Predictive Maintenance: Eingreifen, bevor alles stillsteht

Technologie

Technologie

Datum 01.07.2021
Lesezeit 7 Min.

Predictive Maintenance: Eingreifen, bevor alles stillsteht

Wenn in Industriebetrieben Maschinen ausfallen, dann stehen häufig ganze Produktionszweige still. Damit das nicht passiert, gibt es sogenannte Predictive-Maintenance-Verfahren. Sie sorgen mittels IoT-Technologie dafür, dass mögliche Ausfälle rechtzeitig erkannt werden. Spezielle, vernetzte Sensoren schlagen hierbei Alarm, noch bevor es zu Unterbrechungen in der Fertigung oder anderen Prozessen kommt. So lassen sich im Produktionsalltag enorme Kosten sparen und Risiken minimieren. Bei der thyssenkrupp Elevator AG funktioniert das Ganze sogar AR-gestützt. 

Eine Maschine arbeitet selten allein: Im produzierenden Gewerbe muss ein Rad ins andere greifen, damit aus Rohmaterial am Ende ein fertiges Erzeugnis wird. Wenn es dann an nur einer einzigen Stelle hakt, kommt häufig der gesamte Produktionsprozess zum Erliegen. Die Folge sind Störungen in der Logistikkette, Lieferverzögerungen und jede Menge Stress bei den betroffenen Mitarbeitern.

All das soll mit Predictive-Maintenance-Verfahren bald weitgehend Geschichte sein. Helfen kann hier die sogenannte „New Industry”, zum Beispiel durch die konsequente Digitalisierung von Gewerbebetrieben. Wir zeigen Ihnen, wie die Technologie funktioniert und ob sie in der Praxis tatsächlich so revolutionär ist, wie der Begriff vermuten lässt.

 

Predictive Maintenance: Das steckt hinter dem Begriff

Bei Predictive-Maintenance-Verfahren geht es grob gesprochen darum, bevorstehende Maschinen- und Geräteausfälle zu erkennen, noch bevor diese passieren. Gründe für mögliche Blockaden gibt es zuhauf:

  • Geht einer Maschine das benötigte Rohmaterial aus, weil es nicht rechtzeitig nachgelegt wurde, 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.
  • Werden bestimmte Wartungsintervalle nicht eingehalten, kann es ebenfalls zum Ausfall von Anlagen kommen.
  • Verfügt ein sich drehendes oder bewegendes Gerät nicht mehr über genügend Schmiermittel, schaltet es sich ab, um Beschädigungen zu verhindern.

Wie eine Studie des Verbands Deutscher Maschinen- und Anlagenbauer (VDMA) und der Unternehmensberatung Roland Berger zeigt, gibt es im Bereich der vorausschauenden Wartung weiterhin Nachholbedarf. So nutzen bislang erst 40 Prozent der befragten Unternehmen derartige Technologien. Eine wesentliche Herausforderung scheint hierbei die Frage nach der Verarbeitung der riesigen, anfallenden Datenmengen zu sein (Big Data).

Dabei bieten sich Predictive-Maintenance-Verfahren nicht nur in Fabrikhallen an, sondern sind auch in verschiedenen anderen Bereichen von Vorteil:

  • Automobilindustrie: Sensoren, die nicht erst bei einem Defekt, sondern deutlich früher einen „Voralarm” melden, minimieren mögliche Fahrzeugpannen und andere Defekte.
  • Schienenverkehr: Ein fahrbares Prüfsystem wäre in der Lage, mögliche Veränderungen an der Gleisbeschaffenheit (Spurbreite, mögliche Lücken oder beginnende Weichendefekte) rechtzeitig zu erkennen und ein Montageteam loszuschicken.
  • Luftfahrt: Gerade im Luftverkehr helfen noch frühzeitigere Warnsysteme, mögliche Ausfälle oder erheblichen Verschleiß rechtzeitig zu erkennen, die Flugsicherheit zu erhöhen und Wartungszeiten zu minimieren.
  • Energieversorgung: Nicht nur im Bereich der Stromversorgung, sondern auch bei Gas- und Öllieferanten ist es wichtig, den Zustand der eigenen Anlagen genauestens zu kennen. Das minimiert nicht nur mögliche Wartungszeiten, sondern erhöht auch die Lebensdauer der betreffenden Anlagen.
  • Windkraft: Durch Schwingungsanalysen von sensiblen Bauteilen lassen sich Defekte deutlich früher erkennen, als dies mit herkömmlichen Methoden der Fall wäre.

Damit Deutschland seiner Vorreiterrolle im Bereich technischer Lösungen weiterhin gerecht wird und diesen Vorsprung ausbauen kann, ist vermutlich ein noch größeres, branchenübergreifendes Bewusstsein für die Möglichkeiten von IoT, Cloud-Lösungen und maschinellem Lernen vonnöten. Ganz im Sinne der New Industry von morgen.

Im Produktionsprozess neue Wege gehen? Erleben Sie New Industry

Im Produktionsprozess neue Wege gehen? Erleben Sie New Industry

Dank smarter Vernetzung von Personen, Maschinen und Gegenständen im Internet of Things (IoT) steigern Sie die Effizienz, Produktivität, Innovation, Wachstum und Kundenzufriedenheit in Ihrem Unternehmen.

Nutzen Sie die Chancen, die sich aus konsequentem, datenorientierten Handeln ergeben.
Und das für alle Branchen – von der produzierenden Industrie über den Handel bis hin zum Dienstleistungssektor.

Wie Sie in Ihrem Maschinenpark Probleme frühzeitig erkennen können

Damit die sogenannte Predictive Maintenance funktioniert, sind zunächst bestimmte Sensoren an Ihren Maschinen notwendig, die anschließend untereinander vernetzt werden. Dies geschieht mit Hilfe sogenannter IoT-Komponenten und funktioniert dank Narrowband-IoT von Vodafone auch an schwer zugänglichen Standorten mit (bislang) schlechter Netzabdeckung. Den Rest erledigen dann spezielle Algorithmen innerhalb der Cloud. Eine Voraussetzung ist auch hier die konsequente Digitalisierung aller Komponenten – ein wesentliches Merkmal der „New Industrie”.

Das Grundprinzip funktioniert hierbei so, dass die Sensordaten Ihrer Maschine(n) in bestimmten zeitlichen Abständen an eine zentrale Instanz übertragen und dort ausgewertet werden. So können Sie sämtliche aktuellen Zustände bequem an Ihrem Tablet oder an einem PC abfragen und sich über auftretende Probleme und deren Natur informieren, ohne die Maschine aufsuchen und/oder auslesen zu müssen. Diese Art von Maschinenvernetzung ist auch Grundvoraussetzung für die sogenannte Smart Factory, also eine Art „denkende Fabrik”, die weitgehend vollautomatisch arbeitet.

Ein mögliches Szenario ist, dass in einem Betrieb für Industriebauteile einer bestimmten Maschine der Nachschub an Rohmaterial auszugehen droht. Durch angebrachte und mittels IoT-Technik vernetzte Meldesensoren „wissen“ nicht nur die Maschine, sondern auch das Wartungssystem zu jeder Zeit, wie viele Ressourcen noch verfügbar sind. Wird nun ein vorher festgelegter Meldebestand unterschritten, können Sie sich diese Information auf Ihrem Tablet anzeigen lassen und einen Mitarbeiter mit dem Nachlegen von Teilen beauftragen. Das Schöne daran ist: Sie müssen sich hierfür weder im Betrieb selbst noch in dessen Nähe aufhalten.

 

Unterschied zwischen präventiver und vorausschauender Wartung

Grundsätzlich gibt es verschiedene Ansätze zur Maschinenwartung:

  1. Reaktive Instandhaltung: Es wird erst dann etwas instandgesetzt, wenn die Maschine oder Teile davon ausfallen. Die mögliche Folge ist ein teilweiser oder kompletter Stau in der Produktion.
  2. Präventive Instandhaltung (Preventive Maintenance): Wartungsintervalle werden eingehalten und Teile ausgetauscht, auch wenn die Maschine bisher noch läuft. Das kann auch bedeuten, dass noch funktionierende Bauteile unnötig gewechselt werden. Das führt zu hohen Material- und Wartungskosten.
  3. Zustandsorientierte Instandhaltung: Basierend auf verschiedenen Daten und moderner Messtechnik werden Wartungsarbeiten so geplant, dass keine Bauteile unnötig, aber dennoch rechtzeitig ausgetauscht werden. Dieses Verfahren ist modern, bietet aber keine wirklichen Vorhersagemöglichkeiten.
  4. Vorausschauende Instandhaltung (Predictive Maintenance): Durch intelligente Verknüpfung einer ganzen Reihe von Sensordaten und historischer Werte werden mögliche Ausfälle vorab durch Verfahren der KI, der Statistik und auf Basis historischer Daten vorab erkannt und verhindert.

 

Predictive Maintenance und Machine Learning – wie hängt das zusammen?

Eine intelligente, vorausschauende Maschinenüberwachung „meldet” sich also, wenn mehrere Faktoren in Kombination miteinander in der Vergangenheit zu Ausfällen geführt haben. Ein Beispiel:

  • Die Außentemperatur am Standort beträgt seit mehreren Tagen über 30 Grad Celsius.
  • Der letzte Ölwechsel bei der Maschine liegt mehr als zwei Monate zurück.
  • Das Wartungsintervall ist kurz vor dem Ablauf.
  • Die Maschine läuft seit drei Tagen ununterbrochen auf Höchstleistung.

Es liegt auf der Hand, dass Ausfälle von Maschinen häufig nicht auf einzelne, sondern eine Kombination ungünstiger Faktoren zurückzuführen sind. Genau diesen Zustand versuchen Predictive-Maintenance-Verfahren vorherzusagen und rechtzeitig, aber natürlich nicht unnötig Alarm zu schlagen.

Diese Form des KI-gestützten „Vorausberechnens“ möglicher Ausfallszenarien bezeichnen Experten auch als Machine Learning (englisch für „Maschinelles Lernen“). Machine Learning ist eine Anwendung von künstlicher Intelligenz, die Systemen die Möglichkeit bietet, automatisch aus Erfahrungen zu lernen und sich zu verbessern, ohne explizit für jeden denkbaren Spezialfall programmiert zu werden. Machine Learning konzentriert sich auf die Entwicklung von Computerprogrammen, die auf Daten zugreifen und diese zum selbstständigen Lernen nutzen, um etwa Systemausfälle rechtzeitig zu erkennen. Im Idealfall steht so Ihre Produktion nie wieder ungeplant still.

Übrigens: Längst setzen unter anderem Automobilhersteller wie BMW, Daimler, VW und so weiter Predictive-Maintenance-Verfahren ein, um Abläufe in der Fertigung zu optimieren. Für die Zukunft ist geplant, auch die in Fahrzeugen aufgezeichneten Echtzeitdaten großflächig auszuwerten. So soll eine KI bereits vor einem auftretenden Schaden Fahrzeuge auf mögliche Fehlerquellen „durchsuchen“ können.

 

 

Smart Maintenance: Die Zukunft vorausschauender Wartung ist AR-gestützt

Durch die Erfassung, Übertragung und Auswertung derartiger Sensordaten und den Einbezug der sogenannten Augmented Reality sind ganz neue Wartungsmodelle möglich. So können Experten bereits ohne Anfahrt zum Objekt erkennen, welches Bauteil welche Probleme verursacht und wo genau der Fehler im Betriebsablauf steckt – teils sogar, wie oben beschrieben, bevor es zu Ausfällen kommt.

 

atom

5G Whitepaper: AR/VR

5G Whitepaper: AR/VR

Agumented und Virtual Reality mit 5G: Expertenwissen teilen und mit Service punkten. 
Erfahren Sie mehr in unserem 5G Whitepaper

  • Unterschiede AR & VR
  • Anwendungsszenarien & Beispiele
  • Voraussetzungen und erste Schritte

 

Und das passiert inzwischen nicht mehr einfach nur mit Hilfe von Tabellen und aktuellen Sensorwerten: Intelligente 3D-Modellierung macht mögliche Probleme im Steuerungsablauf geradezu greifbar und minimiert so den tatsächlichen Reparaturaufwand vor Ort. Dabei wird nicht nur das vorhandene Problem visualisiert, sondern dem Techniker für den Einsatz vor Ort auch gleich die entsprechende Reparaturanleitung mitgeliefert. Wie gut, dass der Vodafone AR Assistant ab sofort derartige Vorhaben mit Hilfe erweiterter Realität und wichtigen Zusatzfunktionen unterstützt. Er bietet unter anderem:

  • Grafische Markierung betroffener Bereiche an einem Bauteil, in einem Schaltkasten oder anderen zu wartenden 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 Gesprächspartner beide Hände zum Arbeiten frei hat und dabei wesentliche Support-Informationen vor den Augen eingeblendet bekommt

Die Vorteile liegen auf der Hand: So lassen sich nicht nur Fahrtkosten sparen, indem der Support einfach aus der Ferne erfolgt. Auch Ausfallzeiten lassen sich minimieren, da die Unterstützung sofort und nicht erst nach Stunden geleistet werden kann. 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 den meisten Fällen.

In einer unverbindlichen Live-Demo können Sie sich von unseren Beratern einen Eindruck verschaffen, was der AR Assistant alles kann – und ob er für Ihre Einsatzzwecke geeignet ist.




Video: YouTube / Vodafone Deutschland

 

In thyssenkrupp-Aufzügen sind Vodafone-SIM-Karten verbaut

Die thyssenkrupp Elevator AG befördert mit ihren zwölf Millionen Aufzügen weltweit insgesamt etwa eine Milliarde Menschen pro Tag. Mit Hilfe von mehr als 100.000 verbauten Vodafone-SIM-Karten werden bei vielen Aufzugsystemen des bekannten Aufzugherstellers schon jetzt die notwendigen Betriebsparameter und Wartungsdaten an eine zentrale Stelle übermittelt und dort ausgewertet. Die entsprechende Lösung heißt MAX und revolutioniert derzeit die Aufzugbranche: Sie wurde unter anderem am hauseigenen Versuchsaufzug in Rottweil entwickelt und soll nach und nach in etwa einer Million Aufzüge weltweit Einzug finden.




Video: YouTube / Vodafone Deutschland

 

Welche Anwendungsszenarien fallen Ihnen für vorausschauende Wartung ein? Wir freuen uns auf Ihren Kommentar.

 

 


Ihre Digitalisierungs-Berater für den Mittelstand

Sie haben Fragen rund um die Digitalisierung? Unser Experten-Team steht ihnen gerne kostenlos
und unverbindlich im Chat (Mo.-Fr. 8-20Uhr) oder telefonisch unter 0800 5054512 zur Verfügung.

Kommentare

Schreibe einen Kommentar

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

Facebook Twitter WhatsApp LinkedIn Xing E-Mail