Predictive Maintenance
Inhaltsverzeichnis
- Was ist Predictive Maintenance?
- Predictive Maintance vs. Condition Monitoring
- Wartung & Instandhaltung
- Das Konzept von Predictive Maintenance
- Zielgruppe
- Funktionsweise
- Die Top 5 Anbieter von Predictive Maintenance Lösungen
- SAP Predictive Maintenance
- SAP Predictive Analytics
- Predictive Maintenance in der Praxis
- Unternehmerische Hürden
- Fazit
- FAQ
Was ist Predictive Maintenance?
Predictive Maintenance wird auch als vorausschauende Wartung übersetzt und beschreibt die Analyse von Maschinen- und Produktionsdaten, um Maschinen proaktiv zu warten. Dadurch sollen Qualitätsstandards gehalten und Stillstände vermieden werden.
Predictive Maintance vs. Condition Monitoring
Condition Monitoring und Predictive Maintenance sind wichtige Instrumente für die Wartung von Anlagen und Maschinen. Condition Monitoring erkennt kritische Ereignisse und Betriebszustände, um schnell reagieren und kostspielige Folgeschäden vermeiden zu können. Predictive Maintenance prognostiziert Risiken basierend auf den Daten des Condition Monitorings und ermöglicht eine bedarfsorientierte Planung von Wartungsmaßnahmen. Beide Ansätze haben das Potenzial, die Effizienz und Verfügbarkeit von Anlagen zu steigern und Kosten zu senken.
Wartung & Instandhaltung
Selbst modernste Fertigungsverfahren und ausgefeilte Technik schützen Maschinen und Anlagen nicht dauerhaft vor Schäden oder notwendigen Wartungsarbeiten. Dabei kann der plötzliche Ausfall einer Maschine im schlimmsten Fall sogar die gesamte Fertigungsanlage zum Stillstand bringen. Solch ein Szenario kostet Unternehmen nicht nur Zeit und Geld, sondern gefährdet auch die Reputation des Herstellers.
Um ungeplante Ausfälle so gut wie möglich zu vermeiden, arbeiten viele Unternehmen daher mit rigiden Wartungs- und Instandhaltungsplänen. Dieses Vorgehen reduziert zwar das Ausfallrisiko, ist jedoch mit hohen Kosten verbunden, da Maschinen auch dann überprüft werden, wenn kein Bedarf besteht. Predictive Maintenance ist hier die Lösung, die verspricht, ungeplante Stillstände und Instandhaltungskosten drastisch zu reduzieren.
Das Konzept von Predictive Maintenance
Zur Zielerreichung von Predictive Maintenance werden die Maschinen mit Sensoren versehen, welche Daten sammeln und diese in das IT-Netzwerk speisen. Anhand der erfassten Informationen werden Analysen durchgeführt, die wiederum Rückschlüsse auf notwendige Wartungsarbeiten zulassen. Die weitsichtige Vorgehensweise führt zu weniger Störungen, wobei Experten davon ausgehen, dass bis zu 70 % aller ungeplanten Ausfälle mithilfe von Predictive Maintenance verhindert werden können.
Zielgruppe
Der Begriff Predictive Maintenance ist untrennbar mit Industrie 4.0, Big Data und dem Internet of Things verbunden. Daher ist es auch nicht verwunderlich, dass besonders die Bereiche Industrie und Fertigung von diesem Ansatz profitieren. So wird die vorausschauende Wartung schon heute bei Windrädern, Turbinen und in der Papier- und Fahrzeugindustrie erfolgreich eingesetzt.
Moderne Systeme erlauben es, Umgebungsdaten in die Analysen einfließen zu lassen. Die Auswertungen zeigen hierbei auf, welchen Effekt Hitze, Luftfeuchtigkeit oder drohende Stürme auf die Anlagen haben, sodass diese bei Bedarf frühzeitig ausgeschaltet werden können.
Funktionsweise
Damit die vorausschauende Wartung erfolgreich ist, müssen sämtliche Maschinen und Anlagen mit den notwendigen Sensoren und Messgeräten ausgestattet werden. Ist die Einrichtung abgeschlossen, kann das System seine Arbeit aufnehmen. Dabei gliedert sich die Methode in drei fundamentale Schritte:
- Erfassung aller relevanten Messwerte
- Übermittlung und Speicherung der erfassten Daten
- Analyse, Auswertung, Vorhersage und Überwachung
Bei der Analyse und Auswertung gilt es zu beachten, dass die Daten oftmals aus unterschiedlichen Systemen stammen und vor der eigentlichen Auswertung homogenisiert werden müssen. Zudem gilt es, die einzelnen Auswertungsergebnisse auf Basis von Regeln zu bewerten. Nur so lassen sich exakte Vorhersagen erstellen, aus denen maßgeschneiderte Wartungspläne abgeleitet werden können.
Die Top 5 Anbieter von Predictive Maintenance Lösungen
- IBM: PMQ (Predictive Maintenance and Quality) mit Watson-System, erfasst und analysiert Anlagendaten und erzeugt einen Zustandsbericht. Implementierungen bei Kunden wie KONE oder Wasser- und Abwasserbehörde des Distrikts Columbia.
- SAP: “Predictive Maintenance and Service”-Lösung als Teil des IoT-Innovationsportfolios SAP Leonardo. Angewendet bei Kunden wie Kaeser Kompressoren oder Siemens.
- Siemens: Vorausschauende Wartung und Instandhaltung auf zentrales Automatisierungssystem angewendet, Datenbasis für maschinelles Lernen bereits gegeben. Beispiel: Predictive-Maintenance-System am NASA Armstrong Flight Center (Kühlsysteme) mit Analytics-Experten Azima DLI.
- Microsoft: Azure bietet Public-Cloud-Plattform für Industrial-IoT-Lösungen und vorausschauende Wartung. “Predictive Maintenance” und “Remote Monitoring” sind vorkonfigurierte Lösungen für schnellen Einstieg.
- General Electric (GE): GE Measurements bietet Condition-Monitoring-Hardware, GE Digital deckt Software- und Analyseaspekt ab. Asset Performance Management (APM) auf Predix-Plattform mit Killer-Anwendung im IoT-Bereich. Konzept des digitalen Zwillings (Digital Twin) als zentrale Voraussetzung für Datenanalyse im Rahmen der vorausschauenden Wartung.
SAP Predictive Maintenance
SAP gilt als Vorreiter, wenn es um die vorausschauende Wartung geht. Dabei bietet der Konzern seinen Kunden schon seit mehreren Jahren Lösungen, die sich mit der Einführung und Etablierung von Predictive Maintenance beschäftigen. So erlaubt es das Modul SAP Predictive Maintenance and Service beispielsweise, den Status von Maschinen und Anlagen dauerhaft zu überwachen. Dadurch lassen sich notwendige Wartungseinsätze automatisch planen, wobei selbst eine proaktive Bestellung notwendiger Ersatzteile auf Wunsch möglich ist.
Zusätzlich profitieren Kunden vom SAP Asset Intelligence Network. Dieses Feature bringt Dienstleister, Hersteller und Betreiber auf einer einzigen Plattform zusammen. Darüber hinaus standardisiert SAP die gesammelten Daten, sodass Teilnehmer auf eine einheitliche Datenbasis zugreifen können.
Digitaler Zwilling
Sämtliche Maschinen und Anlagen lassen sich innerhalb des Systems auch virtuell darstellen. Diese digitalen Zwillinge werden mit den übermittelten Messwerten und Sensordaten gespeist und spiegeln so jederzeit den Zustand der aktuellen Anlage wider. Dabei können sämtliche Daten in Echtzeit abgerufen werden. Außerdem erlaubt es SAP, den Verschleiß der Anlagen zu simulieren, wodurch maßgeschneiderte Voraussagen möglich werden.
SAP Predictive Analytics
Die erfassten Daten und Messwert werden innerhalb des Systems oder auch auf der cloud-basierten Plattform von SAP gesammelt und analysiert. Das System ermöglicht hierbei die Einbindung von Daten, die von Drittanbietern stammen, wodurch eine durchgehende Big Data Lösung umgesetzt werden kann. Dank smarter Analysen, die individuelle Regeln, kundenspezifische Algorithmen und historische Daten in der Auswertung beachten, können so Trends abgeleitet werden, die wiederum bei der Findung des optimalen Wartungszeitpunkts helfen.
Servicekettenoptimierung- Vorteile von Predictive Maintenance
Das Konzept der vorausschauenden Wartung bietet eine Vielzahl an Vorteilen und Chancen, die besonders für Produktions- und Fertigungsbetriebe überaus attraktiv sind. So lassen sich Bestellungen für notwendige Ersatzteile sowie Serviceintervalle wesentlich besser und genauer planen, wodurch die Produktivität steigt und langfristige Kosteneinsparungen möglich werden. Wird das System in der Cloud gehostet, kommt es zudem zu einer gesteigerten Mobilität, da Mitarbeiter erforderliche Daten, unabhängig von Zeit und Ort, auf ihren mobilen Geräten abrufen können. All diese Eigenschaften begünstigen Optimierungen entlang der gesamten Servicekette, wodurch Betriebsanlagen wesentlich effizienter geführt werden können.
Berechnungsmodelle
Kein Ansatz ist perfekt und das gilt auch für Predictive Maintenance. So ist die Einführung solch eines Projekts in der Regel komplex und mit hohen Kosten verbunden. Kleine und mittelständische Unternehmen können die notwendigen Investitionssummen oftmals nicht aufbringen, wodurch wirtschaftliche Nachteile entstehen. Zudem müssen die Daten und Messwerte regelmäßig erhoben und ausgewertet werden. Je mehr Abstand zwischen den Messungen vergeht, desto ungenauer ist auch das Ergebnis. Dabei darf nicht vergessen werden, dass auch die Basiswerte und Berechnungsmodelle, die die Grundlage der Analysen bilden, regelmäßig aktualisiert werden müssen. Dies bedeutet wiederum Aufwand, der mit laufenden Kosten für das Unternehmen verbunden ist.
Predictive Maintenance in der Praxis
Predictive Maintenance ist eine Methode, die heute in vielen Branchen Anwendung findet. Diese vorausschauende Instandhaltung ist nicht nur für das produzierende Gewerbe von Interesse, sondern auch für Mobilitätsdienste wie Luftfahrt, Fahrzeuge oder Züge sowie für Windkraftanlagen.
Durch die Anwendung von Predictive Maintenance können Ausfallzeiten von Windkraftanlagen fast vollständig vermieden werden. Im Bereich der Mobilität wird Predictive Maintenance auch bei der Wartung von Kraftfahrzeugen immer wichtiger. Durch Sensoren im Motor oder Fahrwerk von Fahrzeugen können teure Reparaturen oder Ausfälle frühzeitig vermieden werden. In der Luftfahrtindustrie kann der Einsatz von Predictive Maintenance dazu beitragen, Schäden an Turbinen oder hydraulischen Pumpen zu erkennen und vor einem Ausfall zu beheben. Airbus hat hierzu bereits ein Projekt namens “Skywise” gestartet.
Im Schienenverkehr kann Predictive Maintenance ebenfalls dazu beitragen, Störungen im Betriebsablauf zu vermeiden, indem Reparaturen besser geplant und der Ausfall so kurz wie möglich gehalten werden. Die Analyse von erfassten Daten ermöglicht die Auswahl richtiger Reparaturanweisungen und die Bereitstellung passender Ersatzteile.
Unternehmerische Hürden
Predictive Maintenance ist wichtig, um Ausfallzeiten und Kosten zu reduzieren, aber viele Unternehmen haben Schwierigkeiten bei der Umsetzung. Ein Hauptproblem ist der begrenzte Datenfluss, da nur 32% der Produktionsanlagen in der DACH-Region miteinander vernetzt sind. Unternehmen müssen daher ihre Datensilos aufbrechen und einen zentralen Zugriff auf alle relevanten Daten schaffen. Die Interoperabilität der Systeme kann durch Adapter zu Maschinen-Controllern wie dem Siemens SIMATIC S7 verbessert werden, um Daten an einem zentralen Knotenpunkt zusammenzuführen.
Fazit
Predictive Maintenance ist einer der wichtigsten Industrietrends der letzten Jahre. Umfassende Netzwerke sorgen hierbei dafür, Ausfallrisiken zu minimieren und Betriebsanlagen nachhaltig zu nutzen. Für eine treffsichere Vorhersage benötigt man jedoch sehr große Datenmengen, die wiederum gespeichert, harmonisiert, analysiert und ausgewertet werden müssen. Zudem darf der Aufwand, der im laufenden Betrieb entsteht, nicht unterschätzt werden. Clever umgesetzt, bringt die vorausschauende Wartung Unternehmen jedoch zahlreiche Vorteile, die einen wichtigen Einfluss auf den aktuellen und zukünftigen Geschäftserfolg haben.
FAQ
Was ist Predictive Maintenance?
Predictive Maintenance oder vorausschauende Wartung beschreibt die Analyse von Maschinen- und Produktionsdaten, um Maschinen proaktiv zu warten. Dadurch sollen Qualitätsstandards gehalten und Stillstände vermieden werden. Im Zentrum von Predictive Maintenance stehen smarte Systeme, Messgeräte und Sensoren die, dank Vernetzung und geschickter Analysen, Probleme frühzeitig entdecken sollen.
Welche Vorteile hat Predictive Maintenance?
Predictive Maintenance hat den Vorteil, dass ungeplante Stillstände und Instandhaltungskosten drastisch reduziert werden können. Das Konzept führt zu weniger Störungen, wobei Experten davon ausgehen, dass bis zu 70 % aller ungeplanten Ausfälle mithilfe von Predictive Maintenance verhindert werden können. Durch die Analyse von Maschinendaten kann auch der Wartungsbedarf besser prognostiziert werden, was die Effizienz und Verfügbarkeit von Anlagen steigert und Kosten senkt.
Wo wird Predictive Maintenance eingesetzt?
Der Begriff Predictive Maintenance ist untrennbar mit Industrie 4.0, Big Data und dem Internet of Things verbunden. Daher profitieren besonders die Bereiche Industrie und Fertigung von diesem Ansatz. Die vorausschauende Wartung wird schon heute bei Windrädern, Turbinen und in der Papier- und Fahrzeugindustrie erfolgreich eingesetzt. Moderne Systeme erlauben es, Umgebungsdaten in die Analysen einfließen zu lassen. Die Auswertungen zeigen hierbei auf, welchen Effekt Hitze, Luftfeuchtigkeit oder drohende Stürme auf die Anlagen haben, sodass diese bei Bedarf frühzeitig ausgeschaltet werden können.
Kostenlose Websession Predictive Maintenance mit Fachbereichsleiter Swen Deobald
Sie möchten Ihre Maschinen vorausschauend Warten? Sie möchten Kosten sparen und Ausfallzeiten vermeiden? In einer kostenlosen Websession sprechen wir gemeinsam über Ihre Fragen und Herausforderungen. Füllen Sie das Formular auf der nächsten Seite aus und ich melde mich in den nächsten Tagen bei Ihnen, um einen festen Termin zu vereinbaren.
