Kurz gefasst: Predictive Maintenance in 3 Minuten

Next Big Think Juli 29, 2020

„Produktion aufgrund von Wartungsarbeiten für zwei Wochen eingestellt“, lesen Sie in der Lokalzeitung. Die Schlagzeile betrifft zum Glück nicht Ihr Unternehmen, sondern die Firma im Nachbardorf. Vor allem ärgerlich für Ihre Konkurrenz: Die Wartungsarbeiten wären nicht nötig gewesen, hätte man das verformte Zahnrädchen in der Hauptmaschine früher entdeckt. Es blieb aber wochenlang unbemerkt und beschädigte langsam, aber wirksam, die ganze Maschine. Sie trinken den letzten Schluck Ihres Feierabendbiers und denken sich: „Dank Predictive Maintenance wäre das bei mir zum Glück nicht passiert.“

Was ist Predictive Maintenance?

Predictive Maintenance bedeutet eine vorausschauende Instandhaltung, indem Prozess- und Maschinendaten in Echtzeit erhoben und verarbeitet werden. Aus diesen Daten können Prognosen erstellt werden, die es ermöglichen, Wartungsarbeiten präzise und vorausschauend zu planen. Predictive Maintenance basiert auf künstlicher Intelligenz (KI) und Predictive Analytics.

Verschleißerscheinungen kann man beispielsweise entdecken und beheben, bevor ein Defekt eintritt und einen ungeplanten Ausfall bewirkt. Zudem entfallen regelmäßige Routinewartungen, da Wartungsarbeiten erst durchgeführt werden müssen, wenn sie notwendig sind. Predictive Maintenance bedeutet also hohe Zeit- und Geldersparnisse, aber auch höhere Lebensdauer der Maschinen sowie Anlagensicherheit.

Für Predictive Maintenance ist die Erhebung des Zustands der Anlagen in Echtzeit notwendig (Condition Monitoring). Dafür sind sie mit entsprechender Technik und Sensorik ausgestattet, beispielsweise mit Infrarot-, Akustik- oder Kamera-Systemen. Zudem werden Prozessleistungsdaten wie die aktuelle Auslastung sowie Umgebungsfaktoren wie die Luftfeuchtigkeit im Raum erhoben.

In einem zweiten Schritt müssen diese riesigen Datenmengen ausgewertet werden. KI-basierte Systeme gleichen diese mit bisherigen Erfahrungen sowie bereitgestellten Daten ab, erkennen Muster und identifizieren Abweichungen. Durch Machine Learning lernt die künstliche Intelligenz zudem laufend dazu und erkennt auch Fehler, die bisher noch nie aufgetreten sind. Intelligent verknüpfte Systeme können automatisiert Wartungstickets generieren und an entsprechende Mitarbeiter weiterleiten.

Anwendungsgebiete von Predictive Maintenance

Predictive Maintenance kann grundsätzlich überall unterstützen, wo regelmäßige Wartungsarbeiten notwendig sind. Klassischerweise also für Produktionsanlagen und Maschinen im produzierenden Gewerbe. Durch das frühzeitige Erkennen von notwendigen Wartungsarbeiten und die dadurch ermöglichte langfristige Planung kann ein Unternehmen Anlagen für die Wartung beispielsweise dann herunterfahren, wenn die Auslastung sowieso niedrig ist.

Auch unsere Mobilität profitiert von vorausschauender Instandhaltung. Sensoren in Motoren und Fahrwerken von Autos, Zügen oder Flugzeugen können dem Nutzer notwendige Wartungsarbeiten frühzeitig anzeigen, an Servicestellen weiterleiten und Ersatzteile vorbestellen. Dadurch sinkt nicht nur die Wahrscheinlichkeit, dass wir auf dem Weg in den Urlaub mit dem privaten Auto auf der Autobahn stehen bleiben. Das gesamte Mobilitätssystem wird zuverlässiger, da gerade im öffentlichen Verkehr Störungen im kleinteiligen Betriebsverlauf verhindert werden können.

Ausblick

Die Unternehmensberatung Roland Berger und der Verband Deutscher Maschinen- und Anlagebau (VDMA) haben im Jahr 2017 eine Studie veröffentlicht. Diese zeigt, dass eine deutliche Mehrheit der Unternehmen in Deutschland das Potenzial und den Nutzen von Predicitve Maintenance erkannt hat, jedoch bisher noch keine entsprechenden Systeme implementiert hat. Die Technologie wird aber gerade für den Maschinenbau in Deutschland als Schlüsselfaktor für die Zukunft gesehen.

Predictive Maintenance ist keine für sich alleine stehende Technik, sondern fußt auf dem Zusammenspiel einzelner Komponenten. Die Technologie benötigt einerseits leistungsstarke Hardware wie präzise Sensorik-Systeme oder hohe Rechenleistungen. Anderseits braucht es für vorausschauende Instandhaltung Softwareprodukte, die intelligent und zuverlässig auch große Datenmengen auswerten können. In all diesen Bereichen konnte man in den letzten Jahren rasante Fortschritte verzeichnen, wodurch auch Predictive Maintenance laufend präziser und leistungsfähiger wird.

An economist is an expert who will know tomorrow why the things he predicted yesterday didn’t happen. (Eric Siegel, Bestseller-Autor)

Unsere drei Tipps für Macher und Entscheider:

  1. Predictive Maintenance macht Wartungsprozesse effizienter und kostengünstiger. Ihre Investitionen in entsprechende Systeme lohnen sich bereits nach kurzer Zeit.
  2. Herzstück von Predictive Maintenance sind Daten. Und Daten werden für immer mehr Anwendungen in Ihrem Unternehmen zentral. Machen Sie sich Gedanken, wie Sie Daten in entsprechendem Umfang und Datenqualität erheben können und erarbeiten Sie eine Datenstrategie.
  3. Predictive Maintenance ist ein Schlüsselfaktor für die Industrie 4.0. Machen Sie sich frühzeitig Gedanken, um den Anschluss an laufende Entwicklungen nicht zu verlieren.

Beim Newsletter anmelden und keinen Artikel mehr verpassen

Die spannendsten Artikel der Woche jeden Freitag direkt in Ihr Postfach

* Pflichtfeld

Dominic Hauser

Dominic Hauser ist Redakteur bei fintechcube. Davor war er in Bern als politischer Redakteur tätig und beschäftigte sich nach seinem Umzug nach Berlin mit der Digitalisierung des Public Sectors.