IoT, Industrie 4.0 und Predictive Maintenance
Agieren statt Reagieren
Das Internet of Things ist das entscheidende Fundament für die aktuelle 4. Industrielle Revolution, die Industrie 4.0. Viele Produktionsprozesse durchlaufen derzeit eine umfassende digitale Transformation mit dem Ziel einer weiteren effektiven Automatisierung der Produktion. Dabei setzen die Anwender konkret auf IoT-Technologien: Vor allem das Prinzip der Predictive Maintenance gilt laut einer Studie der Unternehmensberatung Roland Berger als eine der wichtigsten Schlüsselinnovationen der Industrie 4.0 mit einem enormen globalen Marktpotential: Über die Hälfte aller europäischen Unternehmen planen, in den nächsten Jahren in die vorausschauende Instandhaltung und Wartung zu investieren. Insgesamt verbinden 83% der befragten Unternehmen ihre bestehenden und zukünftigen Geschäftsabläufe mit Predictive Maintenance.
Predictive Maintenance – agieren statt reagieren
In der täglichen Praxis hat sich Predictive Maintenance zu einer der greifbarsten Anwendungen der Industrie 4.0 entwickelt, mit deren Einsatz Maschinen proaktiv gewartet werden können. Predictive Maintenance steht dabei für einen Wartungsvorgang, der auf der Auswertung von Prozess- und Maschinendaten basiert. Durch die Echtzeit-Verarbeitung der zugrundeliegenden Daten werden effektive, belastbare Prognosen möglich, die die Grundlage für eine bedarfsgerechte Wartung bilden und so eventuelle Ausfallzeiten signifikant reduzieren. Wichtig ist dabei das Zusammenspiel der Interpretation von Sensordaten, einer Echtzeit-Analysetechnik und einer passenden In-Memory-Datenbank, die eine höhere Zugriffsgeschwindigkeit auf die Daten ermöglicht. Wenn all diese Bausteine nahtlos ineinandergreifen, ist es möglich, Produktionsprobleme zu beseitigen, bevor sie entstehen. Und dies ist wiederum die Grundlage für unternehmerischen Erfolg. Denn eines sollte jedem klar sein: Nur, wenn Anlagen, Maschinen und Prozesse einwandfrei funktionieren, kann man seine wirtschaftlichen Ziele erreichen.
Predictive Maintenance-Technologie wird genutzt, um den Zustand von in Betrieb befindlichen Geräten zu bestimmen und vorauszusagen, wann eine Wartung durchgeführt werden sollte. Im Vergleich zu routinemäßigen oder zeitabhängigen vorbeugenden Wartungen ist dies die weitaus kosteneffektivere Lösung: Wartungen werden dadurch nur dann durchgeführt, wenn sie auch wirklich nötig sind. Das anvisierte Ziel ist dabei eindeutig definierbar: Eine möglichst präzise Vorausplanung der Instandhaltung, um unerwartete Ausfälle von Anlagen zu vermeiden. Dieses Wissen darüber, wann welche Geräte gewartet werden sollten, optimiert alle damit verbundenen Prozesse: Ressourcen für Instandhaltungsarbeiten wie Ersatzteile oder Personen lassen sich besser planen. Die Anlagenverfügbarkeit wird erhöht, indem sich "ungeplante Stopps" in kürzere "geplante Stopps" wandeln. Hinzu kommen eine potenziell längere Lebensdauer der Anlagen, eine erhöhte Anlagensicherheit, weniger Unfälle mit negativen Auswirkungen auf die Umwelt und ein optimiertes Ersatzteilhandling.“
Predictive Maintenance – So funktioniert es in der Praxis
Wer Predictive Maintenance effektiv und langfristig in seinem Unternehmen einsetzen will, sollte drei Schritte befolgen:
-
die Erfassung, Digitalisierung und Übermittlung von Daten
-
die Speicherung, Analyse und Bewertung der erhobenen Daten
-
die Berechnung von Eintrittswahrscheinlichkeiten für bestimmte Ereignisse
Predictive Maintenance kategorisiert die Verfassung von Anlagen und überprüft diese kontinuierlich online. Ein Großteil der Inspektionen kann parallel zum Betrieb der Anlage absolviert werden. So kann man Unterbrechungen des regulären Systembetriebs auf ein Minimum begrenzen. Bei der Einschätzung des Istzustands einer Maschine kommen Sensorik-Überprüfungen mittels Infrarot, Akustik (Teilentladung und Ultraschall), Korona-Erkennung, Schwingungsanalyse und Schallpegelmessungen zum Einsatz kommen. Das Gerät wird durch solche Prüfverfahren in seiner Funktionsweise nicht beeinträchtigt oder beschädigt. Die daraus gewonnenen Erkenntnisse werden in einem nächsten Schritt mit Prozessleistungsdaten verknüpft, die besonders in kollaborativen Prozessautomatisierungssystemen (CPAS) verfügbar sind.
Predictive Maintenance, Big Data und Machine Learning
Die vorausschauende Wartung lebt von Daten und einem hohen Grad an Automatisierung. Im Kern geht es also darum, den Zustand von Maschinen kontinuierlich zu überwachen und darauf basierend Betrieb und Wartungsintensität zu optimieren. Damit das gelingt, müssen die gesammelten Messdaten automatisch interpretiert werden. Machine-Learning-Algorithmen spielen dabei eine entscheidende Rolle für eine verlässliche Zustandsdiagnose des überwachten Systems und eine ebenfalls möglichst verlässliche Vorhersage seiner nutzbaren Restlebensdauer, des Remaining Useful Life (RUL).
Um verlässliche Aussagen über den Zustand von Maschinen und Anlagen machen zu können, werden große Datenmengen erfasst und anschließend gespeichert, verarbeitet und mithilfe intelligenter Algorithmen analysiert. Die Daten umfassen dabei nicht nur den Zustand der Maschinen und Anlagen selbst, sondern auch das Umfeld: Parameter wie Temperatur oder Luftfeuchtigkeit spielen unter anderem eine wichtige Rolle. Aufgrund der vielen verschiedenen Daten und Formate und der großen Datenmengen müssen in der Praxis für Predictive Maintenance Datenbanken mit hohen Kapazitäten bereitgestellt werden. Ein Aufwand, der unerlässlich ist: Die Größe der Datenbasis und die Intelligenz und Leistungsfähigkeit des Analysealgorithmus sind essenziell für die Qualität der gewonnenen Erkenntnisse. Nach der Erfassung werden Messwerte und Diagnosedaten über Netzwerke an Servicezentralen oder an die Hersteller selbst übermittelt. Die erhobenen Datenmengen werden stetig aktualisiert und verarbeitet – so kann man aus möglichen Veränderungen Trends und Entwicklungen ablesen.
Predictive Maintenance Vorteile und Beispiele
Der richtige und effektive Einsatz von Predictive Maintenance bietet immense Vorteile für Hersteller und Anwender:
-
Verbesserung der Wirtschaftlichkeit durch die Verringerung von Stillstandszeiten
-
Verringerung der Kosten für ungeplante Ausfällen
-
Erhöhung der Lebensdauer von Maschinen und Anlagen durch effektive Wartung
-
Verbesserung der Maschinenleistung und höhere Produktivität durch die permanente Analyse der gesammelten Daten
Ein Muss also, kein Kann: Predictive Maintenance wird deswegen bereits in vielen Bereichen eingesetzt. Dabei ist die vorausschauende Instandhaltung für viele Branchen interessant: Für das gesamte produzierende Gewerbe, für jegliche Mobilitätsbranchen wie Luftfahrt, Automobil oder Schienenverkehr oder beispielweise auch für die Energiebranche.
Fazit: Predictive Maintenance – Unverzichtbare Schlüsseltechnologie im IIoT
Das Prinzip der vorausschauenden Wartung und Instandhaltung unter Einsatz zukunftsweisender IoT-Technologien ist eine der Schlüsselinnovationen der Industrie 4.0 – und ein Muss für alle maschinenintensiven Branchen. Gerade bei komplexen Anlagen lassen sich auf diese Weise teure Maschinenausfälle vermeiden und parallel Wartungskosten reduzieren. Die Basis bilden dabei eine durchdachte Architektur und der intelligente Einsatz von Machine Learning-Algorithmen: Beide Komponenten ermöglichen es, gezielt Ausfallwahrscheinlichkeiten zu ermitteln und verlässliche Vorhersagen zu generieren. Unternehmen, die ihre Wertschöpfung mit Predictive Maintenance steigern wollen, kommen daher nicht daran vorbei, sich mit Künstlicher Intelligenz auseinanderzusetzen - ohne Machine Learning ist eine effektive Predictive Maintenance nicht möglich.
veröffentlicht am : 2020-09-22 12:30
