Vorausschauende Wartung im Zeitalter von Industrie 4.0

Kürzere Produktlebenszyklen und schnellere Technologiesprünge erhöhen in Fertigungsunternehmen die Anforderungen an einen effizienten Umgang mit den Produktionsmitteln. Ausfälle, Minderleistungen und Qualitätseinbußen stellen ein hohes Risiko dar. Gerade vor dem Hintergrund einer Neustrukturierung der Fertigungsprozesse im Rahmen des Konzepts Industrie 4.0, das moderne Informationstechniken und klassische industrielle Prozesse verbindet kommen Wartung und Instandhaltung – Maintenance – eine wachsende Bedeutung zu. Sie sorgt bei der digitalen Vernetzung von Maschinen, Herstellungsverfahren aber auch Vertriebs- und Lagersysteme für eine hohe Verfügbarkeit der Produktionsanlagen und eine Minimierung von Ausfällen.

Eine hohe Verfügbarkeit erfordert neben hochwertigen Anlagen im Falle eines Ausfalls eine zeitnahe und schnelle Instandsetzung und -haltung. Das erfordert jedoch das Vorhalten entsprechender Ressourcen wie Fachkräfte, Ersatzteile oder Logistik. Um den dafür notwendigen Aufwand zu minimieren ist es wiederum notwendig, eine möglichst zuverlässige Vorhersage von Schadensereignissen zu bekommen, da nur so die notwendigen Mittel zur Instandhaltung bedarfsgerecht zur Verfügung stehen. Dafür braucht man eine Instandhaltungsstrategie, die mögliche Fehler oder Störungen in den Anlagen erkennt, bevor sie eintreten und die so die Planung einer optimalen Wartung ermöglicht. „Prescriptive Maintenance“ liefert einen wichtigen Baustein für eine derartige Strategie.

Daten sind auch hier ein entscheidender Faktor: Aus den Betriebsdaten, die mit Industrie 4.0 beziehungsweise Internet der Dinge nicht nur massenhaft anfallen, sondern die auch überall verfügbar gemacht werden können, wo es eine Internet-Verbindung gibt, können umfassende technische Informationen abgeleitet werden. Mit den Daten – Drehzahl, Öldruck, Temperatur oder Kühlmittelstand – kann man zum einen die individuellen Systeme steuern und kontrollieren, so dass Hersteller oder Service-Dienst­leister ihre Maßnahmen optimal planen können; zum anderen sammeln sich über alle Anlagen hinweg umfangreiche Informationen über das Verhalten der Systeme an. Wenn man diese entsprechend aufbereitet, lassen sich daraus statische Wahrscheinlichkeiten für das Auftreten bestimmter Service-Fälle ableiten: Wenn beim System X die Drehzahl über eine Toleranz hinaus schwankt, ist mit einer Wahrscheinlichkeit von n mit einem Achsbruch innerhalb der nächsten m Tage zu rechnen. Je mehr Daten verfügbar sind, desto besser können die jeweiligen Algorithmen die Eintrittswahrscheinlichkeit eines Schadens bestimmen.

Mit dem Einsatz dieser Prescriptive Maintenance können Instandhaltungsausgaben in Fertigungsunternehmen drastisch verringert werden: Typischerweise lassen sich ungeplanten Stillstandzeiten von Maschinen innerhalb von zwei Jahren um 40 bis 60 Prozent reduzieren; Arbeitsaufwand und Materialkosten um 35 bis 60 Prozent. Gleichzeitig kann die operative Lebensdauer einer Anlage um 30 bis 60 Prozent erhöht werden. Zugleich wird natürlich die Verfügbarkeit der Anlagen im Sinne eines unterbrechungsfreien Produktionsprozesses verbessert, was in Hightech-Indus­trien wie der Automobilherstellung, ein entscheidender Wettbewerbsfaktor ist.

Von der Vorausschau zum Decisioning

Prescriptive Maintenance kann vor allem da schnell eingeführt werden, wo Sensoren bereits umfangreich Daten erfassen, und eine entsprechende Kommunikationsinfrastruktur verfügbar ist; ansonsten lohnt sich aber auch das nachträgliche Aufrüsten von Monitoring-Systemen, nur dauert es dann länger bis sich der Ertrag tatsächlich einstellt.

Das Konzept von Prescriptive Maintenance reicht aber über die bloße Vorhersage von Schadensereignissen hinaus. Moderne Lösungen führen zunächst Predictive Maintenance und Decisioning zusammen. Es werden dabei, auf Basis von Analysen aber auch von historischen Modellen und Kontextinformationen, Entscheidungsstrategien integriert. Das System bildet Modelle unter Berücksichtigung von Geschäftsregeln, Strategien und Richtlinien, und schlägt konkrete Maßnahmen beziehungsweise Bearbeitungsschritte vor, beispielsweise wie eine Reparatur am besten durchzuführen ist.

In einem weiteren Schritt wird das Konzept um Adaptive Analytics erweitert. Das System wird in die Lage versetzt, selbständig zu lernen und die vorgeschlagene „Next Best Actions“ basierend auf Echtzeitinformation und einem kontinuierlichen Feedbackkreislauf immer weiter zu optimieren. Mit diesem Ansatz passt sich Prescriptive Maintenance optimal in Industrie-4.0-Strategien ein und sichert die langfristige Verfügbarkeit komplexer industrieller Anlagen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.