1. anacision
  2. /
  3. Predictive Maintenance
  4. /
  5. Hintergrund

PREDICTIVE MAINTENANCE

Hintergrund

Entwicklungen in der Instandhaltung

In vielen Unternehmen ist Instandhaltung ein wichtiges Thema und wird in einem kontinuierlichen Prozess stetig verbessert. Die folgenden beiden Aussagen sind zwei Beispiele für Erfahrungen aus der Praxis: „99% der Maschinenausfälle werden durch Indikatoren begleitet, die signalisieren, dass es zu einem Ausfall kommen wird“ oder „Die Hälfte aller präventiven Instandhaltungsmaßnahmen sind unnötig oder werden zu häufig durchgeführt“. Bisher war es allerdings schwierig einen Mehrwert aus solchen Aussagen zu ziehen, da Instandhaltung zumeist reaktiv oder bestenfalls periodisch bzw. nutzungsabhängig zu bestimmten Intervallen stattfand.

Mit der Verbreitung von Sensortechnologie ist es jedoch zunehmend möglich Daten über aktuelle Zustände von Anlagen zu sammeln. Diese Daten können ausgewertet und visualisiert werden, sodass der Zustand der Anlagen permanent überwacht wird und nur im Falle ungünstiger Entwicklungen des Anlagenzustands Instandhaltungsmaßnahmen durchgeführt werden müssen. Dieses Prinzip nennt sich Condition Monitoring und findet in Industrieunternehmen zunehmend Anwendung, da sich Instandhaltungskosten hierdurch deutlich senken lassen.

Predictive Maintenance erklärt

Um in Zukunft weiterhin wettbewerbsfähig zu bleiben, ist es notwendig die Instandhaltungskosten zu reduzieren und eine bessere Planbarkeit für Instandhaltungsmaßnahmen zu schaffen. Dies wird durch das Prinzip der vorausschauenden Instandhaltung (Predictive Maintenance) ermöglicht.

Bei Predictive Maintenance wird nicht nur der Zustand der Anlagen permanent überwacht, es findet auch eine Prognose der zukünftigen Zustandsentwicklung statt, wodurch die Planung von Instandhaltungsmaßnahmen ermöglicht wird. Hierfür ist eine einfache Auswertung von Sensordaten und deren Visualisierung nicht mehr ausreichend. Es müssen mithilfe von Data Science Methoden robuste Modelle gebildet werden, die möglichst präzise notwendige Instandhaltungsmaßnahmen prognostizieren und gleichzeitig für den Anwender klar verständlich sind.

Predictive Maintenance heißt Wettbewerbsfähigkeit erhalten

Die Anwendung von Data Science Methoden zur Realisierung von Predictive Maintenance stellt in Zeiten von Big Data, IoT und Industrie 4.0 ein erhebliches Potenzial dar:

 

  • Ausfallzeiten können minimiert und Betriebszustände optimal überwacht werden, sodass die Lebensdauer verschiedener Anlagen deutlich verlängert wird.
     
  • Eine bessere Prozessüberwachung führt zur Reduzierung von Umwelt- und Gesundheitsrisiken sowie zur Steigerung der Produktqualität und somit zur Steigerung der Kundenzufriedenheit.
     
  • Einer der wichtigsten Aspekte von Predictive Maintenance bleibt aber in jedem Fall das enorme Potenzial zur Senkung der Instandhaltungskosten. Dabei ist eine Reduzierung der Kosten von bis zu 50% keine Seltenheit. Diese Kostensenkungen müssen Unternehmen realisieren, wenn sie in Zukunft weiter wettbewerbsfähig sein wollen.
X