Mit ‚Predictive Maintenance’ von Asseco Solutions lassen sich unter anderem Wartungseinsätze im Industrie 4.0-Umfeld vorausschauend planen, bevor es zum tatsächlichen Ausfall einer Maschine kommt, heißt es. „Unabhängig davon, wie Industrie 4.0 nun im Detail definiert ist, steht im Mittelpunkt des Konzepts das Ziel einer deutlichen Produktivitätssteigerung. Die beiden zentralen Mittel dazu sind ein höherer Automatisierungsgrad mittels Vernetzung innerhalb und außerhalb der Unternehmen sowie die intelligente Verwendung der ausgetauschten Daten und Informationen“, sagt Christian Leopoldseder, Vice President Operations der Asseco Solutions DACH. Selbstverständlich lasse sich dies auch auf andere Bereiche anwenden als rein auf klassische Fertigungsprozesse. „Gerade im Service-Bereich verzeichnen wir von Kundenseite her momentan sogar das größte Interesse an smarten Technologien. Entsprechend legen wir seit einigen Monaten einen zentralen Fokus auf die Entwicklung und Planung von Anwendungsszenarien, welche die smarte Fabrik für unsere Kunden auch über die Werkshallen hinaus Realität werden lassen.“ Hier komme Predictive Maintenance ins Spiel.

Predictive Maintenance beschreibt Szenarien, in denen eine fertiggestellte Maschine aus ihrem konkreten Praxiseinsatz beim Kunden in festgelegten Intervallen Betriebsdaten zurück an den Hersteller übermittelt. Damit erhält dieser unter anderem Aufschluss über den aktuellen Zustand des Geräts vor Ort. Meldet die Maschine zum Beispiel das anstehende Ende der Lebensdauer einer ihrer Komponenten, kann der Hersteller oder Instandhalter den Austausch des Bauteils vornehmen, bevor es zum eigentlichen Ausfall kommt. Der Wartungsdienstleister ist vielmehr in der Lage, den Servicetermin auf einen Zeitpunkt zu legen, an dem die Maschine voraussichtlich nur wenig ausgelastet sein wird, sodass der Produktivitätsausfall möglichst gering bleibt, so Asseco. Darüber hinaus kann er benötigte Ersatzteile bereits im Voraus bestellen oder diesen Prozess gar automatisiert einleiten lassen – die Wartung wird ‚vorausschauend’.

Hersteller und Kunde können die übermittelten Maschinendaten zudem für die Optimierung ihrer eigenen Abläufe nutzen. Der Hersteller erhält durch ihre Auswertung wertvolle Informationen für seine Produktion: Ergeben die Datenanalysen beispielsweise, dass ein bestimmtes Bauteil besonders anfällig für Schäden ist, kann die Konstruktion entsprechend angepasst und die Produktqualität damit optimiert werden. Der Kunde profitiert von detaillierten Statistiken zu Auslastung und Materialverbrauch seines Geräts, heißt es weiter. So ist er laut Anbieter etwa in der Lage, Optimierungspotenziale zu erkennen oder benötigten Materialnachschub rechtzeitig – entweder automatisch oder manuell – nachzubestellen.

www.applus-erp.de