maintenance betreuen zu wollen. Sie raten für den Start zu einzelnen, überschau-, betreu- und bezahlbaren Leuchtturmprojekten und die vorausschauende Wartung dann – nach eingehender Prüfung und Validierung – auszurollen.

Und auch noch von einer anderen Entscheidung raten die meisten Spezialisten ab: Predictive Maintenance gar nicht einzuführen. Denn – da sind sich die Instandhaltungs-Auguren sicher – früher oder später wird ein Unternehmen, dass weiterhin ausschließlich nach dem Feuerwehr-Prinzip wartet, den Anschluss verlieren. (Zum Artikelanfang)

Sie möchten gerne weiterlesen?