Tipps vom IoT-Spezialisten ECS Sieben Aspekte zur Evaluierung von Predicitive Maintenance

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Disy Informationssysteme GmbH

Der IoT-Spezialist ECS hat sieben kritische Punkte zusammengetragen, die Unternehmen vor der Investition in eine Predictive-Maintenance-Lösung abwägen sollten.

Im Rahmen vorausschauender Wartung oder Predicitve Maintenance werden Maschinen und Anlagen bedarfsgerecht gewartet, noch bevor es zu Störungen, Ausfällen oder Qualitätsverlusten kommt. Durch das Sammeln und die Auswertung von Zustandsdaten wird der optimale Wartungszeitpunkt ermittelt. Dieses Verfahren gilt als Nachfolger traditioneller Instandhaltung, in deren Rahmen Maschinen und Anlagen häufig unnötig früh oder erst nach einer Störung gewartet wurden.

Vorteile wie höhere Anlagenverfügbarkeit, bessere Planbarkeit von Ausfallzeiten und Logistik sowie geringere Wartungskosten sind bekannt. Allerdings sollten die dafür nötigen Voraussetzungen nicht unterschätzt werden. Dazu zählen beispielsweise die Echtzeit-Übertragung und tiefgehende Analyse großer Datenmengen. Zudem ist sind entsprechende Sensoren nebst einer leistungsfähigen Netzwerk- und Kommunikationsinfrastruktur nötig. Fehlt es dabei an der nötigen Erfahrung, ist Predictive Maintenance nicht immer der ideale Use Case. Unkompliziertere IoT-Szenarien wie Condition Monitoring, Ersatzteilmanagement oder Field-Service-Optimierung könnten besser passen und zusätzlich als Sprungbrett für einen späteren Umstieg auf vorausschauende Wartung dienen.

Sieben Kernaspekte hinterfragen

ECS hat deshalb die folgenden sieben Punkte ermittelt, um Unternehmen bei der Einschätzung des nötigen Aufwands zu helfen:

• 1. 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 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.

• 2. 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.

• 3. 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.

• 4. 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? Des Weiteren 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.

• 5. 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-Plattformen und Cloud-Services aus – was muss angepasst werden, was neu angeschafft?

• 6. 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.

• 7. 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?

(ID:47150307)