Vorausschauende Instandhaltung

Im stark umkämpften Industrie- und Wirtschaftszweig kann schnell der Wettbewerb den nächsten Auftrag bekommen, wenn es in der Abwicklung für den Kunden Probleme gab. Eine verspätete Lieferung einer maßgefertigten Metallplatte, weil die Maschine plötzlich ausgefallen ist? Ein Szenario, welches in vielen Betrieben nicht untypisch ist. Sowohl für den Kunden wie auch den Lieferanten entstehen schnell hohe Kosten, wenn die eigenen Projekte nicht abgeschlossen werden können.

Dabei darf nicht nur der Gewinnverlust aufgrund des Stillstands betrachtet werden. Auch die Kosten des technischen Experten für die Reparatur sowie die Lohnfortzahlung der Mitarbeiter, obwohl sie ihrer Arbeit an der Anlage nicht nachgehen können, müssen berücksichtigt werden.

Wo liegt der Fehler? Weshalb läuft die Maschine nicht? Wie kann sie repariert werden?

Ist es schon zum Ausfall gekommen, muss auch der Techniker erst einmal auf Fehlersuche gehen. Auch dies kostet Zeit, welche man sich sparen könnte. Die Lösung von Anfang an ist, der Einsatz einer Instandhaltungssoftware gekoppelt mit Sensor-Überwachung, um den Zustand der Maschinen dauerhaft und automatisiert zu überwachen.

Ein einfaches Beispiel. Es ist Montagmorgen und man will mit dem Auto zur Arbeit fahren. Doch plötzlich springt das Auto nicht an. Kein guter Start in die Woche, da man es zu diesem Zeitpunkt immer eilig hat, pünktlich am Arbeitsplatz zu erscheinen.

Hätte man das Auto am Freitag in der Werkstatt prüfen lassen, wäre das defekte KFZ-Teil vermutlich bereits aufgefallen und ausgetauscht worden. Doch woher soll man wissen, wann man am besten in die Werkstatt für eine Prüfung fährt?

Es gibt gesetzlich vorgeschriebene Instandhaltungstermine, bspw. der TÜV oder der Austausch des Zahnriemens nach 10 Jahren oder max. 120.000 gefahrenen Kilometern. Diese Empfehlungen werden auf Erfahrungswerten ausgesprochen. Doch meist kommt der Austausch zu früh und es entstehen Kosten, wenn diese noch nicht nötig sind.

Würde man das Auto sensorüberwachen, könnte man Daten in Echtzeit überprüfen und anhand von Anomalien erkennen, ob und welches Bauteil kritische Werte aufweist. Diese Echtzeitüberwachung wird im Bereich der Industrie 4.0 „Condition Monitoring“ oder auch „Condition Based Maintenance“ genannt.

Da man hier jedoch immer noch sehr reaktiv handelt, ergänzt erst der Prozess des „Machine Learning“ das Feld der vorhersagenden Instandhaltung (Predictive Maintenance).

Erst wenn die Sensordaten verarbeitet, analysiert und abgespeichert werden, können echte Vorhersagen für Fehlfunktionen durch Hochleistungscomputer automatisiert errechnet werden. Aus diesen Daten werden schließlich automatisiert bedarfsorientierte Planungen von Service- und Wartungsaktionen erstellt, dank derer im Idealfall die Verfügbarkeiten maximiert werden.

Zusammengefasst prognostiziert Predictive Maintenance Risiken unerwünschter Betriebszustände und Ereignisse auf Basis der im Condition Monitoring gewonnenen Erfahrungswerte. Der Vorteil gegenüber routinemäßigen Wartungen besteht darin, dass man dank automatisierter und vorhersagbarer Instandhaltungsprozesse Arbeitskosten reduziert und zu viele Wartungsschritte vermeidet.

Voraussetzungen zur Automatisierung Ihrer Instandhaltungsprozesse

1. Identifizieren von problematischen Bereichen. Welche Probleme haben den größten negativen Einfluss auf das Unternehmen? Als Entscheidungshilfe:
   
   
   • Was kostet der Ausfall einer Komponente, wenn sie nicht rechtzeitig vorhergesagt wird?
     
     
   • Welche Kosten entstehen, wenn diese erst nach dem Ausfall ausgetauscht oder repariert wird?
     
     
   • Werden andere Prozesse dadurch beeinflusst?
     
     
   • Wie viel kann man durch Predictive Maintenance sparen?
     
     
2. Integration von Geräten (bswp. Sensoren und Aktoren) zur Datenerfassung an den ausgewählten Anlagen und Maschinen.
   
   
3. Einrichtung einer Lösung, wo die gesammelten Daten gespeichert werden. Wo werden ggf. bestehende Datensätze bereits gelagert und wie kann man diese verknüpfen? Bieten historische Daten wertvolle Informationen?
   
   
4. Algorithmen für die Echtzeit-Überwachung entwickeln, um die gesammelten Daten bewerten zu können. Verschiedene Technik muss auch unterschiedlich bewertet werden. Hier lohnt sich auch die Recherche nach Plattformen, bei denen man bereits gesammelte Daten als Service einkaufen kann.
   
   
5. Kenntnisse des Instandhaltungsteams über die vorausschauende Analyse schulen und ein Management aufbauen. Erfolgversprechend ist die vorausschauende Instandhaltung dann, wenn die richtigen Daten ausgewertet und den richtigen Personen zur Verfügung gestellt werden.

Unser Lesetipp: Wie lassen sich relevante Daten in TOM Instandhaltungssoftware implementieren?