Vorausschauende Wartung (Englisch: Predictive Maintenance, PM) gilt als ein Paradebeispiel unter den IoT-Anwendungsszenarien. Manche sprechen sogar von einer Killerapplikation. Aber lohnt sich dieser vielgepriesene Use Case wirklich? Der IoT-Spezialist ECS mit jahrzehntelanger Erfahrung im angestammten Geschäft im Bereich der diskreten Fertigung nennt sieben kritische Punkte, die Unternehmen vor der Investition in eine Predictive-Maintenance-Anwendung abwägen sollten.

Predictive Maintenance ist eine Instandhaltungsstrategie, bei der Maschinen und Anlagen bedarfsgerecht gewartet werden – bevor es zu Ausfällen, Störungen oder Qualitätsverlusten kommt. Dazu sammelt und analysiert ein Unternehmen Zustandsdaten einer Maschine und kann so den optimalen Wartungszeitpunkt bestimmen. Die vorausschauende Instandhaltung löst damit die traditionelle Instandhaltung ab, bei der Anlagen unnötig früh oder erst bei Auftreten der Störung – sprich zu spät – gewartet werden. Die Vorteile der Predictive Maintenance liegen auf der Hand: Die Anlagenverfügbarkeit steigt und Qualitätseinbußen werden vermieden. Hinzu kommt eine bessere Planbarkeit von Ausfallzeiten, Serviceeinsätzen und Ersatzteillogistik. Insgesamt sinken die Wartungskosten, weil nur bei echtem Bedarf gewartet wird.

Doch die Voraussetzungen sind nicht zu unterschätzen. Um verlässliche Vorhersagen zu treffen, gilt es riesige Datenmengen in Echtzeit zu übertragen, zu analysieren und in Verbindung mit Bestandsdaten zu evaluieren. Dies erfordert unter anderem mit Sensoren ausgestattete Anlagen, eine leistungsfähige Netzwerk- und Kommunikationsinfrastruktur sowie ausgefeilte Algorithmen.

Um einzuschätzen, ob der Nutzen den Aufwand rechtfertigt, sollten sich Unternehmen mit den folgenden Fragestellungen auseinandersetzen:

Zielsetzung: Soll die vorausschauende Wartung ein bestehendes Problem lösen oder ein neues Angebot schaffen? Geht es um die Instandhaltung der eigenen Maschinen und Anlagen oder um die der hergestellten Produkte? Wichtig an dieser Stelle: genau zu lokalisieren, in welchen Bereichen Predictive Maintenance den größten Hebel hätte und dort anzusetzen. Unternehmen sollten auch klären, welche Verbesserungen sie grundsätzlich erreichen wollen: Kostenersparnis, Anlagenverfügbarkeit, Kundenservice oder Produktqualität.
Alternativen: Zur Erreichung dieser Ziele ist Predictive Maintenance meist nicht der einzige Weg. Daher gilt es auch Alternativen auszuloten. Könnten beispielsweise Fernwartung, Asset Health Management oder Qualitätsüberwachung ähnliche Ergebnisse liefern – bei geringerem Aufwand? Müssten dazu Abstriche gemacht werden und wären diese tolerierbar? Außerdem zu beachten: Treten Fehler nicht oft genug auf, fehlen dem Algorithmus schlicht die Daten zum Lernen. Dann läuft Predictive Maintenance ins Leere.
Kontext: Natürlich muss ein Predictive-Maintenance-Projekt zum Geschäftsmodell und in den Gesamtkontext passen. Eine IoT-Gesamtstrategie und eine definierte Roadmap schaffen da Klarheit. Auch Erfahrungen aus bereits realisierten IoT-Projekten gilt es zu berücksichtigen. Sie helfen operative Aspekte zu klären, zum Beispiel wo das Projekt organisatorisch angesiedelt sein soll.
Leidensdruck: Ob sich Predictive Maintenance rechnet, hängt nicht zuletzt von der Natur des zu lösenden Problems und den damit verbundenen Konsequenzen ab. Jedes Unternehmen sollte deshalb für sich beantworten, wie zuverlässig oder gar ausfallsicher seine Anlagen oder Produkte wirklich sein müssen: Kann ein unerwarteter Stillstand schnell überbrückt werden oder führt er zu hohen Konventionalstrafen? Birgt er gar Sicherheitsrisiken? Desweiteren gilt es abzuwägen, wie hoch die derzeitigen Wartungs- und Servicekosten sind, wie oft und für wie lange Maschinen oder Produkte ausfallen und ob diese Ausfallquoten eine technologische Lösung rechtfertigen.
Investitionen: Der Investitionsbedarf variiert je nach Zielsetzung und Digitalisierungsgrad erheblich. Organisationen sollten daher klären, welche Messwerte und Diagnosedaten erfasst werden sollen und ob ihre Produktionsanlagen und -stätten bereits über die erforderlichen Sensoren und Kameras verfügen. Ein weiterer wichtiger Faktor ist die Netzwerk- und Kommunikationsinfrastruktur. Genügt sie den Anforderungen, die die vorausschauende Wartung mit ihren riesigen Datenvolumina und der Echtzeit-Verarbeitung mit sich bringt? Und wie sieht es mit IT-Systemen, IoT-Plattform und Cloud-Services aus – was muss angepasst werden, was neu angeschafft?
Know-how: Kenntnisse in puncto IoT-Architektur und maschinellem Lernen, aber auch Daten- und Analytik-Skills, sind in vielen IT-Abteilungen dünn gesät. Sie zeitnah aufzubauen, ist leichter gesagt als getan. Hilfe versprechen zwei Lösungsansätze: Unternehmen können das fehlende Fachwissen entweder über externe Dienstleister zukaufen; oder sie reduzieren das nötige Know-how durch den Einsatz einer integrierten Datenmanagement- und Analytics-Plattform.
Monetarisierung: Oft sehen Unternehmen in der vorausschauenden Wartung eine Möglichkeit, ihren Kunden einen Mehrwert zu bieten, die Customer Experience zu verbessern oder sich gegenüber dem Wettbewerb zu differenzieren. Sie sollten aber auch darüber nachdenken, ob sich damit nicht auch neue Einnahmequellen erschließen lassen. Denkbar wäre zum Beispiel, ein zusätzliches Serviceangebot gegen Gebühr anzubieten. Oder ließe sich auf dieser Basis sogar ein ganz neues Geschäftsmodell entwickeln, etwa ein »Pay-per-Use«-Modell?

Fazit

Der IoT-Spezialist ECS rät daher: Unternehmen, die noch nicht viel Erfahrung auf dem Gebiet gesammelt haben, sollten kritisch hinterfragen, ob die vorausschauende Instandhaltung für das Erreichen der eigenen Ziele tatsächlich der beste Use Case ist. Denn häufig lassen sich beachtliche Einsparungen oder neue Einnahmequellen auch mit weniger komplexen IoT-Szenarien erzielen, Stichwort Condition Monitoring, Ersatzteilmanagement oder Field-Service-Optimierung. Diese »einfacheren« Anwendungsfälle dienen zudem als Sprungbrett für eine spätere, vorausschauende Wartung. In der Praxis hat sich dieser stufenweise Ansatz bereits vielfach bewährt.

213 Artikel zu „Predictive Maintenance“

NEWS | BUSINESS PROCESS MANAGEMENT | EFFIZIENZ | FAVORITEN DER REDAKTION | INDUSTRIE 4.0 | INFRASTRUKTUR | KÜNSTLICHE INTELLIGENZ | ONLINE-ARTIKEL | SERVICES | WHITEPAPER

Predictive Maintenance: Den Lebenszyklus von Industriebatterien im Fuhrpark intelligent verlängern

17. April 2019

Für die Industrie sind zuverlässig funktionierende Transportfahrzeuge in der Intralogistik die Voraussetzung für wirtschaftliches Arbeiten. Da immer mehr Software, Elektronik und damit auch Batterien in den Geräte- und Maschinenpark Einzug halten, steigt der Aufwand für Wartung, Reparatur und Management der Batterien. Ein intelligentes Batteriemanagement kann dabei helfen, die Kosten und Ausfallzeiten zu verringern. Intelligente…