Predictive Maintenance wird bislang in der deutschen Industrie eher besprochen als umgesetzt. - (Bild: Pixabay)
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.
Es zwickt hier und da, wenn bei Menschen die Knochen morsch werden. Im Zuge der Digitalisierung lernen auch Maschinen, sich zu äußern, bevor ihre eigenen Gelenke knirschen. Wurde die Instandhaltung lange Zeit eher als notwendiges Übel in Unternehmen wahrgenommen, steht sie mit Predictive Maintenance zunehmend im Zentrum vieler Diskussionen rund um die Themen Digitalisierung und Industrie 4.0.
Eine aktuelle Umfrage von Bearingpoint unter 74 Unternehmen aus den Bereichen Maschinenbau, Chemie/Pharma und der Automobilindustrie ergab, dass das Thema der vorausschauenden Instandhaltung bislang jedoch lieber diskutiert als umgesetzt wird: Während sich 84 Prozent der Befragten mit dem Thema Predictive Maintenance in ihrem Unternehmen auseinandersetzen, hat nur jedes vierte Unternehmen bereits erste Projekte durchgeführt.
Herkömmliche Instandhaltungskonzepte werden den heutigen Anforderungen nicht mehr gerecht, sie binden Kapital und verbrauchen zu viele Ressourcen. So sehen die Unternehmen den Nutzen von Predictive Maintenance vor allem in der Erhöhung der Anlagenverfügbarkeit (80 Prozent) und in der Senkung der Wartungskosten (60 Prozent). Jedes zweite Unternehmen (52 Prozent) nimmt es auch als Chance wahr, Kunden durch bessere Servicemodelle zu binden.
Die Nutzung von Maschinendaten steht laut der Studie noch nicht im Fokus der Unternehmen. So erfassen zwar 76 Prozent der Befragten relevante Daten via Sensoren und 59 Prozent werten diese zielgerichtet aus. Allerdings optimieren lediglich rund 20 Prozent die Instandhaltung ihrer Anlagen auf Grundlage dieser Daten. Mehr als die Hälfte der Unternehmen (57 Prozent) nannten als größte technische Hürde die IT-Sicherheit. Noch gewichtiger ist nur der hohe Implementierungsaufwand, gaben 61 Prozent der Befragten an.
Donald Wachs, globaler Leiter Manufacturing bei Bearingpoint und Experte für Industry 4.0 / IoT, kommentiert: „Die Voraussetzungen für den entscheidenden Schritt in Richtung Zukunft sind da und sollten von den Unternehmen genutzt werden. Oft fehlt es am Mut, Fehler zu machen und aus diesen zu lernen. Das hemmt die Unternehmen und blockiert die Potenziale von Predictive Maintenance. Wichtig ist, das Thema ganzheitlich zu betrachten und mit kleinen Leuchtturmprojekten zu starten. Unternehmen, die Predictive Maintenance proaktiv angehen, können die Maschinenverfügbarkeit steigern, die Kosten senken sowie die Kundenbindung stärken.“
Bearingpoint
Die vollständige Studie finden Sie hier: www.bearingpoint.com
IDG-Studie: Produktion überlässt Industrie 4.0 der IT
Industrie 4.0 gewinnt in den kommenden Jahren zunehmend an Bedeutung. Doch gerade der Bereich Produktion schätzt die Relevanz derzeit (noch) gering ein. Das ist nicht das einzig überraschende Ergebnis der Studie ‘Industrie 4.0 – 2017’ von IDG.
Obwohl die Fertigung von Industrie 4.0 künftig am meisten profitieren wird, besteht hier aktuell der größte Handlungsbedarf. Zudem sind Produktionsleiter nur selten für Industrie 4.0 verantwortlich. Kein Wunder, dass sich die Mehrheit der Manager im Unternehmen im internationalen Vergleich vorne sehen, während in der Produktion nicht mal jeder Dritte so denkt. mehr...
