Maschinenpark in einer Großdruckerei

Nur, wenn die Produktionsmaschinen in einem Unternehmen richtig vernetzt sind, kann Predictive Maintenance eingeführt werden. (Bild: industrieblick/stock.adobe.com)

Was ist Predictive Maintenance?

Predictive Maintenance oder vorausschauende Wartung ist ein Werkzeug, um die Leistung eines Betriebs zu optimieren. Dadurch können mögliche Ausfälle vorhergesehen und vorbeugende Maßnahmen ergriffen werden, bevor sie zu kostspieligen Problemen werden. Durch den Einsatz von Predictive Analytics können Fachleute Muster in Daten erkennen, die darauf hinweisen, wann Geräte gewartet oder ausgetauscht werden müssen, sodass sie vorausplanen und Ausfallzeiten reduzieren können. Dies hilft, die Effizienz zu steigern und gleichzeitig die Kosten für Notfallreparaturen oder -ersatz zu senken. Darüber hinaus bietet die vorbeugende Wartung wertvolle Einblicke in den Betriebszustand, sodass bei Bedarf Anpassungen vorgenommen werden können, um im Laufe der Zeit bessere Ergebnisse zu erzielen.
(Bild: Olivier Le Moal - stock.adobe.com)

Predictive Maintenance oder vorausschauende Wartung ist ein Werkzeug, um die Leistung eines Betriebs zu optimieren. Dadurch können mögliche Ausfälle vorhergesehen und vorbeugende Maßnahmen ergriffen werden, bevor sie zu kostspieligen Problemen werden. Durch den Einsatz von Predictive Analytics können Fachleute Muster in Daten erkennen, die darauf hinweisen, wann Geräte gewartet oder ausgetauscht werden müssen, sodass sie vorausplanen und Ausfallzeiten reduzieren können. Dies hilft, die Effizienz zu steigern und gleichzeitig die Kosten für Notfallreparaturen oder -ersatz zu senken. Darüber hinaus bietet die vorbeugende Wartung wertvolle Einblicke in den Betriebszustand, sodass bei Bedarf Anpassungen vorgenommen werden können, um im Laufe der Zeit bessere Ergebnisse zu erzielen.

Von den Vorteilen intelligenter Fabriken möchten die meisten Unternehmen der Fertigung profitieren. Aber wie Vertreter anderer Branchen stehen auch sie vor der Herausforderung aufgrund von Schwierigkeiten bei der Zusammenführung der Daten aus Produktions- und IT-Systemen, aber auch Mängeln bei der Datenqualität, den maximalen Nutzen aus den eigenen Daten zu ziehen.

Branchenübergreifend klagen 48 Prozent der Unternehmen über eine unzureichende Güte ihrer Daten, wie eine aktuelle Studie der Enterprise Strategy Group (ESG) zeigt. Dessen ungeachtet gehen viele Unternehmen schon heute erste Schritte in Richtung vorausschauender Wartung, indem sie mit der zustandsorientierten Überwachung von Fertigungsanlagen (Conditional Monitoring) beginnen. Der Schwerpunkt liegt hierbei auf der kurzfristigen Überwachung und Koordination von Maschinen, die über ein Manufacturing Execution System (MES) gesteuert werden. Dort laufen die Daten aus der Werkshalle zusammen, wie zum Beispiel die Durchlaufzeit und die Auslastung einzelner Maschinen. Außerdem kann das System in Echtzeit einen Alarm auslösen, wenn fehlerhafte Produktionsabläufe erkannt werden.

Predictive Maintenance - der große Überblick

Predictive Maintenance -
(Bild: krunja/stock.adobe.com)

Prädiktive Wartung ist Ihr Ding und Sie wollen alles zum Thema vorausschauende Instandhaltung wissen? Über den Link kommen Sie direkt zu unserem großen Überblick Predictive Maintenace. Dort finden Sie alles, was Sie wissen müssen, wenn Sie über die Einführung nachdenken, ein Projekt planen oder Ihre bestehende Technologie effektiver nutzen wollen.

Zum Themenüberblick PREDICTIVE MAINTENANCE.

Vorausschauende Wartung: Genauer Blick in die Zukunft

Damit ist bereits die Grundlage für vorausschauende Wartung gelegt, indem die Maschinen eines Unternehmens untereinander vernetzt werden und die Maschinendaten nutzbar gemacht werden. Dadurch entsteht ein umfassender, detaillierter Überblick über die Produktion. Unternehmen können ihre Standorte, die Maschinen und den Datenfluss bis ins Detail betrachten, analysieren und so ihre Fertigungsprozesse besser planen und steuern. Zugleich ermöglicht die Vernetzung eine intelligente Automatisierung der Überwachung und Koordination von Maschinen. Mit Blick auf deren Wartungsbedarf können so bei Anomalien automatisch Warnmeldungen abgegeben und gegebenenfalls direkt korrigierende Maßnahmen eingeleitet werden.

Die Daten dafür liefern die Maschinen über ihre verbauten Sensoren selbst und übermitteln sie regelmäßig an einen zentralen Knotenpunkt. Dort ermittelt ein Algorithmus anschließend den Verschleiß und damit den Wartungsbedarf. Er vergleicht dazu in Echtzeit aktuelle und historische Daten. Darüber hinaus laufen weitere Prozesse rund um die Maschinen automatisch ab, wie zum Beispiel die Bestellung eines Ersatzteils. Wenn etwa ein Bauteil Gefahr läuft, in naher Zukunft auszufallen, dann kann ein smartes Predictive Maintenance System nicht nur die Beschaffung des Bauteils automatisch einleiten und das bestmögliche Zeitfenster für die Wartung festlegen, sondern die Produktion für den Zeitraum der Wartung auf andere Maschinen umleiten.

Hindernis für Predictive Maintenance

Soweit die Theorie. Denn in der unternehmerischen Praxis sind solche Ansätze noch sehr selten anzutreffen. Ein Hauptgrund dafür ist mangelnder Datenfluss: Laut einer Studie der International Data Corporation (IDC) fehlt oft eine umfassende Vernetzung der IT- und OT-Systeme. In der DACH-Region sind demnach lediglich 32 Prozent der Produktionsanlagen miteinander vernetzt. Es existieren also Anwendungs- und Datensilos, die den reibungslosen Austausch von Informationen verhindern. Im Ergebnis gelangen Unternehmen dadurch nicht unmittelbar an die Daten, auf die es für vorausschauende Wartung ankommt. Viele Mitarbeiter verfügen zudem nur über einen eingeschränkten oder sogar über gar keinen Zugriff auf die internen Daten. Das erschwert es, Projekte im Bereich der Predictive Maintenance erfolgreich zu konzipieren, aufzusetzen und kontinuierlich zu verbessern.

Zentraler Zugriff auf alle relevanten Daten für die Wartung

Primäre Voraussetzung für die erfolgreiche Umsetzung von Predictive Maintenance und anderen Smart Factory-Projekten ist demnach ein zentraler, übergreifender Zugriff auf alle relevanten Daten. Deshalb müssen Unternehmen der Fertigungsbranche zunächst ihre bestehenden Anwendungs- und Datensilos aufbrechen. Moderne Maschinen können über Sensoren einzelne Daten erfassen und sie anschließend an nachgelagerte Systeme übermitteln. Doch dafür nutzen sie überwiegend proprietäre Schnittstellen, Protokolle und Formate, die nicht standardisiert sind und damit nicht universell genutzt werden können.

In Bestandsanlagen (also im sogenannten Brownfield) mit größtenteils älteren Maschinen tritt das Problem naturgemäß verstärkt auf, aber auch bei komplett neuen Fertigungsstraßen (Greenfield) ist es anzutreffen, wenn dort Maschinen unterschiedlicher Hersteller zum Einsatz kommen. Für die grundsätzliche Interoperabilität der Systeme empfiehlt es sich daher, alle Maschinen mit einem Adapter zu Maschinen-Controllern auszurüsten, wie beispielsweise dem Quasi-Industriestandard Siemens SIMATIC S7. Auf diese Weise können die Daten an einem zentralen Knotenpunkt zusammengeführt werden. Hierbei hilft das Konzept der Enterprise Data Fabric. Gemeint ist damit die übergreifende Verknüpfung der diversen Datenquellen im gesamten Unternehmen, unabhängig von ihrem jeweiligen Ort oder den verwendeten Schnittstellen, Protokollen und Formaten.

Über die Enterprise Data Fabric können alle historischen und aktuellen Daten aus internen und externen Quellen in einer dafür geeigneten, modernen Datenplattform zusammengeführt, bereinigt und harmonisiert werden, sodass sie für die automatischen Prozesse der Predictive Maintenance und auch für Fachanwender unmittelbar und in hoher Qualität bereitstehen. Zu den relevanten Daten im Hinblick auf die Predictive Maintenance gehören unter anderem Energieverbrauch, Nutzungsdauer, Auslastung, Temperatur und Vibration. Da die Enterprise Data Fabric auf der bestehenden IT-Infrastruktur aufbaut, gelingt ihre Implementierung nicht nur einfach und schnell, sondern erfordert auch keinen Komplettaustausch der vorhandenen System- und Anwendungslandschaft.

Klare Vorteile der Predictive Maintenance

Mit der Predictive Maintenance wollen die Unternehmen der Fertigung eine Reihe von Zielen erreichen. Zentral ist aber, durch Analysen frühzeitig Defekte an Maschinen zu erkennen und zu beheben, bevor es zu einem kapitalen Schaden und folglich zu einem Stillstand der Produktion kommt. Als Nebeneffekt erhält das Unternehmen vollständige Transparenz über den Status der Produktion.

Die Informationen über den aktuellen Zustand und Nutzungsstatus der Maschinen stehen standort- und abteilungsübergreifend bereit. Dadurch lassen sich notwendige Wartungen und Reparaturen optimal planen und in Zeiten mit einer schwachen Auslastung durchführen. Insgesamt senkt die Predictive Maintenance die Betriebs- und Wartungskosten von Maschinen signifikant, minimiert ihre Ausfallzeiten und steigert ihre Effizienz. Genau deshalb beschäftigen sich fast alle Unternehmen der Fertigung mit der vorausschauenden Wartung. In Deutschland hat die Mehrheit (51 Prozent) bereits in sie investiert und beabsichtigt, das auch weiterhin zu tun, wie die Studie der IDC belegt. Mit der Enterprise Data Fabric haben sie dabei die Möglichkeit, einen optimalen Datenfluss zu schaffen und so eine große Herausforderung der Digitalisierung mit geringem Aufwand zu meistern.

InterSystems

Predictive Maintenance im Realitätscheck
(Bild: Sikov/stock.adobe.com)

Wie realistisch ist Predictive Maintenance wirklich - machen Sie den Realitäts-Check in unserer Serie:

Sie möchten gerne weiterlesen?