Predictive Maintenance – die vorausschauende Wartung – bringt viele Vorteile und ist daher zielführender als die klassischen präventiven oder reaktiven Wartungsansätze. Ungeplante Maschinenausfälle und die damit verbundene Kettenreaktion von verschiedenen Aktivitäten (z.B. Außendiensteinsatz) lassen sich somit weitestgehend reduzieren. Ersatzteile können vorausschauend besser eingeplant und eingekauft werden. Durch die Informationen aus den bestehenden Daten lässt sich die Leistung und Produktivität steigern. Durch immer kostengünstigere Sensoren werden immer mehr Daten bei Maschinen bzw. Maschinenteilen gesammelt. Informationen wie Außentemperatur, Luftfeuchtigkeit oder dem geografischen Standort sind einfach verfügbar. Die Herausforderung besteht also in der klugen Auswertung und Aufbereitung der Daten. Data Science hilft sowohl bei der zielgerichteten Erfassung als auch bei der Verwertung dieser Daten. So können Ausfälle und Fehler frühzeitig erkannt werden, wodurch die die Mean Time To Failure und die Kundenzufriedenheit steigen.
In der Umsetzung von Predictive Maintenance sind abhängig vom Einsatzgebiet unterschiedliche Prozesse und Daten betroffen:
Vorteile / Zielsetzung
Die drei Einsatzgebiete von Predictive Maintenance
Primäres Ziel: Optimierung der eigenen Produktion
Daten: Datenpunkte sind am Produktionsstandort oder an den Produktionstandorten; Prozessparameter, Qualitätskennzahlen, Umgebungsdaten
Anwendung: Vorhersage und Optimierung von Prozesseingangsparametern, Digitalisierung der Produktion
Zu beachten: Anbindung an den Historian (z.B. PI System von OSISoft) und Prozessleittechnik (lANSI/ISA 95)
Primäres Ziel: Überwachung von Maschinen an einem Standort der (End-)Kunden (i.d.R. außerhalb der Produktion)
Daten: Datenpunkte sind weltweit verteilt; Sensordaten von Maschinen weltweit verteilt; Qualitätskennzahlen
Anwendung: Erkennung von fehlerhaften Bauteilen, Ursachen- und Fehleranalyse
Zu beachten: Connectivity – Mobilfunk, Business Case
Primäres Ziel: Überwachung von Maschinen an einem Produktionsstandort von Kunden
Daten: Sensordaten von Maschinen weltweit verteilt; Qualitätskennzahlen
Anwendung: Erkennung von fehlerhaften Bauteilen, Ursachen- und Fehleranalyse
Zu beachten: Data Plattform, Datenschutz, Datenvertrag
Was können wir für Sie tun?