Definition Predictive Maintenance

Eine defekte Maschine oder ein Systemausfall sind für den täglichen Arbeitsablauf eines Unternehmens desaströs, gleichzeitig möchte man jedoch auch nicht Zeit und Geld in möglicherweise unnötige Wartungsarbeiten investieren. Den perfekten Mittelweg zu finden war lange Zeit nur durch Erfahrung und mit einer gehörigen Portion Glück möglich. Durch die umfangreichen Daten, die uns im Rahmen der fortschreitenden Digitalisierung zur Verfügung stehen, lässt sich der ideale Wartungszeitpunkt mittlerweile jedoch mathematisch bestimmen – Predictive Maintenance ist geboren.

Predictive Maintenance, zu Deutsch: Prädiktive Wartung, bezeichnet ein Konzept, bei dem der Wartungszeitpunkt für Gerätschaften anhand deren tatsächlichem Zustand ermittelt wird. Im Gegensatz zu Wartungsintervallen, die an feste Zeiträume oder Nutzungsdauer gekoppelt sind, lassen sich hierbei Kosten und Ausfallzeiten minimieren.

Grundlage ist eine entsprechende Datenlage, die solche genauen Prognosen zulässt. Ist diese nicht gegeben, würde Prädiktive Wartung auf ein reines Glaskugel-lesen reduziert und umfangreiche Schäden könnten die Folge sein.

Lassen sich die eingesetzten Maschinen und Systeme jedoch durch ausreichende Sensorik analysieren, können die Wartungszeitpunkte mit höherer Präzision bestimmt werden. Liegen zusätzlich noch entsprechende historische Daten vor, steigt der Nutzen der Predictive Maintenance noch einmal erheblich.

Da im Zuge der digitalen Transformationen eine nie dagewesene Vernetzung bis dato abgeschotteter Systeme eingesetzt hat und der Wert von Datengewinnung und –Übermittlung allgemein erkannt wurde, steht erstmals eine entsprechende Datenbasis in fast allen Branchen zur Verfügung.

Definition Digitalisierung

Unter Digitalisierung versteht man, ganz nüchtern betrachtet, lediglich das Übertragen von ehemals analogen Vorgängen hin zu Digitalen. Auch wenn uns dieser und ähnliche Begriffe aktuell verstärkt begegnen, handelt es sich dabei doch um einen sehr alten und einfachen Prozess, denn fast jede Form von Digitalisierung wird mit Effizienzsteigerungen, Kostensenkungen und neuen, bisher ungekannten Möglichkeiten belohnt. Kein Wunder also, dass wir Menschen schon immer sehr an ihr interessiert waren.

Durch den immer schneller werdenden technischen Fortschritt und die wechselseitige Unterstützung (neue Technologien ermöglichen neue Technologien ermöglichen neue Technologien …) gewann die Digitalisierung in den letzten Jahren derart an Geschwindigkeit, dass sie mittlerweile in alle Bereiche unseres Lebens eingedrungen und von dort nicht mehr wegzudenken ist. Diese Digitale Transformation ist ein technologischer, soziokultureller, wirtschaftlicher und intellektueller Prozess, der gigantische Umwälzungen mit sich bringt.

Insbesondere für Unternehmen entstehen durch die Digitalisierung bisher ungeahnte Möglichkeiten – sie lauert jedoch auch mit erheblichen Gefahren auf, insbesondere, wenn sie ignoriert wird.

Funktionsweise

Ziel der Prädiktiven Wartung ist einen Zeitpunkt für notwendige Arbeiten zu finden, der die geringstmöglichen Ausfälle hinsichtlich Nutzung und Kosten verursacht. Da hierbei jedoch Überlastungen des Equipments vermieden werden müssen, um keine Schäden zu riskieren, ist ein entsprechender Näherungswert zu bestimmen, der alle Teilaspekte in Betracht ziehen sollte.

Flugzeugbauer setzen schon lange auf Predictive Maintenance. Es erklärt sich von selbst warum es besser ist eine Turbine zu warten bevor sie ausfällt.
Flugzeugbauer setzen schon lange auf Predictive Maintenance. Es erklärt sich von selbst warum es besser ist eine Turbine zu warten bevor sie ausfällt.

Hierzu können zum einen periodisch ermittelte Messwerte verwendet werden, die auch durch externe Geräte erfasst werden können. Auch ältere Maschinen, die nicht ab Werk über entsprechende Sensoren verfügen, können auf diese Weise innerhalb eines Predictive Maintenance Protokolls eingesetzt werden.

Die deutliche bessere Alternative bildet jedoch die kontinuierliche Messung, wie sie durch entsprechend vernetzte Anlagen möglich ist. Durch diese Echtzeit-Daten können präzisere mathematische Modelle gebildet und der Wartungszeitpunkt noch genauer berechnet werden – weitere Einsparungen bezüglich Wartungsaufwand und –Kosten sind das Resultat.

Anhand der gewonnenen Daten – egal ob durch kontinuierliche oder periodische Messung – wird der Zustand des jeweiligen Systems bestimmt und ein Zeitkorridor gebildet, innerhalb dessen eine Wartung stattfinden muss. Eckdaten sind dabei der spätestmögliche Zeitpunkt, ohne einen Schaden zu riskieren sowie der frühestmögliche Zeitpunkt, an dem sich eine Wartung lohnen würde. Dieses Zeitfenster kann mit besserer Datenlage durch eine höhere Anzahl an Sensoren und historischen Daten weiter präzisiert werden.

Ist ein idealer Von-Bis-Wert berechnet worden, fließen Aspekte wie Auslastung der Maschine, Erreichbarkeit und Kosten des Wartungspersonals, zustand anderer Maschinen und weitere verfügbare Informationen in die Kalkulation mit ein. Ergebnis ist der Zeitpunkt (oder die Zeitpunkte – Wartungsarbeiten können in mehreren Etappen über einen längeren Zeitraum verteilt werden), an dem die Arbeiten die geringsten Kosten und sonstigen Schäden verursachen.

Messtechniken

Dass die Wirksamkeit von Prädiktiver Wartung von den zur Verfügung stehenden Daten abhängt, wurde bereits erwähnt. Aber wie lassen sich diese Daten sammeln, ohne den Betrieb zu stören?

Ein großes Arsenal von Messgeräten steht hierzu zur Verfügung: akustische und infrarot Messungen ermöglichen die Zustandsbestimmung einer Maschine, ohne in den normalen Arbeitsablauf einzugreifen. Vibrationsanalysen sind oft aufwendiger zu implementieren, lohnen sich aber vor allem bei Arbeitsgeräten mit hohen Drehzahlen. Schalldetektoren können Veränderungen im Geräuschpegel einfach erfassen. Temperatur, interner Druck, Ölverbrauch… Es ließe sich eine lange Liste mit Werten zusammenstellen.

Im Rahmen der Predictive Maintenance wird darüber hinaus die Ausstoßmenge der jeweiligen Maschine betrachtet: durch den Einbezug der Produktivität und ihrer zeitlichen Schwankungen lassen sich weitere Aussagen über den Gerätezustand treffen, die für die Berechnung des Wartungszeitraums von Bedeutung sein können.

Anwendungsfelder

Industrieller Produktion jeglicher Art ist ein lohnender Einsatzort für Prädiktive Wartung, da hier auch am häufigsten 24 Stunden Betrieb vorliegt. Diese Arbeitsform macht das Finden des idealen Wartungszeitpunktes und das damit verbundene senken der Ausfallzeiten besonders lohnenswert.

Aber auch im Bereich Verkehr und Transport finden sich zahlreiche Verwendungsmöglichkeiten: der Zustand eines Straßenbelags kann per Ultraschall gemessen und ein Fahrbahnabschnitt erneuert werden Monate, Wochen oder auch nur Tage, bevor die ersten Schäden sichtbar auftreten. Da das Straßenbauwesen starken saisonalen Schwankungen unterliegt, lassen sich Ausbesserungsarbeiten so in Zeiten geringer Auslastung verlagern.

Bahn hat digitalisierung verschlafen. largeDigitalisierung die lezten Jahre etwas verschlafen. Zum Teil sind Stellwerke noch mit Hand zu bedienen. Das bie Bahn das Thema aber erkannt hat sieht wenn man sich die Stellenausschreibungen anschaut. Hier deutet auch vieles auf Predictive Maintenance hin.“ class=“wp-image-45768″/>
Die Bahn hat die Digitalisierung die lezten Jahre etwas verschlafen. Zum Teil sind Stellwerke noch mit Hand zu bedienen. Das bie Bahn das Thema aber erkannt hat sieht wenn man sich die Stellenausschreibungen anschaut. Hier deutet auch vieles auf Predictive Maintenance hin.

Ähnliches gilt auch für den Schienenverkehr und die Bestimmung des Zustands von Zuganlagen und Gleisbetten. Auch Brücken aller Art können, entsprechende Messungen vorausgesetzt, zum idealen Zeitpunkt durch einen Neubau ersetzt werden. Hierdurch lässt sich der Baubeginn möglicherweise um mehrere Monate oder Jahre verzögern und entsprechende Kosten einsparen. Andererseits zeigen sich durch Predictive Maintenance Protokolle strukturelle Schäden früher, sodass lebensgefährliche Einstürze besser verhindert werden könnten. Der Aufwand für eine engmaschige Überwachung durch entsprechende Messungen ist hierbei jedoch bedeutend größer.

In Lastwägen und privaten PKWs kommen prädiktive Wartungssysteme bereits verstärkt zum Einsatz. Dank der im Zuge der Digitalisierung zunehmenden Vernetzung der Fahrzeugsysteme sowie dem mittlerweile üblichen Zugang zum Internet oder zumindest dem Mobilfunknetz können entsprechende Wartungsempfehlungen algorithmisch errechnet werden. Connected Cars bieten somit eine ideale Grundlage für intelligente Wartungsmuster.

Predictive Maintenance findet darüber hinaus auch in der IT regelmäßig Anwendung. Kein Rechenzentrum würde heute den Austausch einer Komponente oder auch nur ein größeres Update einspielen, ohne vorher den idealen Zeitpunkt anhand vieler Faktoren zu berechnen. Darunter fallen etwa die Verfügbarkeit des eigenen Personals, die Auslastung des Geräts sowie die maximale Zeit, die man abwarten könnte, bevor die Wartung erfolgen muss.

Auch bei Unternehmen, die eine größere Anzahl von Computern zentral verwalten, kommen bei größeren Softwareupdates ähnliche Überlegungen zum Tragen. Es ist daher zum Beispiel üblich, dass nicht alle Abteilungen zum gleichen Zeitpunkt Softwareupdates erhalten.