Anzeige

 
Anzeige

4.0-Transformationen

Warum sich Predictive Maintenance wirklich lohnt

Christiane Engelhardt am 09.01.2019 um 11:00 Uhr

Industrie 4.0: in aller Munde zwar, in der industriellen Praxis jedoch noch kaum angekommen – Predictive Maintenance. Hersteller, die ihren Betrieb digital umrüsten, sollten sich aber damit beschäftigen.

ZF Friedrichshafen, Turbine

ZF Friedrichshafen AG: In der Turbinenindustrie sind digitale und vernetzte Lösungen für Predictive Maintenance weit verbreitet. Die vorausschauende Wartung reduziert Ausfallzeiten und Betriebskosten. – Bild: ZF Friedrichshafen

Solange die Herren und Damen Techniker in den Werkshallen dafür sorgen, dass die Maschinen permanent in exaktem Takt sowie gleichbleibender Qualität die gewünschten Teile produzieren, ist alles gut. Solange Stillstände vermieden, Ausfallzeiten gering gehalten, Defekte repariert, fehlerhafte Komponenten ausgetauscht und der Maschinenpark nach den Empfehlungen der Hersteller in Schuss gehalten wird, ist die Geschäftsführung, der Vertrieb und das Marketing, sind die Verkäufer und die Kunden glücklich. Und wenn sie nicht gestorben sind, dann produzieren sie noch heute. Denn Produzenten mit klassischer Wartung und Instandhaltung wie oben beschrieben, dürfte es im Zuge voranschreitender 4.0-Transformationen bald an den Kragen gehen: Wettbewerber, die mit aus Big-Data-Analysen gespeiste Predictive-Maintenance-Systeme (PM, vorausschauende Wartung) implementieren, werden ihnen mittelfristig den Rang ablaufen.

Auch interessant: Big Data für Predictive Maintenance

Wie so oft reden viele, aber nur wenige handeln.

So urteilen auch die Autoren einer Online-Umfrage der Management- und Technologieberatung Bearing Point aus dem Jahr 2017 unter Fach­experten in Instandhaltung, Produktion, Logistik und IT aus 74 Unternehmen (Maschinenbau, Chemie/Pharma und Automobilindustrie): Trotz großer Präsenz sei PM noch kaum in den Werkshallen angekommen. Während sich 84 Prozent der Befragten mit dem Thema auseinandersetzen, hat erst jedes vierte Unternehmen erste Projekte umgesetzt. In diesen Fällen erfassen 76 Prozent der Befragten relevante Daten via Sensoren, 59 Prozent werten diese zielgerichtet aus, jedoch lediglich rund 20 Prozent optimieren ihre Instandhaltung ganzheitlich auf der digitalen Datenbasis.

Was hinter PM steckt

Die bei der Vernetzung von Maschinen und Anlagen gewonnenen Zustandsdaten können erfasst und clever mit Daten aus dem MES (Manufacturing Execution System) aber auch dem ERP (Enterprise Resource Planning) kombiniert werden, um etwa den Wartungszeitpunkt einer Maschine präzise zu prognostizieren. So wird erst dann gewartet, wenn es wirklich notwendig ist und nicht nach starren Intervallen – das spart personelle Ressourcen und operative Kosten.

Die von Bearing Point befragten Anwender erwarten zwar in erster Linie, dass PM die Anlagenverfügbarkeit erhöht (80 Prozent) und nennen erst an zweiter Stelle die Reduzierung der Wartungs- beziehungsweise Servicekosten (60 Prozent). Wobei das Ranking eigentlich keine Rolle spielt, wohl aber, dass die digital basierte vorausschauende Wartung noch mehr leisten kann – was vielen Anwendern nicht so ganz bewusst zu sein scheint: etwa die Lebensdauer von Anlagen und Komponenten sowie deren Sicherheit erhöhen, den Pseudoausschuss minimieren und das Ersatzteilhandling optimieren.

  • Auch interessant:
    Verfügbarkeit und Leistung absichern – Während die Maschinenhersteller Predictive Maintenance vor allem in der Gewährleistungsphase unterstützen, steht für Anwender die Reduzierung ungeplanter Stillstände im Vordergrund. Instandhaltung sprach mit Uwe Schröter, Geschäftsführer MCU, über die Aspekte, die bei der Auswahl eines Systems zu berücksichtigen sind.

PM-Prozesse bei Überwachung und Wartung?

In der Praxis bereits gang und gäbe sind PM-Prozesse bei der Überwachung und Wartung von Windrädern und Turbinen sowie im Automotive-Sektor (beispielsweise mit den Verfahren von Quasar Europe und Vibrant PCRT). Hauptsächlich werden in diesen Branchen verdächtige Vibrationen, Unwuchten und Materialfehler detektiert. Dafür analysieren mathematische Algorithmen Material und Verhalten verschleißgefährdeter Komponenten, die extremen Bedingungen ausgesetzt sind. Die Ausfallwahrscheinlichkeit von Lagern etwa ist so bereits sehr frühzeitig prognostizierbar. Unternehmen der Antriebs- und Fluidtechnik wie Aventics, Bosch Rexroth, Festo, Schaeffler, Schmalz, Argo Hylos, Hydac und ZF setzen bereits seit Jahren auf PM-Systeme.

Boge Kompressor

Boge Kompressoren: Boge rüstet seine HST-Kompressoren mit einer Industrial Analytics Software von Weidmüller auf. Mit ihr lassen sich im laufenden Betrieb Vorhersagen über einen anstehenden Wartungsbedarf treffen und Serviceeinsätze optimal planen. – Bild: Boge

Ein Beispiel für einen konkreten Kunden-Benefit durch vorausschauende Wartung liefert Kompressorenhersteller Boge. Seine Hochleistungs-Anlagen werden in der Pharma- und Nahrungsmittelindustrie, in industriellen Lackierbetrieben und in der Halbleiterproduktion eingesetzt – Anwendungsbereiche, in denen Maschinenstillstände fatale Folgen haben können. Mit einer Industrial -Analytics-Lösung von Weidmüller, die Fehler und Betriebsanomalien aufdeckt, gelingt Boge die präventive Fehlervermeidung, was für erhöhte Prozesssicherheit beim Kunden sorgt.

Die Software erkennt geänderte Rahmenbedingungen (zum Beispiel ein Defekt im Kühlsystem, der ein Motorenproblem auslösen könnte), kündigt mittels eines Vorhersage-Algorithmus die geänderte Ausfallwahrscheinlichkeit an und warnt den Maschi-nennutzer vor einem Ausfall. Boge-Sprecher Horst Kalla erklärt: “Die Software zur vorausschauenden Wartung erkennt frühzeitig Fehler und kritische Abweichungen der technologischen Parameter. In die Datenauswertung fließen die Einsatzerfahrungen aller Boge-Druckluftlösungen ein.” So könnten im laufenden Betrieb Vorhersagen über einen zukünftig anstehenden Wartungsbedarf getroffen und Serviceeinsätze optimal geplant werden. Mehr noch: Mit jeder Fehlermeldung und Rückmeldung des Bedieners lernt das System dazu und verändert sein Modell. So werden berechnete Ausfall-Vorhersagen über die gesamte Betriebszeit hinweg immer präziser. Auch könnten wenngleich noch nicht aufgetretene, jedoch mögliche Fehler eingelernt werden.

Orakel, Mirakel, Spektakel?

Sicher ist, dass Hersteller, die sich bereits in Richtung Industrie 4.0 bewegen, in Zukunft ohne allzu großen zusätzlichen Aufwand von den Vorteilen der Predictive Maintenance profitieren können. Sind sie doch bereits dabei, die wichtigsten Voraussetzungen für PM-Prozesse zu schaffen, nämlich: Daten erfassen, digitalisieren und übermitteln; erhobene Daten speichern, analysieren und bewerten; Eintrittswahrscheinlichkeiten für bestimmte Ereignisse errechnen.

 
 
Anzeige