Was ist Predictive Maintenance?

Technologie

Technologie

Datum 08.04.2022
Lesezeit 7 Min.

Was ist Predictive Maintenance?

Wenn in Betrieben Maschinen ausfallen, stehen häufig ganze Produktionszweige still. Das sogenannte Predictive-Maintenance-Verfahren soll genau das verhindern. Hier sorgt Technik in Verbindung mit dem Industrial Internet of Things (IIoT) dafür, dass Techniker:innen mögliche Ausfälle rechtzeitig erkennen. Intelligent vernetzte Sensoren schlagen Alarm, noch bevor es zu Unterbrechungen in der Fertigung oder anderen Prozessen kommt. So können Unternehmen im Produktionsalltag Risiken minimieren und enorme Kosten sparen.  

Laut einer Studie der Unternehmensberatung BearingPoint reduziert Predictive Maintenenace bei den befragten Unternehmen Maschinen- und Anlagenstillstandszeiten um 18 Prozent sowie die Wartungs- und Servicekosten um 17 Prozent. Die Ersatzteilbestände wurden um 13 Prozent verringert.

Hier lesen Sie, wie die Technologie funktioniert und wie auch Ihr Unternehmen davon profitieren kann.

 

Was ist Predictive Maintenance?

Als Predictive Maintenance (Deutsch: Vorausschauende Instandhaltung) bezeichnen Expert:innen ein Verfahren, um bevorstehende Maschinen- und Geräteausfälle zu erkennen. Dies geschieht, noch bevor Störungen überhaupt auftreten.

Mögliche Gründe für Störungen sind unter anderem:

  • Geht einer Maschine das benötigte Rohmaterial aus, weil der Nachschub ausbleibt, stellt sie den Betrieb ein.
  • Steigt die Betriebstemperatur bei einer Produktionsanlage über einen bestimmten Wert an, greifen Sicherheitsmechanismen ein. Sie schalten oder bremsen das Gerät aus, um es abzukühlen.
  • Bei sich verhakenden oder falsch produzierten Bauteilen stellen Maschinen häufig ebenfalls ihren Dienst ein.
  • Halten Mitarbeiter:innen bestimmte Wartungsintervalle nicht ein, kann es ebenfalls zum Ausfall von Anlagen kommen.
  • Verfügt ein sich drehendes oder bewegendes Gerät nicht mehr über genügend Schmiermittel, schaltet es sich ab. So verhindert das System Beschädigungen.

 

Testen Sie die Zukunft  des „Internet of Things“

Testen Sie die Zukunft des „Internet of Things“

Das Internet der Dinge wächst rasant. Wir stellen Ihnen alles zur Verfügung, damit Sie den neuen Standard in Ihrem Unternehmen effektiv und einfach testen können. Mit einem Set bestehend aus der passenden Hard- und Software, sowie voller Konnektivität über unser NB-IoT-Netz!

  • Hardware: SIM Karte, Interface Board und Communication Board
  • Software: smartes Konfigurationstool und grafisches Dashboard zur Datenanalyse in der Cloud

 

Wie funktioniert Predictive Maintenance?

Predictive Maintenance kann Ihrem Unternehmen helfen, die oben genannten Ausfälle zu vermeiden.

Predictive-Maintenance-Techniken ermöglicht es, dass Ihre Mitarbeiter:innen den Zustand von im Betrieb befindlichen Geräten bestimmen. Dadurch können sie vorauszusagen, wann etwa eine Wartung ansteht. Diese Voraussagen helfen Kosten zu sparen: Ihre Maschinen stehen nur dann aufgrund von Wartungsarbeiten still, wenn diese auch tatsächlich notwendig sind.

Dies erfordert, dass Sie Ihre Produktionsanlage mit moderner IoT-Sensorik ausstatten. Denn smarte Sensoren sind letztlich das Rückgrat jeder Predictive-Maintenance-Strategie. Diese Sensoren sind sowohl miteinander, als auch mit einer zentralen Steuerungssoftware verknüpft. Die Signalübertragung erfolgt kabellos beispielsweise mithilfe von 5G-Technik. Ein Algorithmus innerhalb der Cloud wertet die Daten schließlich aus. Je nach Typ überprüft die Überwachungssoftware Daten entweder online (konstant) oder offline (periodisch).

So können Sie und Ihre Mitarbeiter:innen sämtliche aktuellen Zustände bequem an Ihrem Tablet oder PC abfragen. Sie informieren sich über auftretende Probleme und deren Ursachen, ohne die Maschinen aufsuchen zu müssen. Die Auslagerung der Datenverarbeitung in die Cloud ist eine Grundvoraussetzung für die sogenannte Smart Factory – und für eine erfolgreiche Predictive-Maintenance-Strategie.

Ein mögliches Anwendungsszenario: Ihnen droht der Nachschub von Rohmaterial für Industriebauteile beziehungsweise für den Betrieb einer bestimmten Maschine auszugehen. Doch Ihre Maschinen „wissen“ dank der via IIoT-Technik vernetzten Meldesensoren stets, ob ausreichend Rohmaterial im Lager ist.

Die Maschine meldet selbstständig, dass der Fortlauf der Produktion gefährdet ist. Ihre Mitarbeiter:innen können schnell reagieren und neue Materialien zur Verfügung stellen. Dank kabelloser Übertragung der Signale müssen sie sich dafür zum Meldezeitpunkt nicht in der Nähe der Produktionsstätte aufhalten.

Wichtig für eine langfristige Etablierung von Predictive Maintenance in Ihrem Betrieb ist daher, dass Sie Daten erfassen, digitalisieren und übermitteln. Aus einer anschließenden Berechnung ergeben sich Eintrittswahrscheinlichkeiten, beispielsweise für spätere Störungen.

 

Ausklappbare Informationsgrafik

 

Predictive Maintenance und Big Data

Um eine Aussage über den Zustand Ihrer Maschinen treffen zu können, bedarf es einer sehr großen Menge an Daten. Ihr Analysetool kann eine mögliche Störung nur dann verlässlich vorhersagen, wenn es die Datenmengen schnell und umfassend auswertet. Zur Bewältigung dieser riesigen Datenmengen sind Techniken aus dem Bereich der sogenannten Big-Data-Analyse gut geeignet – beispielsweise das Edge Computing.

Edge Computing ist ein Unterbereich des Cloud Computings und bezeichnet eine Netzwerkarchitektur, bei der wichtige Schlüsselpositionen der Datenverarbeitung wie Cloud-Anwendungen und IT-Serviceumgebungen an den Rand („Edge”) eines Netzes verlegt werden.

Die Datenverarbeitung und -übertragung erfolgt somit nicht mehr zentralisiert im und über das Rechenzentrum des Netzbetreibers, sondern dezentral und somit im besten Fall direkt am Ort des Geschehens. Indem Anwendungen und Aufgaben der Datenverarbeitung näher an den Ort der Datennutzung rücken, lassen sich Netzüberlastungen vermeiden und die Rechenleistung insgesamt deutlich verbessern.

Edge-Computing-Systeme erfassen neben Produktionsdaten der jeweiligen Maschine auch Umgebungsdaten wie Temperatur oder Luftfeuchtigkeit. Die dabei entstehenden Daten liegen häufig nicht im selben Format vor. Die Ansprüche an die Rechenkapazität Ihrer IT sind also enorm. Doch die umfangreiche Analyse dieser „Datenberge“ ist essentiell für die Aussagekraft Ihrer Predictive-Maintenance-Prognosen.

 

 Internet of Things: Alles aus einer Hand

Internet of Things: Alles aus einer Hand

Durch die intelligente Vernetzung von Maschinen und Gegenständen werden unter anderem Produktion und Logistik effizienter gestaltet. So sparen Sie wichtige Ressourcen und erweitern Ihre Geschäftsmodelle.

Optimieren Sie jetzt Ihre Prozesse: Wir sind mit über 118 Millionen Connections führend im Bereich IoT und diese Zahl wächst täglich.

 

Predictive Maintenance: Vorausschauende Instandhaltung praktisch umsetzen

Predictive Maintenance findet heute bereits in vielen Bereichen Verwendung – nicht nur in der produzierenden Industrie. Im Folgenden lesen Sie drei Anwendungsbeispiele für vorausschauende Instandhaltung in Mobilitätsdiensten und in der nachhaltigen Stromerzeugung.

 

Bei Kraftfahrzeugen

Bei der Wartung von Kraftfahrzeugen wird Predictive Maintenance immer wichtiger. Dank genauer Sensoren innerhalb des Fahrzeugs können Techniker:innen Störungen frühzeitig erkennen und spätere Ausfälle vermeiden. Misst die Sensorik in einem Kfz etwa Vibrationen jenseits des Normwerts, kann dies ein Hinweis auf eine ungleichmäßige Verbrennung in den Zylindern sein.

Beim nächsten Werkstattbesuch können Mechaniker:innen das beschädigte Teil auswechseln, bevor es im Fahrzeug weitere Schäden verursacht. Zukünftig verbinden sich immer mehr Autos über 5G-Technik mit dem Internet of Things: Autos senden dann die Daten der Sensoren in Echtzeit an den Kfz-Hersteller oder die jeweilige Servicewerkstatt.

 

In Zügen

Im Schienenverkehr werden mithilfe von Predictive Maintenance Reparaturen besser geplant. Informationen über die Haltbarkeit bestimmter Komponenten können überraschende Ausfälle von Zügen verhindern. Stellt das Predictive-Maintenance-System der Betreibergesellschaft fest, dass in einem Zug beispielsweise eine Pumpe in einem einzelnen Waggon nicht ordnungsgemäß arbeitet, können die Techniker:innen nötige Ersatzteile bei der nächsten Wartung sofort an der richtigen Stelle einbauen. Längere Ausfallzeiten eines Waggons oder des ganzen Zugs werden dadurch vermieden.

 

Bei Windkraftanlagen

Predictive Maintenance ist als datenbasierte Wartungsstrategie auch für Betreiber von Windparks relevant. Betreiber können ungeplante Ausfälle reduzieren und Instandhaltungsmaßnahmen optimieren. Das Rückgrat ist eine Software, die mithilfe eines maschinellen Lernverfahrens durch Analyse von Kontrolldaten das Normalverhalten einer Windenergieanlage erkennt.

Die Software kann große Abweichungen zum Normalverhalten einer Windkraftanlage als potentielle Fehlermuster identifizieren. Die trainierte künstliche Intelligenz (KI) ist dann in der Lage, durch Korrekturberechnungen das fehlerverursachende Bauteil zu identifizieren. Die KI kann es unter Umständen auch direkt deaktivieren oder den Einsatz von Servicepersonal empfehlen.

Auch für die Hersteller der Windenergieanlagen selbst ist die Predictive-Maintenance-Auswertung wichtig. Die Analyse von möglichen Fehlerquellen kann beispielsweise bei der Planung noch effizienterer Anlagen helfen.

 

Preventive und Predictive Maintenance

Die häufig im selben Zusammenhang genannten Begriffe Predictive Maintenance und Preventive Maintenance (zu Deutsch: vorbeugende Instandhaltung) meinen zwei verschiedene Instandhaltungsstrategien.

Die vorbeugende („preventive“) Instandhaltung bezieht sich auf den tatsächlichen Status quo der Anlage und nicht auf die durch Datenerhebung prognostizierte Lebensdauer, um eine erforderliche Wartung vorauszusagen.

Im Unterschied zur Predictive Maintenance nutzt Preventive Maintenance keine in Echtzeit von Sensoren erhobenen Daten zur Wartung. Wartungsmaßnahmen werden stattdessen anhand festgelegter Intervalle durchgeführt.

Der Preventive-Maintenance-Ansatz geht von einer theoretischen Ausfallrate aus. Wartungsbedingte Ausfallzeiten dürfen weder zu früh noch zu spät stattfinden. Manche Maschinenhersteller empfehlen beispielsweise, die Maschinen nach einer bestimmten Stundenarbeitszeit zwecks Wartung herunterzufahren.

Doch nicht jedes Unternehmen betreibt seine Produktionsanlagen mit derselben Intensität: Bei einer geringeren Auslastung der Anlage und einer damit verbundenen geringeren Abnutzung von Maschinen kann Preventive Maintenance zu unnötigen Wartungsarbeiten führen. Ein weiteres Manko: Beim Einsatz der vorbeugenden Instandhaltung besteht die Gefahr, dass Mechaniker:innen Teile frühzeitig austauschen, die noch einwandfrei funktionieren und es weiterhin auch getan hätten.

 

Was ist Smart Maintenance?

Als Smart Maintenance (zu Deutsch: schlaue Instandhaltung) bezeichnen Expert:innen alle technischen Lösungen, die eine Wartung von Maschinen und Systemen mithilfe „schlauer“ digitaler Tools ermöglichen. Dazu gehören auch Reparaturmaßnahmen an bereits ausgefallenen Maschinen. Voraussetzung für eine Smart-Maintenance-Strategie sind auch hier Aufzeichnungen und Verknüpfungen von Produktionsdaten Ihres mit IIoT-Sensoren ausgestatteten Maschinenparks. Aus dieser umfassenden Verknüpfung ergeben sich diverse Nutzungsmöglichkeiten. Zum Beispiel die Wartung von Maschinen mithilfe der sogenannten Augmented Reality (zu Deutsch: erweiterte Realität oder kurz: AR).

 

Smarte Wartung mit AR-Technologie

AR-Technologie ermöglicht ganz neue Wartungsmodelle. So erkennen Expert:innen bereits ohne Anfahrt zum Objekt, welches Bauteil Probleme verursacht und wo genau der Fehler im Betriebsablauf steckt. Das Identifizieren erfolgt dank Predictive Maintenance schon, bevor es zu Ausfällen kommt.

Und das passiert inzwischen nicht mehr einfach nur mit Hilfe von Tabellen und aktuellen Sensorwerten: Intelligente 3D-Modellierung macht mögliche Probleme im Steuerungsablauf greifbar und minimiert so den tatsächlichen Reparaturaufwand vor Ort.

Eine spezielle AR-Brille projiziert den inneren Aufbau einer Maschine direkt vor die Augen der Mitarbeiter:innen – inklusive der entsprechenden Reparaturanleitung. Ein Beispiel: Der Vodafone AR Assistant unterstützt derartige Vorhaben mit Hilfe erweiterter Realität und wichtigen Zusatzfunktionen. Er bietet unter anderem:

  • Grafische Markierung betroffener Bereiche an einem Bauteil, in einem Schaltkasten oder anderer zu wartender Gerätschaften
  • Integration von 3D-Objekten zur Visualisierung von Einbauverfahren, Bauteilgrößen und mehr
  • Sprachübertragung zur Problembeschreibung
  • Teilen von Dokumenten
  • Video-Liveübertragung für volle 1:1-Unterstützung während der Arbeiten
  • Chat-Funktion, beispielsweise zur Klärung von technischen Details oder genauen Einstellwerten
  • Hands-free-Anleitungen unterstützt durch nreal-AR-Brillen, bei denen der/die Mitarbeiter:in beide Hände zum Arbeiten frei hat und dabei wesentliche Support-Informationen vor die Augen eingeblendet bekommt

Die Vorteile: Ihr Unternehmen spart Fahrtkosten, indem der Support aus der Ferne erfolgt. Auch Ausfallzeiten werden minimiert, da die Unterstützung sofort und nicht erst nach Stunden geleistet wird. Eine solche Lösung ist nicht nur in der fertigenden Industrie von Bedeutung: Auch Logistik- und Transportunternehmen profitieren, wenn Fahrzeuge an Ort und Stelle repariert werden können.

Gleiches gilt für Energieversorger und andere Dienstleister: Auch hier kann ein AR-gestütztes Support-Instrument wichtige Einbauinstruktionen an den Monteur vor Ort übermitteln. Die aufwändige Suche nach Handbüchern oder lange Telefonate entfallen so in vielen Fällen.

 

Für wen lohnt sich Predictive Maintenance?

Der Einsatz von Predictive Maintenance lohnt sich besonders für Unternehmen, die den selben Maschinentyp mehrfach nutzen und in denen eben diese Maschinen häufiger ausfallen. Wenn Ihr Unternehmen selbst Maschinen herstellt, ermöglicht vorausschauende Instandhaltung Ihren Außendienstmitarbeiter:innen langfristige Planungen – zum Beispiel von Fahrtrouten bei Kundenbesuchen.

Bei Unternehmen, die dagegen verschiedene Maschinentypen mit relativ geringen Ausfallzeiten betreiben, kann Ihre Predictive-Maintenance-Software erst durch längerfristiges Datensammeln verwertbare Aussagen über spätere Ausfälle treffen.

Grundsätzlich gilt daher, dass der Mehrwert eines Predictiv-Maintenance-Projekts und die damit verbundene Komplexität von vielen Faktoren abhängt und in jedem Unternehmen individuell geprüft werden sollte.

 

Die Vorteile von Predictive Maintenance

Wir fassen zusammen: Gegenüber herkömmlichen Wartungsansätzen wie etwa der präventiven Instandhaltung bietet die vorausschauende Instandhaltung einige Vorteile. So können Sie beispielsweise in Ihrem Unternehmen ungeplante Maschinenausfälle vermeiden. Wenn Ihre Firma Maschinen in entfernten Niederlassungen wartet, können Ihre Mitarbeiter im Außendienst ihre Einsätze optimieren.

Ihre Mitarbeiter:innen können anhand der erfassten Daten absehen, wie lange sie für Reparaturen in einem bestimmten Werk brauchen. Ferner können sie Serviceintervalle und das Ersatzteilmanagement der Maschinen wesentlich besser planen. Dank der Analyse von konstant gesammelten Daten ist es möglich, die Leistung Ihrer Maschinen zu verbessern und eine höhere Produktivität zu erzielen.

 

Predictive Maintenance: Herausforderungen

 

Eine Frage der Sicherheit

Viele Unternehmen äußern im Zusammenhang mit Predictive Maintenance Sicherheitsbedenken: Der Umstand, dass Daten aus der Produktion unter Umständen bei externen Cloud-Dienstleistern unsicher seien, schafft Unbehagen. Dies geht aus einer Studie der Unternehmensberatung BearingPoint hervor. 44 Prozent der befragten Unternehmen äußern diesbezüglich Bedenken. 42 Prozent hegen sogar Zweifel an der Sicherheit der eigenen Unternehmens-IT. Daher ist es wichtig, bei der Verlagerung von IT-Anlagen in die Cloud auf seriöse Anbieter zurückzugreifen, die EU-Datenschutzvorgaben einhalten.

 

Große Datenmengen

Expert:innen sehen in den riesigen Datenmengen eine weitere Herausforderung, die das Predictive-Maintenance-Verfahren mit sich bringt. Doch moderne Technik ermöglicht das Aufzeichnen, Sammeln und Auswerten zahlreicher Daten. Alle Maschinen sollten daher auf einem möglichst aktuellen Stand der Technik sein.

Unter Umständen muss Ihr Unternehmen ältere Maschinen und Anlagen mit Sensoren, Fühlern oder Kameras nachrüsten. Ohne die konstante Überwachen (zu Englisch: Condition Monitoring) mithilfe dieser Geräte funktioniert vorausschauende Wartung nicht.

Die Akquise geeigneter Mitarbeiter:innen gilt als weitere Herausforderung. Das Warten, Auswerten und Analysieren von Predictive-Maintenance-Daten erfordert eine Vielzahl unterschiedlich qualifizierter Fachkräfte. Maschinenbauer:innen, Techniker:innen und Informatiker:innen sollten Hand in Hand arbeiten und über den Horizont der jeweiligen Spezialisierung hinausblicken können.

 

Predictive Maintenance: Zusammenfassung

  • Predictive Maintenance hilft Ihnen dabei, bevorstehende Maschinen- und Geräteausfälle zu erkennen.
  • Die Grundlage einer Predictive-Maintenance-Strategie sind smarte Sensoren.
  • Ein weitere essenzielle Voraussetzung für Predictive-Maintenance-Maßnahmen ist das Auslagern der Datenverarbeitung in die Cloud.
  • Ihre Analysetools können zukünftige Ausfälle nur dann voraussagen, wenn Ihre Software mithilfe einer Big-Data-Analyse alle anfallenden Daten schnell auswertet. Hier bedarf es einer IT-Anlage auf dem neuesten Stand der Technik.
  • Augmented-Reality-Technologie ermöglicht Ihnen sogenannte Smart Maintenance. Ihre Mitarbeiter:innen erkennen beispielsweise mithilfe einer Datenbrille, welche Bauteile in Ihren Maschinen nicht richtig funktionieren.

 

Wartet Ihr Unternehmen den Maschinenpark bereits mithilfe eines Predictive-Maintenance-Ansatzes? Über Ihre Erfahrungen in den Kommentaren freuen wir uns.


Ihre Digitalisierungs-Berater:innen für den Mittelstand

Sie haben Fragen zur Digitalisierung? Unser Expert:innen-Team hilft Ihnen kostenlos
und unverbindlich im Chat (Mo.-Fr. 8-20 Uhr). Oder am Telefon unter 0800 5054512

Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Facebook Twitter WhatsApp LinkedIn Xing E-Mail