Wartung und Instandhaltung sind geschäftskritische Faktoren für die Fertigungsindustrie. Aktuell dominiert in den Unternehmen der Ansatz der periodischen Wartung. Die Maschinen werden in regelmäßigen Zeitintervallen auf ihren Zustand und möglichen Verschleiß geprüft. Der Nachteil: Solche festen Wartungsfenster sind relativ unflexibel und berücksichtigen nicht den tatsächlichen Zustand der Fertigungsanlagen.
Bei der Durchführung der periodischen Wartung werden Checklisten abgearbeitet, um sicherzustellen, dass kritische Elemente der Maschine reibungslos funktionieren und die Wartungsvorgaben des Herstellers eingehalten werden. Treten dabei Ungereimtheiten auf oder weist ein Bauteil einen Verschleiß außerhalb der Spezifikation auf, erfolgt der Austausch der betroffenen Komponenten.
Allerdings bietet die periodische Wartung nur wenige Ansatzpunkte, um unvorhergesehene Vorkommnisse proaktiv zu handhaben. Eine starke Abnutzung von Bauteilen oder andere Probleme, die außerhalb des festgelegten Wartungsplans auftreten, bleiben meist unentdeckt und können eine geringere Effizienz oder gar den Ausfall der Maschine bewirken.
Hier kommen neue und zukunftsfähige Konzepte ins Spiel, die für mehr Flexibilität sorgen, indem sie die starren Strukturen der periodischen Wartung aufbrechen. Das gibt Unternehmen die Möglichkeit, proaktiv einzugreifen und Ausfälle zu verhindern, bevor diese auftreten. Insbesondere das Konzept der Predictive Maintenance bietet enorme Potenziale, um die Wartung zu verbessern und effizienter durchzuführen sowie die Anlagenverfügbarkeit zu steigern. Voraussetzungen dafür sind die Anbindung der Maschinen an das Internet of Things (IoT) und die dadurch zur Verfügung stehenden Live-Daten.
Predictive Maintenance (prädiktive Wartung) basiert auf dem digitalen Zwilling und auf Industrie 4.0. Mithilfe von Sensoren und Cloud-Lösungen werden Daten zum Zustand der Maschine oder einzelnen Bauteilen erfasst, gesammelt und ausgewertet. Anhand einer permanenten Überwachung sorgt Predictive Maintenance dafür, dass die Wartung zum richtigen Zeitpunkt stattfindet und Bauteile ausgetauscht werden, bevor ein Defekt zum Ausfall der gesamten Maschine und zum Produktionsstillstand führt. Fehler und Abnutzungen können frühzeitig identifiziert behoben und behoben werden.
Mithilfe des Internet of Things werden die erfassten Daten in die Cloud übertragen und dort gespeichert. Die gesammelten Informationen bieten bereits eine gewisse Aussagekraft und lassen sich verwenden, um den Betrieb der Maschinen und Anlagen sicherzustellen. Für Predictive Maintenance ist es darüber hinaus unerlässlich festzulegen, welche Bedeutung ein bestimmter Wert für die Maschine und ihre Lebensdauer hat. Hierbei hilft Machine Learning, indem aus den gewonnenen Datensätzen Zusammenhänge, Anomalien und Muster erkannt werden. Eine Reihe von verschiedenen Algorithmen wird verwendet, um das System mit einer häufigen Anzahl von Durchläufen auf Basis der historischen Daten zu trainieren.
Bei der periodischen Wartung gibt es fest definierte Zeiträume, in denen eine Maschine außer Betrieb genommen wird, um die erforderlichen Wartungsaufgaben durchzuführen. Im Zusammenspiel mit Predictive Maintenance lassen sich diese geplanten Downtimes effizienter nutzen. Die gewonnenen Daten erlauben Rückschlüsse auf den Zustand von einzelnen Bauteilen, die im Rahmen der nächsten geplanten Wartung turnusmäßig vielleicht nicht betrachtet werden würden. So lassen sich mögliche Probleme frühzeitig erkennen und während der ohnehin geplanten Downtime beheben.
Mit Predictive Maintenance fallen Maschinen seltener aus und haben dementsprechend eine höhere Verfügbarkeit. Und auch bei einem ungeplanten Ausfall bietet Predictive Maintenance Vorteile. Zum einen verringert sich die Reaktionszeit durch die permanente Überwachung des Equipments. Zum anderen sind alle historischen Daten zum Equipment im System hinterlegt. Sie lassen sich nutzen, um Analysen zu Fehlern zu starten und damit die Ursache für den Ausfall schneller zu entdecken sowie die ungeplante Stillstandszeit zu minimieren.
Predictive Maintenance ist ein optimaler Ansatz, um die erfassten IoT-Daten sinnvoll in die Wartung einzubeziehen. Sie bildet die Zustände der einzelnen Bauteile permanent ab und ermöglicht es, die Wartung zum strategisch besten Zeitpunkt durchzuführen. Die Komponenten werden weder zu früh noch zu spät gewechselt, was langfristig zu einer deutlichen Kostensenkung führt.
Es ist nicht der Anspruch von Predictive Maintenance, die periodische Wartung zu ersetzen. Vielmehr kann sie die bisherige Strategie sinnvoll ergänzen und erweitern, um Betreiber in die Lage zu versetzen, in Sachen Wartung proaktiv zu handeln. Das Zusammenspiel von periodischer Wartung und proaktiven Konzepten erzielt maximalen Mehrwert. Auf diese Weise lassen sich die definierten Downtimes der periodischen Wartung effizienter nutzen. Das Ergebnis: Ungeplante Stillstände werden vermieden und die Maschinenverfügbarkeit wird deutlich erhöht.