Mit Hilfe von Prescriptive Maintenance sollen Maschinen Probleme in Sachen Instandhaltung fast schon in Eigenregie lösen können. - (Bild: Pixabay)
Was ist Prescriptive Maintenance?
Prescriptive Maintenance ist eine Methode der Instandhaltung, die Empfehlungen liefert, wie eine erkannte Entwicklung in eine Richtung beeinflusst werden kann, wie ein vorhergesagtes Ereignis verhindert werden kann oder wie auf ein künftiges Ereignis reagiert werden kann.
Um ein solches Konzept, das auf Predictive Maintenance und Industie 4.0 fußt, umzusetzen, sind Predictive Analytics, Data Mining und die Analyse von Big Data unerlässlich.
Predictive Maintenance hat sich zu einem Wettbewerbsfaktor für Unternehmen aus unterschiedlichen Industriezweigen entwickelt: Schließlich lassen sich mit der optimalen Planung von Wartungsintervallen auf Basis von Mess- und Produktionsdaten die Kosten für die Instandhaltung von Maschinen merklich senken. Nun folgt mit Prescriptive Maintenance der nächste Schritt.
Predictive Maintenance ist eine Kernkomponente von Industrie 4.0. Durch einen vorausschauenden Ansatz (z.B. Predictive Analytics) können Maschinen und Anlagen proaktiv gewartet und Ausfallzeiten möglichst niedrig halten werden. Das Verfahren nutzt hierfür Messwerte und Daten, die von Sensoren stammen.
Predictive Analytics als wichtiges Instrument
Prescriptive Maintenance geht einen Schritt weiter: Statt Ausfälle lediglich vorauszusagen, ermöglicht es die Methode, ergebnisorientierte Empfehlungen für den Betrieb und die Instandhaltung von Maschinen und Anlagen aus Data Analytics heraus zu erarbeiten. Maschinen- und Sensordaten werden dabei in Echtzeit erfasst und ausgewertet. Das ermöglicht es, umgehend auf besondere Vorkommnisse reagieren zu können.
Im Mittelpunkt von Prescriptive Maintenance steht das Machine Learning (ML). So lassen sich spezielle Muster in Datensätzen erkennen und Ursachen für Probleme ableiten, um präzise sowie zeitnah gegensteuern zu können. In der Praxis bedeutet das, dass sich Maschinen beispielsweise ihren eigenen Nachschub bestellen können – sie lösen ihre Probleme sozusagen selbst.
Durch Predictive zu Prescriptive Analytics
Machine Learning ist für die Instandhaltung ein echter Fortschritt und für Prescriptive Maintenance unumgänglich: Die Auswertung von Wartungsdaten übernehmen Algorithmen mit natürlicher Sprachverarbeitung in einer Geschwindigkeit, die Computer zuvor nicht leisten konnten. Neuronale Netze sind in der Lage, Millionen von potenziellen Assoziationen zu analysieren und genau festzustellen, was ein bestimmtes Ereignis verursacht hat und warum.
Dafür ist eine Kombination aus verschiedenen Systemen und Elementen nötig – wie beispielsweise ein Data-Lake. Dort fließen Informationen aus verschiedenen Quellen wie IoT-Sensoren oder Automatisierungssystemen zusammen. Hinzu kommen Analytik, die auf Machine-Learning-Ansätze zurückgreift, sowie die Einbindung von Softwaresystemen, um eine enge Zusammenarbeit im Verarbeitungsprozess gewährleisten zu können.
Big Data als Chance für den Prescriptive-Ansatz
Für den Analytics-Prozess selbst liefern in der Regel bestehende IT-Lösungen wie ERP-Systeme wichtige Geschäftsprozess- und Transaktionsdaten. Dabei handelt es sich jedoch häufig um deutlich ältere Systeme, die noch dazu auf einer wenig flexiblen Architektur basieren, so dass die Integration eine Hürde darstellen kann. Gerade in der Kombination aus strukturierten und unstrukturierten Daten aus verschiedenen Quellen liegt jedoch die besondere Chance von Prescriptive Maintenance, Analysen auf einer breiteren Datenbasis aufzusetzen und Handlungsoptionen vorzuschlagen (Stichwort Data Mining).
Moderne Enterprise-Asset-Management-(EAM-)Lösungen helfen Anlagenbauern und Instandhaltungsteams, ihre Prozesse zu beschleunigen und ein effektives Asset Management in die Gesamtstrategie des Unternehmens einzubinden. Sie bilden die Software-seitige Klammer für die Technologieelemente im Prescriptive Maintenance und sorgen für zuverlässige Prozesse.
Zusammenspiel von Technologien ist Voraussetzung
Für die Anzeige eines Defekts im Schadensfall kann sowohl die Maschine selbst als auch ein dediziertes Wartungssystem zum Einsatz kommen – abhängig davon, wo das sogenannte Alarming stattfindet. Sensoren liefern in der Regel eine Unmenge an Daten, von denen allerdings nur ein sehr geringer Prozentsatz als Auslöser für einen Alarm dient.
Video: Kleine Einführung in Prescriptive Maintenance
Werden alle diese Daten in ein Instandhaltungssystem gespeist, kann der Alarm beziehungsweise der Auslöser durch das Asset Management "angetriggert" werden. Weil Sensoren von Herstellern meist zusammen mit einer Analyseplattform ausgeliefert werden, ist es meist sinnvoller, die Auslöser der Herstellerplattformen zu nutzen und nur diese mit dem Instandhaltungssystem kommunizieren zu lassen. So kommen in Echtzeit nur diejenigen Daten in das System, die einen Alarm und die zugehörigen Prozesse anstoßen.
Noch steckt Prescriptive Maintenance in einer sehr frühen Phase. So müssen verschiedene Technologien zusammenspielen, um diese Form der intelligenten Instandhaltung ermöglichen zu können. Üblicherweise ist beispielsweise ein Analytics Tool Voraussetzung, um Fehler beziehungsweise Ausfälle frühzeitig berechnen zu können.
Dafür werden sowohl Historien- als auch aktuelle Betriebsdaten aus der Gebäudeleittechnik und Telematik sowie die manuelle Erfassung von Zuständen herangezogen. Der Vorteil: Steht ein Ausfall bevor, kann eine künstliche Intelligenz ableiten, was zu tun sein wird und entsprechende Maßnahmen einleiten – Ressourcen reservieren, Arbeitsaufträge erstellen, Dienstleister informieren und die Produktionsplanung unterweisen.
Mehr als nur Technologiewandel
Doch Prescriptive Maintenance zieht nicht nur technologische Folgen nach sich. Es betrifft nahezu sämtliche Bereiche im Unternehmen und sollte ein Umdenken hervorrufen. So erfordert ein ganzheitlicher Ansatz im Rahmen von Prescriptive Maintenance eine langfristige Strategie in Sachen Wartung. Ein solches umfassendes Konzept setzt auf Ursachenbekämpfung und fortlaufende Pflege und setzt eine langfristige Perspektive statt Konzentration auf den nächsten zu behandelnden Notfall voraus.
Eine Möglichkeit für die Umsetzung dieser neuen Philosophie besteht darin, Prescriptive Maintenance zunächst in einem Bereich oder an einem Standort als Proof of Concept einzusetzen. So kann das Team Erfahrungen sammeln und dazu beitragen, den gesamten Change-Prozess effizienter zu gestalten.
Wie bei den meisten Veränderungen in der Unternehmenskultur muss der Impuls dafür von der Spitze der Organisation kommen. Nur die Führungskräfte können Prioritäten für die Ressourcennutzung setzen und festlegen, welche Assets wie geschützt werden müssen.