Eine Produktionsanlage fällt aus und wird anschließend repariert. Dieses Szenario gibt es immer seltener, denn heute erkennen intelligente Systeme eine Störung, bevor sie auftritt. Predictive Maintenance heißt das neue Schlagwort. Dadurch können enorme Kosten gespart und Stillstandszeiten reduziert werden.
Leseempfehlung: Vor drei Jahren haben wir über dieses Projektbeispiel zur vorausschauenden Wartung berichtet, siehe: Projektbeispiel mobile Instandhaltung Software
Vorausschauende Wartung mit Predictive Maintenance
Predictive Maintenance wurde in den letzten Jahren immer wichtiger und ist untrennbar mit den Begriffen wie Internet der Dinge (IoT), Big Data und Industrie 4.0 verknüpft. Bei der Predictive Maintenance geht es um die Wartung und Instandhaltung. Dabei sind die Betreiber, unabhängig von Maschinen und Fahrzeugen, nicht mehr auf feste Wartungsintervalle abhängig. Das Hauptproblem der regelmäßigen Wartung ist, dass jede Maschine von den Anwendern unterschiedlich oft genutzt wird, wodurch der Verschleiß überall anders zu kalkulieren ist. Die Lösung für das Problem bietet Predictive Maintenance, indem die permanente Überwachung von Bauteilen direkt an der Maschine erfolgt. Dies geschieht durch Sensoren, die beispielsweise an die Vibration, Feuchtigkeit oder Temperatur messen. Durch eine Wartungs-Software werden die Sensordaten anschließend erfasst und ausgewertet. Dadurch kann ein möglicher Ausfall von Komponenten frühzeitig erkannt werden. Somit werden defekte Bauteile identifiziert und ausgetauscht, bevor der Schaden tatsächlich entsteht.
Um eine verlässliche Vorhersage über den Zustand von Maschinen und Anlagen zu ermöglichen, ist eine große Datenmenge zu ergeben. Diese sind zu speichern, zu verarbeiten und mithilfe intelligenter Algorithmen zu analysieren. Die Daten können dabei verschiedene Formate besitzen. Auch Informationen der Peripherie und Umgebungsmerkmale wie Temperatur oder Feuchtigkeit werden erhoben. Um aus den Veränderungen Trends und Entwicklungen ablesen zu können, sind die Daten in regelmäßigen Zeitabständen zu erfassen. Riesige Kapazitäten müssen bereitgestellt werden, um die vielen verschiedenen Daten und Formate sowie die Datenmenge zu bewältigen. Die idealen Voraussetzungen dafür erfüllen Datenbanksysteme aus dem Big-Data-Umfeld.
Leserservice: Unsere Beric
hte sind oft sehr ausführlich. Daher bieten wir an PDF „Predictive Maintenance“ eine Zusendung des Artikels im PDF-Format zur späteren Sichtung an. Nutzen Sie das Angebot um sich die Praxis-Impulse in Ruhe durchzulesen, Sie können hierfür auch einfach auf das PDF-Symbol klicken.
Vorteile von Predictive Maintenance
Der größte Vorteil von Predictive Maintenance ist die Wirtschaftlichkeit. Schließlich ermöglicht es die Technologie, Stillstandszeiten zu verringern, Wartungskosten zu senken und Strom zu sparen. Die Einsparpotenziale sind enorm. So können, je nach Unternehmen, bis zu 100 Millionen Dollar eingespart werden, wie man am Beispiel von Union Pacific erkennen kann. Predictive Maintenance ist nicht nur für große Maschinen wirtschaftlich sinnvoll. Die Effizienz von Software und Sensoren steigt deutlich an. So hat ABB beispielsweise eine Lösung für Niederspannungsmotoren vorgestellt. Diese sind günstiger als die Konkurrenz und können auch in kleineren Dimensionen schnell amortisiert werden.
Neben der Wirtschaftlichkeit gibt es weitere Vorteile. Durch Predictive Maintenance lassen sich ungeplante Maschinenausfälle vermeiden und Außendiensteinsätze von Servicemitarbeitern optimieren. Außerdem ist es durch die Analyse der gesammelten Daten möglich, die Leistung der Maschine zu verbessern und eine höhere Produktivität zu erzielen. Die Maschinenwartung befindet sich also auf dem besten Weg in ein neues Zeitalter. Techniker agieren in Zukunft schon, bevor sich ein Mangel bemerkbar macht, statt nur darauf zu reagieren. Bedienfehler und falsche Einstellungen gehören aufgrund der viel besseren Datenanalyse praktisch der Vergangenheit an.
Leserservice: Unsere Beric
Beispiele für Predictive Maintenance
Bereits jetzt wird Predictive Maintenance in vielen Bereichen eingesetzt. Es werden beispielsweise Drehzahlen, Geräusch oder Temperatur von Motoren erfasst und ungewöhnliche Vibrationen oder Unwuchten frühzeitig erkannt. So ist das Versagen eines Lagers früher erkennbar beziehungsweise vorhersehbar. Windräder, Turbinen oder Kraftfahrzeuge werden zudem beispielsweise per Predictive Maintenance überwacht. Dadurch lassen sich bei Windkraftanlagen die Ausfallzeiten nahezu vollständig vermeiden. Hierbei führen intelligente mathematische Algorithmen exakte Schwingungsanalysen vom Verschleiß gefährdeten Komponenten durch. Sie liefern zuverlässige Prognosen über Ausfallwahrscheinlichkeiten von Bauteilen, die externen Belastungen ausgesetzt sind.
Eine wichtige Rolle spielt Predictive Maintenance auch in Fahrzeugen, da die umfangreichen Datenerhebungen vieler verschiedener Sensoren im Motor und Fahrwerk dazu beitragen, dass teure Reparaturen oder Ausfälle verhindert werden. Außerdem können rechtzeitig vorbeugende Maßnahmen eingeleitet werden. Das kann dazu führen, dass die Fahrzeugteile beim nächsten Besuch in der Werkstatt ausgetauscht werden können. Vernetzte Fahrzeuge könnten so die Servicewerkstätten oder den Fahrzeughersteller online kontaktieren und darüber informieren, dass die Werkstatt demnächst für eine außerplanmäßige und dringende Wartung aufgesucht werden muss.
Leseempfehlung: Wenn Sie sich für Sicherheitsrisiken, im Zuge von Predictive Maintenance für Anlagenbetreiber interessieren, könnte dieser Artikel interessant sein: Sicherheitsrisiken Predictive Maintenance.
Ja, das ist ein Riesenvorteil, wie heute Maschinen und Anlagen überwacht werden können – dank predictive maintenance. Statt darauf zu warten, dass ein Bauteil ausfällt und mit ihm vielleicht die Produktion für einige Stunden oder Tage ausfällt, wird rechtzeitig ein fehlerhaftes Bauteil erkannt und ausgetauscht, bevor es zum ungünstigsten aller Zeitpunkte ausfällt.