Predictive Maintenance: Die Wartung von Morgen in der Industrie 4.0

kommentiert 0
gelesen 49

Predictive Maintenance wird die traditionelle Servicekultur stark beeinflussen, wenn nicht sogar revolutionieren. Der Begriff bedeutet so viel wie „vorausschauende Wartung“, „Fehlervorhersagen treffen zu können“, „Instandhaltung“ sowie „Nutzungsspezifische Wartungshinweise zu geben“. Ob Produktions-, Logistik-, Software oder Wartungsunternehmen – Predictive Maintenance eröffnet künftig Chancen, die Effizienz zu steigern, Kosten zu senken und Innovationen schneller in den Markt zu bringen.

 

 

Auch wenn die Forschung und Entwicklung auf diesem Gebiet noch in den Kinderschuhen steckt, beschäftigen sich Studien des Verbandes Deutscher Maschinen- und Anlagenbau e.V. (VDMA) zufolge, bereits über 80 Prozent der oben genannten Branchen mit Predictive Maintenance. Ein endgültiger Durchbruch wird für das Jahr 2020 erwartet. [1]

Gründe für die rasante Entwicklung von Predictive Maintenance

Der Einsatz dieser neuen Technologie bietet noch nie dagewesene Transparenz und erweitert den Handlungsspielraum für die Bereiche Produktion, Aftersales sowie Forschung & Entwicklung enorm. Die rund-um-die-Uhr-Überwachung (24/7) sämtlicher Produktionsabläufe und Maschineninformationen schafft die notwendige Datenbasis dafür. Über sogenannte Smart Devices werden die verarbeiteten „Daten“ zu aussagekräftigen Informationen, die in Form von Dashboards graphisch dargestellt und aufbereitet werden. Identifizierte Schwachstellen im Maschinen- und Anlagenbereich werden über entsprechende Alerts auf dem Dashboard angezeigt. Zeitgleich wird beispielsweise ein Servicemitarbeiter per Nachricht über die Störungen informiert. Das ermöglicht eine vorbeugende Reaktion auf ermittelte Defizite und damit eine Vermeidung von Totalausfällen.

doubleSlash Blog Predictive Maintenance Illustration

 

 

 

 

 

 

 

 

Spätestens jetzt wird auch klar, warum durch Predictive Maintenance insbesondere der Servicegedanke im Bereich Industrie 4.0 künftig vor einem großen Umbruch steht. Böse Überraschungen durch ausgefallene Sensoren, stehende Produktionsanlagen, oder gar verdorbene Waren könnten durch Predictive Maintenance bald der Vergangenheit angehören.

Aber wie wird mit Hilfe von Predictive Maintenance eine Störung ermittelt?

 
Wie so oft, liegt auch hier der Schlüssel zum nachhaltigen Erfolg in den Daten. Für die Ermittlung einer Störung werden zum einen Datenquellen aus bereits digitalisierten Prozessabläufen entnommen, beispielsweise die Temperatur von Hilfsstoffen wie Öl, die Trägheit eines Getriebes oder eine entstandene Unwucht in gleichartig wiederkehrenden Bewegungsabläufen. Zum anderen wird auf die manuelle Dokumentation erfahrener Mitarbeiter zurückgegriffen. Angereichert mit weiteren Daten aus z.B. externen Datenquellen entsteht am Ende eine Summe an Daten, die zuverlässige Informationen darüber liefern, wann es zu einem Störfall kommen kann. Diese Daten-Aggregationen stellen die wertvolle Basis für die Gewinnung zahlreicher Mehrwerte, wie z.B. das frühzeitige Erkennen von Ausfällen oder die Identifikation von Optimierungspotentialen, dar.

Fazit

Predictive Maintenance nutzt datenbasierte Erkenntnisse, um Serviceprozesse zu verbessern. Insbesondere Produktionsunternehmen profitieren davon, in dem es ihnen möglich wird, ihre Ausfallzeiten zu vermeiden, ihre Gesamteffektivität zu erhöhen und ihre Optimierungsfelder anhand der Daten schneller zu identifizieren. Ein durchaus bekanntes Einsatzgebiet unter den Produktionsanlagen sind beispielsweise Windkraftanlagen. Dabei handelt es sich meist nicht nur um eine Anlage, sondern um ganze Maschinenparks. Mehr dazu erfahren Sie in unserem nächsten Blogbeitrag dieser Serie.

Unternehmen, die längst auf den Trend der Digitalisierung setzen oder die ersten Weichen gestellt haben, bringen bereits beste Voraussetzungen mit, um die weiteren Schritte zur Transformation der Servicekultur zu realisieren und sich dadurch von der Konkurrenz abzuheben.

Mehr zu Predictive Maintenance erfahren Sie auf dem IoT slashTalk am 23.11.2017 in München

Quellen:

[1] ROLAND BERGER GMBH, 80538 München, PDF S. 8-12, April 2017, https://www.vdma.org/v2viewer/-/v2article/render/17179971?cachedLR61051178=de_DE

Zurück zur Übersicht

Kommentar verfassen

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

*Pflichtfelder

*