Predictive Maintenance

Diese lässt sich durch den Einsatz moderner technischer Methoden automatisieren: Zentral dafür sind die Digitalisierung und die Vernetzung von Produktionseinrichtungen und anderen Arbeitsmitteln im Rahmen der Industrie 4.0. Kontinuierlich erhobene Produktions- und Systemdaten werden rechnergestützt, mittlerweile auch unter Einsatz von künstlicher Intelligenz (KI), in Echtzeit ausgewertet, um Unstimmigkeiten und Abweichungen vom Normalbetrieb zu erfassen. So lassen sich Abschätzungen zur verbleibenden störungsfreien Restlaufzeit sowie zu Verschleißgrenzen treffen und Wartungs- oder Instandhaltungsarbeiten in Abstimmung mit den Erfordernissen der Produktion frühzeitig terminieren.

Normativer Rahmen

Die Grundlagen der Instandhaltung sind in den geltenden Normen DIN EN 13306:2018-02, „Instandhaltung - Begriffe der Instandhaltung“, sowie DIN 31051:2019-06, „Grundlagen der Instandhaltung“, geregelt. Darüber hinaus liegt die DIN EN IEC 63270:2022-09, „Geräte und Systeme für die industrielle Automatisierung - Vorausschauende Wartung“, als Entwurf vor. In diesem Normenentwurf werden die Verfahren und die funktionale Struktur der vorausschauenden Instandhaltung festgelegt. Beschrieben wird zudem der Zusammenhang zwischen vorausschauender, zustandsabhängiger und diagnoseabhängiger Instandhaltung.

Diese Norm bietet außer einem funktionalen Strukturmodell der vorausschauenden Instandhaltung und einem Verfahren samt Anweisungen zur Durchführung auch Hinweise auf Schnittstellen und die Datenanforderungen.

Instandhaltung der Zukunft

Die umfassende Predictive Maintenance, also die vorausschauende Instandhaltung, beruht auf der möglichst automatisierten Erhebung, Zusammenstellung und Auswertung komplexer Zustandsparameter der in der Fertigung und auch in der Logistik eingesetzten Maschinen, Anlagen und autonomen Systeme. Erfasst und be- bzw. verarbeitet werden kritische Informationen über die genutzten Arbeitsmittel.

Um deren bestimmungsgemäße und möglichst nachhaltige und langfristige Nutzung sicherzustellen und ungeplante Ausfallzeiten zu vermeiden, muss der Status der Gerätschaften und ihrer Bauteile überwacht und beurteilt werden. Die Ergebnisse der Beurteilung sind unter anderem Terminvorschläge für Wartungs- und Einstellungsarbeiten, die Vorhersage der Restlebensdauer sowie notwendige Instandhaltungsaktivitäten.

Aus den gewonnenen Erkenntnissen lassen sich Änderungen und Optimierungen des Produktionsablaufs ableiten, um die Nutzung der Maschinen und Anlagen zu reorganisieren und Abläufe besser untereinander abzustimmen. Hier gilt es auch, die Vernetzung von Mensch und Maschine zu beachten: Predictive Maintenance erhöht die Sicherheit der Menschen, die an den Maschinenarbeitsplätzen wirken, da möglicherweise gefährliche Fehler und Störungen an den Arbeitsmitteln frühzeitig erkannt und behoben werden können. Notwendige Wartungs- und Instandsetzungsarbeiten lassen sich außerdem auf Zeiten außerhalb der normalen Produktionszeiten verlegen, um die Produktivität in der Herstellung nicht negativ zu beeinflussen.

Effizienzgewinne durch frühzeitige Erkennung und Vorbeugung

Predictive Maintenance ist eine der Kernkomponenten der Industrie 4.0. Der proaktive Ansatz für die Wartung der Maschinen und Anlagen erlaubt es, Handlungsbedarf vorherzusagen, bevor es zu Auswirkungen wie Störungen oder Ausfällen kommt.

Stillstandszeiten werden reduziert, die Verfügbarkeit und die Laufzeit der Anlage werden verlängert. Die Prozesssicherheit wird durch die gestiegene Qualität der Arbeitsmittel erhöht, Kosten für Verschleißmaterialien oder Ersatzteile reduziert – so verlängert sich auch die Lebenszeit der Anlagen. Die Produktionskosten sinken und der Output wird erhöht. Predictive Maintenance führt damit zu mehr Effizienz in der Produktion und eröffnet Unternehmen neue Chancen.

Predictive Maintenance und Big Data

Verlässliche Vorhersagen für die vorausschauende Wartung beruhen auf der möglichst kontinuierlichen automatischen Erfassung einer großen Menge von Prozess- und Systemdaten. Diese Messwerte, Zustands- und Diagnosedaten, die in verschiedenen Formaten vorliegen können, müssen gespeichert sowie be- und verarbeitet bzw. analysiert werden. Eine Auswertung sollte idealerweise in Echtzeit erfolgen, um aus den aktuellen Veränderungen Trends und Entwicklungen ableiten zu können.

Um die riesigen anfallenden Datenmengen verarbeiten zu können, werden Methoden und Techniken aus dem Bereich Big-Data eingesetzt. Die Auswertung, insbesondere die automatische Erkennung von Mustern oder zeitabhängigen Änderungen in den erhobenen Daten, erfolgt mittlerweile vielfach durch KI-Anwendungen. Wenn ein produzierendes Unternehmen eine solche Auswertung nicht selbst vornehmen kann, können die Basisdaten auch über Netzwerke an Servicezentralen oder direkt an die Hersteller übermittelt werden. Dort werden dann Vorschläge für ein mögliches Eingreifen zur vorausschauenden Wartung entwickelt und zur Entscheidung vorgelegt.

Der intelligente Weg

Die Predictive Maintenance dient dazu, frühzeitig festzustellen, wann bei Maschinen und Anlagen möglicherweise kritische Zustandsänderungen eintreten. Werden Auffälligkeiten sichtbar oder zeichnen sich technische Mängel ab, erkennen spezielle informationstechnische (IT) oder KI-basierte Verfahren diese bereits vor einer Beeinträchtigung der Funktion. Störungen oder ungeplante Stillstände und damit Ausfallzeiten können so weitgehend reduziert werden.

Mithilfe von Predictive Maintenance lassen sich Wartungsmaßnahmen effizient gestalten. Die vorausschauende Instandhaltung kann damit die Marktposition eines Unternehmens stärken.

Buchen Sie unsere Seminare für die Industrie 4.0.