Predictive Maintenance – eine Kernkomponente der Industrie 4.0

Februar 27, 2020 | in Industrie 4.0 | von pragmatic industries

Jeder Produktionsbetreiber möchte, dass seine Maschinen mit optimaler Geschwindigkeit und möglichst wenig Stillstandszeiten arbeiten. Dabei unterliegen jedoch alle Maschinen einem gewissen Verschleiß. Instandhaltungen, im Sinne von Wartungen und Reparaturen, sind in der Regel ein eher unbeliebtes Thema. Dahinter verbergen sich häufig unvorhergesehene Schadensfälle oder der verfrühte Tausch eigentlich noch intakter Teile, um einem Maschinenausfall vorzubeugen. Alles in allem verursachen diese Maßnahmen hohe Kosten, um im Endeffekt doch nur den Status quo aufrecht zu erhalten? An dieser Stelle sollten wir daher erstmal klären, warum technische Anlagen überhaupt ausfallen.

Die Theorie des Abnutzungsvorrats

Technische Objekte haben nach der Theorie des Abnutzungsvorrats einen gewissen Vorrat an Leistung den sie erbringen können, bevor es zu einem Ausfall kommt. Durch diverse Instandhaltungsmaßnahmen kann dieser Vorrat vergrößert werden, um so die Lebensdauer des Objekts zu verlängern.

Heutzutage kann ein Anlagenausfall hohe Ausfallkosten bergen. Daher sollte eine ideale Instandhaltungsstrategie darauf abzielen den Abnutzungsvorrat weitmöglichst aufzubrauchen jedoch ohne, dass es zu einem Ausfall kommt. An diesem Punkt setzt Predictive Maintenance (zu dt. vorausschauende Instandhaltung) an. Bevor wir weiter auf diese eingehen, ein kurzer Überblick der Entwicklungen von Instandhaltungsstrategien in den letzten Jahren:

Was verbirgt sich hinter Predictive Maintenance?

Bereits bei der zustandsorientierten, auch vorbeugenden, Instandhaltung wird nach Methoden gesucht eine Instandhaltungsmaßnahme in Abhängigkeit des tatsächlichen Bauteilzustands durchzuführen. Predictive Maintenance geht hierbei noch einen Schritt weiter: Anstatt sich auf die tatsächlichen Ist-Zustände einer Anlage zu berufen, werden auf Grundlage von Vergangenheitswerten, sensorengestützten Zustandskontrollen (Condition monitoring) oder einer Kombination aus beidem die idealen Instandhaltungszeitpunkte prognostiziert. Dabei können beispielsweise Daten wie Druck, Feuchtigkeit, Geräuschlevel, Durchlaufzeiten etc. erfasst werden. Diese Daten werden fortlaufend kontrolliert und dokumentiert. So kann ein sich anbahnender Ausfall frühzeitig bemerkt werden.

Hierbei unterstützen die neuen Technologien der Industrie 4.0, da ohne die Möglichkeit der Erfassung und Auswertung großer Datenmengen eine erfolgreiche Predictive Maintenance Strategie nicht umsetzbar wäre.

Welche Vorteile ergeben sich aus dem Predictive Maintenance Ansatz?

Der Predictive Maintenance Ansatz gehört zu den entscheidenden Wegbereitern für die Smart Factorys der Zukunft und bringt zahlreiche Vorteile mit sich. Unter anderem können ungeplante Maschinenausfälle vermieden, Außendiensteinsätze von Servicemitarbeitern optimiert und Wartungen bzw. Reparaturen besser geplant und durchgeführt werden. Darüber hinaus ist das Ersatzteilmanagement besser planbar, Stillstandszeiten können verringert werden und auf Dauer kann die Lebensdauer von Maschinen verlängert werden.

Kurz gesagt, kann durch das frühzeitige Erkennen und Beheben von Störungen die Verfügbarkeit einer Maschine verbessert werden.  

Aber auch hier gibt es Herausforderungen und Grenzen. Zum Beispiel können Probleme bei der Datenanalyse auftreten. Dazu kommt, dass nicht alle Maschinen sich mit den notwendigen Messeinrichtungen ausstatten lassen. Mithilfe von Retrofit-Maßnahmen besteht jedoch die Möglichkeit auch ältere Maschinen mit einzubeziehen.

Preventive vs. Predictive Maintenance

Die Preventive Maintenance, auch vorbeugende Instandhaltung, zielt darauf ab die Maschine in einem guten Zustand zu erhalten und Ausfälle vorzubeugen. Die Grundlage bildet der voraussichtliche Ausfallzeitpunkt, dabei werden tatsächliche Betriebsdaten einer Maschine außer Acht gelassen. Anders gesagt, handelt es sich also hier um geplante Wartungen. Diese Art von Instandhaltung hat es schon immer gegeben und zwar unabhängig vom Internet of Things und der Digitalisierung. Durch die Entwicklung von bedeutsamen Möglichkeiten zur Gewinnung und Analyse von Daten hat sich im Laufe der Zeit die Predictive Maintenance herausgebildet.

Spannend wird es zu sehen, wie zukünftig auch Methoden der künstlichen Intelligenz und des Machine Learnings in diesen Bereich eingebunden werden können. Vielleicht wird es uns dann in Zukunft gelingen, ungeplante Ausfälle vollständig zu vermeiden und dabei dennoch alle Ressourcen vollständig zu verbrauchen.

Wer hat’s geschrieben?

Vielen Dank an Caroline Voigt für den Beitrag! Caroline hat bis vor kurzem bei uns als Werkstudentin gearbeitet. Dabei hat sie viele unterschiedliche Aufgaben selbstständig übernommen und mit ihrer motivierten und kreativen Art einen großen Teil zu unserem Team beigetragen.

Ihnen hat der Beitrag gefallen? Dann lassen Sie andere daran teilhaben