ROBIOTIC

Lexikon

Predictive Maintenance

Auf einen Blick

Das Prinzip der „Predictive Maintenance“ macht sich zuvor gesammelte Daten über die Wartung und Instandhaltung von Maschinen zunutze, um Prognosen über den Zustand dieser Maschinen abzugeben. Die Prognose funktioniert auch, während die Maschinen in Betrieb sind, und kann somit kontinuierlich eingesetzt werden.

Voraussetzungen für Predictive Maintenance

Der Kern der Predictive Maintenance sind möglichst akkurate, vorausschauende Aussagen darüber, wie sich der Zustand von Anlagen und einzelnen Maschinen entwickeln wird. Hierfür nutzt das System eine Reihe von Sensoren, die in Echtzeit Daten über den Zustand der Geräte, aber auch über deren Umgebung sammeln. Diese Daten werden in einer zentralen Datenbank gesammelt und anschließend analysiert. Aus diesen analysierten Daten kann das System dann berechnen, wie wahrscheinlich wann welches Ereignis eintritt, z. B. wann ein Verschleißteil abgenutzt ist. Die Vernetzung zwischen Maschinen, Sensoren und dem System für die Predictive Maintenance geschieht z. B. über das Internet of Things.

Predictive Maintenance mit Big Data
Je mehr Daten für die Prognosen zur Verfügung stehen, desto besser werden sie. Das bedeutet nicht nur, dass an möglichst vielen Messpunkten in und um die Anlagen Daten erhoben werden müssen: Auch das Analysieren und langfristige Speichern dieser großen Datenmengen muss mit eingeplant werden. Denn die Prognosen werden erst dann richtig effektiv, wenn für die Analyse auf historische Daten zurückgegriffen werden kann. Nur so lassen sich z. B. bestimmte Muster erkennen, zuverlässige Aussagen treffen oder ungewöhnliche Situationen vom Alltäglichen abgrenzen. Technologien aus dem Bereich Big Data liefern die nötigen Kapazitäten, um das System performant und stabil betreiben zu können.

Vergleich zu traditionellen Wartungsmethoden

Traditionelle Wartungsmethoden verlassen sich häufig auf einen festen Zeitplan oder auf eine dem Arbeitsablauf angepasste Routine, nach dem bestimmte Aufgaben für die Wartung und Instandhaltung von Maschinen abzulaufen haben. Ziel dieser Methode ist es, die Maschinen vorbeugend zu warten - also möglichst bevor es zu Abnutzungen und Ausfällen kommen kann, die den Betriebsablauf stören könnten. Die Predictive Maintenance hingegen versucht, möglichst genau zu bestimmen, wann eine Wartung oder Inspektion entsprechend der tatsächlichen Auslastung und Abnutzung der Maschine notwendig wird.

Vorteile

Erfolgreiche Predictive Maintenance kann dabei helfen, den besten Zeitpunkt für die Wartung von Maschinen zu bestimmen. Daraus ergeben sich folgende Vorteile:

Reduzieren von Ausfällen
Die konstante Analyse von Zuständen und die Prognose von möglichen Ereignissen helfen dabei, Ausfälle von Maschinen zu minimieren: Statt sich wie üblich auf festgelegte Wartungsintervalle zu verlassen oder die Geräte gar erst im Schadensfall zu warten, werden mögliche Probleme frühzeitig erkannt und gemeldet. So passiert es seltener, dass eine Maschine unerwartet durch einen Defekt zum Stillstand kommt. Zudem kann rechtzeitig dafür gesorgt werden, dass die voraussichtlich erforderlichen Ersatzteile auf Lager sind.

Kostenersparnis
Menschliche Arbeitskraft ist eine der teuersten Ressourcen in der Industrie. Dadurch, dass mit ausreichend Daten weniger bis keine festgelegten, vorbeugenden Wartungsintervalle stattfinden müssen, kann die so frei gewordene Arbeitszeit anderweitig investiert werden; die Wartung und Instandhaltung der Maschine wird günstiger, da nur Arbeit stattfindet, wenn es der Zustand der Maschine tatsächlich erfordert.

Kontakt