Predictive Maintenance: So klappt die Umsetzung

Ungeplante Ausfallzeiten von Maschinen können Sie schnell mehrere tausend Euro pro Minute kosten – und das, während die Konkurrenz weiter produziert. Dabei gingen Experten bereits vor einigen Jahren davon aus, dass bis zu 70 Prozent aller ungeplanten Ausfälle mit Predictive Maintenance verhindert werden können.

Die technologische Entwicklung ist vorangeschritten und Predictive Maintenance ist zum wichtigen und unmittelbar kostensparenden Bestandteil der Industrie 4.0 avanciert. Mit der Vernetzung von Maschinen und Prozessen, der Nutzung von Daten und der daraus folgenden proaktiven Wartung Ihrer Maschinen sichern Sie Ihren wirtschaftlichen Erfolg.

Predictive Maintenance beantwortet die Frage: „Was wird wann mit Ihren Maschinen passieren?“ Durch die Verknüpfung, Visualisierung und Analyse von Maschinen- und Produktionsdaten kann der optimale Zeitpunkt für die Wartung und Instandhaltung von Maschinen vorhergesagt werden.

Das Ergebnis: Die Maschine steht nicht mehr plötzlich aus irgendeinem Grund still. Durch kontinuierliche Messung und Auswertung von Maschinendaten:

identifizieren Sie möglichen Verschleiß oder Abweichungen der Anlagen im Produktionsprozess
erhöhen Sie die Produktionssicherheit sowie Effizienz von Wartungsmaßnahmen
maximieren Sie die Gesamtanlageneffektivität (OEE).

So werden Stillstandzeiten planbar und ungeplante Ausfallzeiten minimiert. Maschinen warten Sie mit Predictive Maintenance nur dann, wenn es nötig und auf Datengrundlage eingeplant ist.

Die Maschinenwartung ist Bestandteil eines jeden produzierenden Unternehmens. Oftmals reagieren Unternehmen dabei nur auf das Verhalten ihrer Maschinen und Anlagen: Tritt ein Defekt ein, steht die Maschine still, bis der Mangel behoben ist. Bildlich gesprochen: Es brennt und Sie müssen das Feuer erst einmal löschen.

Zeit- und kostensparender ist es hingegen, die Instandhaltung auf Basis von Daten zu planen. Dadurch können Sie intervenieren, bevor es zum Maschinenstillstand kommt, und auch die mean time to repair (MTTR) nachhaltig optimieren. Wir stellen Ihnen die Vor- und Nachteile geläufiger Maintenance-Ansätze näher vor.

Predictive Maintenance

(Vorausschauende Wartung)

Hier wird auf Basis von erfassten Betriebs- und Prozessdaten sowie dem tatsächlichen Zustand der Maschine eine Vorhersage getroffen, wann die Maschine oder Anlage gewartet muss.

Vorteile

Wartung ist planbar
Stillstandzeiten werden auf ein Minimum reduziert
Lebensdauer von Maschine und Teilen wird erhöht
Personaleinsatz und Ersatzteile können exakt geplant werden
Kostenersparnis gegenüber routine- und intervallbasierten vorbeugenden Wartungen

Nachteile

Maschinen müssen fit gemacht werden für die Datenerfassung
initialer Kostenaufwand

Ihre Rolle

Sie sind kein Feuerwehrmann mehr sondern strategischer Planer. Sie verhindern Brände, bevor Sie entstehen und zwar auf Basis gesammelter Daten.

Preventive Maintenance

(Präventive Wartung)

Bei der vorbeugenden Instandhaltung werden Maschinen und Anlagen nach einem festgelegten Zeitplan gewartet. Historische Daten und Erfahrungswerte dienen oft als Basis.

Vorteile

verlängerte Lebensdauer der Anlage
reale Ausfälle können vermieden werden
Kosteneinsparung gegenüber Reactive Maintenance möglich

Nachteile

Maschinenteile mit Restlebensdauer werden getauscht
auch laufende Maschinen ohne Ausfallsrisiko werden vom Netz genommen - unnötige Stillstandzeiten werden verursacht
eventuell verschlissene Teile werden nicht beachtet
ungeplante Ausfälle dennoch möglich
vergleichsweise hohe Kosten

Ihre Rolle

Sie sind der erfahrene Feuerwehrmann, der provisorisch löscht, damit möglichst kein Brand entsteht. Brennen könnte es dennoch.

Reactive Maintenance

(Reaktive Wartung)

Maschinen und Anlagen werden ohne Einblick in Daten und Zustände bis zum Wartungsfall betrieben. Die Instandhaltung erfolgt, wenn der Schaden eintritt.

Vorteile

Anlage kann bis zur maximalen Produktionsleistung betrieben werden
es sind keine weiteren Investitionen für Datenerfassung und Co. nötig

Nachteile

Kosten bei Reparaturen können Produktionswert deutlich übersteigen
es entstehen lange, nicht planbare Stillstandzeiten
der Schaden kann Streueffekte auf andere Maschinenteile haben
meist werden nur Symptome, nicht aber die Ursachen behoben
hohe finanzielle Belastung

Ihre Rolle

In diesem Fall sind Sie der Feuerwehrmann, der den Brand nur noch löschen kann.

Der Weg hin zu einer effektiven vorausschauenden Wartung ist sicherlich kein Spaziergang. Ihre konkreten Ziele, der bestehende, meist heterogene Maschinenpark und komplexe Produktionsprozesse stellen hohe Anforderungen an die Umsetzungsstrategie. Aber der Aufwand lohnt sich, denn mit Predictive Maintenance beeinflussen Sie Ihre Produktionsleistung maßgeblich und nachhaltig.

5 Punkte sollten Sie bei der Umsetzung beachten:

Datengrundlage für Predictive Maintenance schaffen

Die richtige Datenbasis ist die Grundlage für Ihren Weg hin zu vorausschauender Wartung. Wie Sie diese Datenbasis erreichen, hängt davon ab, wie weit Ihre Maschinen bereits digitalisiert sind. Statten Sie Ihre Maschinen und Anlagen mit den notwendigen Sensoren und Messgeräten aus. Führen Sie einen Datenkatalog ein, um Überblick über die Daten zu behalten, und erfassen Sie die Zustandsdaten Ihrer Maschinen und Anlagen (Condition Monitoring). Das schließt alle Funktionsdaten wie etwa Drehzahlen, Temperatur, Geräuschentwicklung, Flüssigkeitsstände, Druck, Lagerschwingungen oder Stromverbrauch ein.

Beachten Sie dabei, dass nicht nur die Produktion relevant ist. Auch andere Bereiche wie Produktmanagement, IT und Instandhaltung sollten diese Datenbasis beeinflussen.

Und vergessen Sie die Kontextdaten nicht: Wie steht es zum Beispiel um Temperatur, Luftfeuchtigkeit und -verschmutzung am Einsatzort? Wie viele Zyklen hat die Maschine hinter sich? Welche Daten gibt es zu Ausfallzeiträumen sowie Fehlerursachen und -meldungen? Welche Daten liefern die Wartungsprotokolle?

Je größer die Datenbasis und je intelligenter der Analysealgorithmus ist, desto verlässlicher sind die Ergebnisse.

Den richtigen Fokus setzen

Maschinendaten, Prozessdaten, Umgebungsdaten aus Ihrer Produktion: Um ungeplante Stillstände effektiv vorauszusagen, müssen Sie wissen, welche Informationen Sie aus den gesammelten Daten gewinnen wollen. Definieren Sie die angestrebten Erkenntnisse so klar wie möglich, denn nur dann können Sie große Zeitaufwände beim Einsammeln der Daten vermeiden. Sammeln und verarbeiten Sie genau die Daten, die für Ihre vorausschauende Wartung wichtig sind.

Transparenz und Visualisierung

Haben Sie die Datengrundlage geschaffen und die Erkenntnisziele definiert, gilt es, Ihre Daten lesbar zu machen. Bis hierher laufen die Daten aus Ihren Maschinen und Anlagen nur in Ihren Server oder in die Cloud. Mit zielgerichteten Visualisierungen schaffen Sie Transparenz in Ihren Prozessen und ermöglichen Schwellwert- und Trendanalysen. Gegebenenfalls müssen die Daten aus verschiedenen Systemen zwar erst homogenisiert werden, aber dann sind bereits erste Optimierungen durch den manuellen Vergleich der IST-Daten mit den SOLL-Werten erreichbar.

Zusammenhänge erkennen

Bis an diese Stelle haben Sensoren, Gateways und Software ihren Dienst verrichtet. Jetzt können Sie mit Hilfe von Machine-Learning-Algorithmen und künstlicher Intelligenz historische Maschinendaten auswerten und Ursachen für frühere Ausfälle oder Anomalien finden.

Anhand von Trainingsdaten wird ein Modell angelernt, das automatisch Fehlermuster erkennt. Dieses Modell wiederum setzen Sie im Produktionsalltag ein, um im Live-Betrieb automatisch Prognosen zu treffen und Verschleiß zu erkennen. Dabei scannt und analysiert das Modell kontinuierliche die bereitgestellten Datenströme (Streaming Analytics).

Proaktiv Wartungen durchführen

Das so entstandene Vorhersagemodell ermöglicht eine frühzeitige Anomalieerkennung. Darauf basierend können Sie Wartungs- und Reparaturmaßnahmen gezielt proaktiv durchführen und ungeplante Ausfälle verhindern.

(Wartungs-)Kosten reduzieren

Vorausschauende Wartung hilft Ihnen, auf verschiedenen Ebenen Kosten zu sparen. Da wären zuerst die massiven Kosten pro Minute ungeplanter Stillstandzeit, über die wir oben bereits gesprochen haben.

Zudem ermöglicht Predictive Maintenance ein optimiertes Ersatzteilhandling. Das heißt ganz konkret: Sie nutzen Verschleißteile in Ihren Maschinen so lange, bis ein Austausch notwendig ist. Sie nutzen die Lebensdauer des Teiles optimal aus und ersetzen es geplant, bevor es einen Stillstand verursacht.

Das reduziert nebenbei auch die Kosten für die Lagerhaltung entsprechender Einzelteile. Zu guter Letzt ermöglicht Predictive Maintenance eine bessere Ressourcenplanung, sodass Sie Personal- und Materialaufwände für die Wartung gering halten können.

Maschinenlaufzeit maximieren & Ausfallzeit reduzieren

Wenn Sie vorhersagen können, wann ein Bauteil Ihre Maschine außer Gefecht setzen wird, können Sie dem Ausfall vorbeugen. Das verhindert Stillstandzeiten und erhöht die Anlagenverfügbarkeit. Doch auch die Gesamtlebensdauer Ihrer Maschinen und Anlagen wird durch eine regelmäßige vorausschauende Wartung erhöht.

Sie verhindern, dass mit dem Ausfall eines Bauteils weitere Bauteile in Mitleidenschaft gezogen werden. Zudem befähigt Sie Predictive Maintenance, Wartungseinsätze so zu planen, dass Ihre Produktion nicht oder nur minimal beeinträchtigt wird.

Sagen wir es ganz banal: Reden Sie darüber - und zwar mit:

Ihren Maschinenherstellern und finden Sie heraus, wie Sie auch Bestandsmaschinen für Predictive Maintenance fit machen können
Digitalisierungsexperten, die Ihnen mit Erfahrungswissen und Technologieverständnis den sinnvollsten Weg hin zu einer vorausschauenden Wartung skizzieren können
Ihren Kolleginnen und Kollegen darüber, für welche Prozesse sich ein Invest in Predictive Maintenance überhaupt lohnt und machen Sie eine Kosten-Nutzen-Analyse.

Aus diesen Gesprächen ergeben sich mit hoher Wahrscheinlichkeit praktikable Lösungen für vorausschauende Wartung in Ihrem Unternehmen.

Die Frage nach der Datenhoheit

Wem gehören die Maschinendaten? Dem Hersteller oder Ihnen als Betreiber? Oftmals könnten Ihre Maschinen Ihnen bereits Prozess- oder Zustandsdaten liefern. Aber ohne zusätzliche Sensoren kommen Sie nicht ran, weil der Hersteller keinen Zugang erlaubt oder nur teuer verkauft. Und das, obwohl die Daten ja durch Ihre Arbeit mit der Maschine entstehen.

Die Frage nach der Datenhoheit soll ab Herbst 2025 vom EU Data Act geregelt werden. Hierin soll definiert werden, wer unter welchen Bedingungen Zugang zu welchen Daten erhält. Das Ziel ist eine faire und demokratische Nutzung von Daten. Daten, die Sie erzeugt haben, sollen für Sie auch nutzbar gemacht werden. Das kann Ihren Bestrebungen für eine nutzbringende vorausschauende Wartung zugutekommen.

Schritt 1: Evaluierung & Eingrenzung

Starten Sie am besten mit einem gemeinsamen Workshop mit allen internen Stakeholdern. Holen Sie all die Mitarbeiter an einen Tisch, die einschätzen können, welche Anwendungsfälle für Predictive Maintenance geeignet sind. Bewerten Sie die Anwendungsfälle nach relevanten Kriterien wie:

technisches Verbesserungspotenzial
finanzielle Sparpotenziale durch vorausschauende Wartung
Einflussfaktoren für Produktqualität und Verschleiß

Haben Sie einen Anwendungsfall identifiziert, stecken Sie den Rahmen des Pilotprojektes fest. Das heißt: Nehmen Sie sich nicht gleich die ganze Produktionslinie vor, sondern fokussieren Sie sich auf einzelne, besonders problembehaftete Prozessschritte.

Schritt 2: Ran an die Daten

Nehmen Sie die Unterstützung von Digitalisierungsexperten in Anspruch, die Erfahrung mit Data Analytics haben, und beginnen Sie Daten zu erheben. Zeichnen Sie Historiendaten auf und stellen Sie sie für Analysen zur Verfügung. Hierbei können sich bereits erste Muster abzeichnen, die später die Basis für Streaming Analytics bilden.

Stellen Sie einen regelmäßigen Austausch zwischen Ihren internen Experten und den externen Data Scientists zu den Ergebnissen der Datenanalyse sicher.

Schritt 3: Implementierung

Die Grundlagen sind geschaffen, sodass Sie sich jetzt zusammen mit Ihrem Umsetzungspartner Gedanken über die technischen Details machen können. Wie soll die Predictive-Maintenance-Architektur für Ihr Werk aussehen? Wer soll wann welche Informationen wie zur Verfügung gestellt bekommen? Welche Hilfsmittel benötigen Ihre Mitarbeiter, um effektiv mit den Daten arbeiten zu können?

Daraus ergibt sich die konkrete technische Umsetzung und die Implementierung des Predictive-Maintenance-Systems für die von Ihnen ausgewählten Produktionsschritte.

Weiterführende IIoT-Technologien

In den Daten liegt der Schlüssel – nicht nur für eine vorausschauende Wartung. Je mehr Daten Sie von Maschinen und Anlagen erheben, desto genauer können Sie ein digitales Abbild davon schaffen. Dieser Digitale Zwilling ist eine virtuelle Kopie Ihrer Maschinen, an der:

Änderungen in der Anlage durchgehend verfolgt werden können
Schwellenwerte definiert und Problemstellen visuell hervorgehoben werden können
Wartungsmaßnahmen simuliert und damit Wartungspläne optimiert werden können

Auf der Grundlage von Daten können Sie ebenso Prüfungen automatisiert durch Roboter durchführen lassen. Das lohnt sich besonders an schwer zugänglichen oder potenziell gefährlichen Produktionspunkten.

Ein zusätzliches Mittel zur Optimierung von Wartungsprozessen finden Sie in AR-Tools, die Ihnen die Wartungsschritte virtuell direkt an der jeweiligen Maschine anzeigen.

Prescriptive Maintenance / präskriptive Wartung

Erinnern Sie sich noch die Maintenance-Typen und die Frage, ob Sie Feuerwehrmann oder Planer sind? Mit Prescriptive Maintenance lassen Sie beide Rollen hinter sich. Bei dieser Technologie sagt das System Ausfälle nicht nur vorher, sondern liefert auch die empfohlenen Maßnahmen mit. Sogar eine selbstständige Einleitung von Maßnahmen ist umsetzbar.

Das bringt Ihnen eine hohe Zeitersparnis durch selbst lernende Automatismen, minimale Stillstandzeiten, eine Maximierung der Lebensdauer und Betriebszeit und deutlich weniger Analyseaufwand für Ihre Servicetechniker. Allerdings setzt Prescriptive Maintenance einen hohen Initialaufwand für Software und Equipment voraus und ist äußerst komplex in der Umsetzung.

Perspektiven für Maschinenhersteller

Bislang haben wir uns Predictive Manitenance durch die Maschinenbetreiber-Brille angeschaut. Doch die vorausschauende Wartung kann auch für Maschinenhersteller interessant sein – nicht nur, was die Produktion der Maschinen selbst angeht, sondern auch im Hinblick auf neue Geschäftsmodelle.

In Maschinen- und Kundenportalen können Maschinenhersteller die frisch gelieferte Maschine bereits als digitalen Zwilling zur Verfügung stellen. Neben der Statusüberwachung und Störungsmeldungen eröffnen sich hier auch Möglichkeiten für After-Sales-Services. So können zum Beispiel Ersatzteile oder zusätzliche Services bedarfsgerecht angeboten oder vom Maschinenbetreiber bestellt werden.

Wann lohnt sich Predictive Maintenance?

Predictive Maintenance lohnt sich besonders in folgenden Fällen:

bei Maschinen und Anlagen, die kritisch für die Produktion oder die Sicherheit sind
wenn Ihnen durch ungeplante Ausfallzeiten und Reparaturen besonders hohe Kosten entstehen
wenn Ersatzteile oder qualifiziertes Wartungspersonal nur schwer zu beschaffen sind
wenn Sie Wartungsintervalle nur nach Herstellerangabe oder Kalender anstatt des tatsächlichen Bedarfs festlegen

Warum ist Predictive Maintenance wichtig?

Predictive Maintenance ist wichtig, weil durch sie ungeplante Ausfallzeiten und Reparaturen reduzieren werden können. Die Überwachung von Maschinendaten ermöglicht es, Ausfallursachen frühzeitig zu erkennen und Wartungs- oder Reparaturmaßnehmen einzuleiten. Das verbessert die Effizienz von Wartungsprozessen, senkt Kosten und erhöht die Verfügbarkeit von Maschinen und Anlagen, was sich wiederum positiv auf Produktivität und Wertschöpfung auswirkt.

Was versteht man unter Predictive Maintenance?

Predictive Maintenance ist eine Wartungsstrategie, mit der potenzielle Probleme in Maschinen und Anlagen identifiziert werden sollen, bevor sie zu Stillstandzeiten führen. Durch die Überwachung und Anlayse von Maschinendaten können Abweichungen und Anomalien erkannt und Vorhersagemodelle entwickelt werden, um:

den optimalen Zeitpunkt für Wartung und Reparatur zu bestimmen
kostspielige Ausfälle zu minimieren
die Lebensdauer von Maschinen zu verlängern.

Was braucht man für Predictive Maintenance?

Für Predictive Maintenance müssen mehrere Komponenten kombiniert werden:

Datenerfassungssysteme zum Sammeln von Maschinen- und Anlagendaten
Analytische Tools /Algorithmen zur Datenverarbeitung und Muster-/Anomalie-Erkennung
Vorhersagemodelle zur Vorhersage des optimalen Wartungszeitpunktes
eine geeignete Infrastruktur für Speicherung, Verarbeitung und Analyse großer Datenmengen
geschulte Mitarbeiter für die Datenanalyse sowie die Interpretation und Umsetzung von Wartungs- und Reparaturplänen

Fazit

Predictive Maintenance kann ein wesentlicher Hebel für Ihre Wettbewerbsfähigkeit sein. Indem Sie Stillstandzeiten auf Datenbasis planen und Produktionsausfälle verhindern, senken Sie Ihre Kosten und steigern die Effizienz. Allerdings ist die vorausschauende Wartung nicht der trivialste Digitalisierungsansatz.

Sie benötigen eine umfangreiche Datengrundlage und entsprechend angelernte Modelle, die für die Prognosen zuständig sind. Hierfür empfiehlt sich die Zusammenarbeit mit erfahrenen Data Scientists und Digitalisierungsexperten.

"Die Nutzung von Digitalisierung zur vorausschauenden Wartung reduziert Ausfallzeiten und Reparaturkosten. Fehler werden frühzeitig erkannt und Wartungsmaßnahmen werden durch reelle IST-Daten effektiver planbar.

Sie verbessert die Betriebseffizienz und Lebensdauer von Maschinen, wodurch langfristige Investitionen und Ressourcen geschont werden. Durch die Digitalisierung in der vorausschauenden Wartung kann die Gesamtproduktivität und damit die Wettbewerbsfähigkeit Ihres Unternehmens gesteigert werden."

Sven Rotzsche | Leiter IIoT Solutions | iSAX GmbH & Co. KG

Predictive Maintenance: So etablieren Sie vorausschauende Wartung in Ihrem Unternehmen

Inhalt

Predictive Maintenance: Ihr Vorteil gegenüber der Konkurrenz

Was ist Predictive Maintenance?