Definition

Was ist Predictive Maintenance?

| Autor / Redakteur: Tutanch / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Predictive Maintenance verfolgt als eine der Kernkomponenten von Industrie 4.0 einen vorausschauenden Ansatz und wartet Maschinen und Anlagen proaktiv, um Ausfallzeiten niedrig zu halten. Das Verfahren nutzt hierfür von Sensoren erfasste Messwerte und Daten.

Predictive Maintenance lässt sich mit dem Begriff „vorausschauende Wartung“ ins Deutsche übersetzen. Das Verfahren nutzt Mess- und Produktionsdaten von Maschinen und Anlagen für die Ableitung von Wartungsinformationen. Ziel ist es, die Maschinen und Anlagen proaktiv zu warten und Störungszeiten zu minimieren. Im Optimalfall lassen sich Störungen vorhersagen, bevor es zu Auswirkungen oder Ausfällen kommt. Durch die frühzeitig proaktiv eingeleiteten Wartungsmaßnahmen ist das tatsächliche Eintreten der Störung zu verhindern.

Predictive Maintenance ist eine Kernkomponente der Industrie 4.0 und grenzt sich deutlich von herkömmlichen Wartungsansätzen wie der reaktiven oder präventiven Wartung ab. Um verlässliche Vorhersagen für die vorausschauende Wartung zu treffen, ist es erforderlich, eine große Menge von Daten zu erfassen, zu speichern und zu analysieren. Aufgrund der riesigen Datenmengen kommen Techniken und Datenbanken aus dem Big-Data-Umfeld zum Einsatz. Die erfassten Messwerte und Diagnosedaten werden von den Maschinen über Netzwerke an Servicezentralen oder direkt an die Hersteller übermittelt. Als netzwerktechnische Basis fungiert in vielen Fällen das Internet of Things (IoT). Um Predictive Maintenance effizient zu betreiben, sind drei Arbeitsschritte erforderlich. Diese Arbeitsschritte sind:

  • Das Erfassen, Digitalisieren und Übermitteln von Daten,
  • das Speichern, Analysieren und Bewerten der erhobenen Daten sowie
  • das Errechnen von Eintrittswahrscheinlichkeiten für bestimmte Ereignisse.

Predictive Maintenance in Abgrenzung zu traditionellen Wartungsmethoden

Mit seinem proaktiven Charakter unterscheidet sich Predictive Maintenance deutlich von den herkömmlichen Wartungsansätzen. Die traditionelle reaktive Wartung ist einfach umzusetzen, birgt aber ein hohes Risiko. Erst wenn Fehler oder Störungen aufgetreten sind, erfolgen Analysen der Probleme und Aktionen zur Störungsbeseitigung. Im Gegensatz zur Predictive Maintenance kann die reaktive Wartung Maschinenausfälle nicht proaktiv verhindern und hat erhebliche Ausfallzeiten zur Folge. Unter Umständen sind benötigte Ersatzteile erst nach Störeintritt und erfolgter Analyse bestellbar.

Präventive Maintenance versucht genau wie Predictive Maintenance Ausfallzeiten zu vermeiden. Allerdings nutzt die präventive Wartung hierfür keine live von den Maschinen erhobenen Daten, sondern führt Wartungsmaßnahmen und den Austausch von Verschleißteilen nach zuvor festgelegten Intervallen durch. Unter Umständen werden dadurch Teile ausgetauscht, die noch einwandfrei funktionieren und noch über lange Zeiträume korrekt funktioniert hätten. Für die Optimierung der Kosten und das wirksame Verhindern von Störungen ist es extrem wichtig, den optimalen Zeitpunkt für die jeweilige präventive Wartungsmaßnahme zu finden. Sie sollte nicht zu früh aber auch nicht zu spät erfolgen. Predictive Maintenance errechnet den optimalen Zeitpunkt der Wartungsmaßnahme selbst.

Predictive Maintenance und Big Data

Für verlässliche Vorhersagen über den Zustand von Maschinen und Anlagen und eventuell zu erwartende Störungen ist es erforderlich, große Datenmengen zu erheben. Diese sind zu speichern, zu verarbeiten und mithilfe intelligenter Algorithmen zu analysieren. Die Daten können sehr unterschiedlich sein und verschiedene Formate besitzen. Neben Daten der Maschinen selbst werden auch Informationen der Peripherie und Umgebungsmerkmale wie Temperatur oder Luftfeuchtigkeit erhoben. Die Daten sind in regelmäßigen Zeitabständen zu erfassen, um aus den Veränderungen Trends und Entwicklungen ablesen zu können. Aufgrund dieser vielen verschiedenen Daten und Formaten sowie den großen Datenmengen müssen Datenbanken riesige Kapazitäten bereitstellen. Für die Analyse der Daten ist es notwendig, schnell auf die gesuchten Werte zuzugreifen und diese mit hoher Performance zu verarbeiten. Anwendungen und Datenbanksysteme aus dem Big-Data-Umfeld erfüllen all diese Voraussetzungen. Je größer die Datenbasis ist und je intelligenter und ausgefeilter die Analysealgorithmen sind, desto verlässlicher sind die zu erhaltenden Erkenntnisse.

Vorteile von Predictive Maintenance

Gegenüber den herkömmlichen Maintenance-Ansätzen wie der präventiven oder reaktiven Wartung bietet die Predictive Maintenance eine Vielzahl Vorteile. Aufgrund der Kenntnis des aktuellen Zustands der Maschine oder Anlage lassen sich ungeplante Maschinenausfälle vermeiden und Außendiensteinsätze von Servicemitarbeitern optimieren. Wartungs- und Serviceintervalle sowie das Ersatzteilemanagement sind wesentlich besser planbar. Darüber hinaus ist es durch die Analyse der gesammelten Daten möglich, die Leistung der Maschinen zu verbessern und eine höhere Produktivität zu erzielen.

Beispiele für Predictive Maintenance

Predictive Maintenance wird bereits in vielen Bereichen eingesetzt. So werden Drehzahlen, Geräusch oder Temperaturen von Motoren erfasst und ungewöhnliche Vibrationen oder Unwuchten frühzeitig erkannt. Beispielsweise ist das Versagen eines Lagers frühzeitig vorhersagbar. Maschinen und Anlagen, die per Predictive Maintenance überwacht und gewartet werden, sind beispielsweise Windräder, Kraftfahrzeuge oder Turbinen. Ausfallzeiten von Windkraftanlagen lassen sich durch Predictive Maintenance fast vollständig vermeiden. Intelligente mathematische Algorithmen führen exakte Schwingungsanalysen von verschleißgefährdeten Komponenten durch und liefern zuverlässige Prognosen über Ausfallwahrscheinlichkeiten von Bauteilen, die extremen Belastungen ausgesetzt sind.

Auch in Fahrzeugen spielt Predictive Maintenance eine zunehmend wichtigere Rolle. Umfangreiche Datenerhebungen vieler verschiedener Sensoren im Motor und Fahrwerk helfen teure Reparaturen oder Ausfälle des Fahrzeugs zu verhindern und ermöglichen es, rechtzeitig vorbeugenden Aktivitäten einzuleiten. So können Fahrzeugteile beim nächsten Werkstattbesuch getauscht werden, bevor sie ihren Dienst versagen. Sind die Fahrzeuge vernetzt und liefern die Daten online an Servicewerkstätten oder den Fahrzeughersteller, kann der Fahrzeughalter bei zu erwartenden Problemen darüber informiert werden, die Werkstatt außerplanmäßig für eine dringend durchzuführende Wartung oder einen Teileaustausch aufzusuchen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Industrie 4.0 – wie der Mittelstand IoT-Lösungen umsetzt

Kommentar von Bernd Groß, Cumulocity

Industrie 4.0 – wie der Mittelstand IoT-Lösungen umsetzt

Das Internet der Dinge ist in vielen Bereichen die treibende Kraft für Innovation. In Deutschland profitiert insbesondere der Mittelstand von den Möglichkeiten, die die Industrie 4.0 bietet. Geschäftsprozesse automatisieren, sie sicherer sowie zuverlässiger machen, langfristig Kosten einsparen und sogar neue Geschäftsmodelle erschließen – die Chancen sind vielfältig. Wie der deutsche Mittelstand IoT-Projekte in der Praxis umsetzt, sollen die folgenden Anwendungsbeispiele veranschaulichen. lesen

Data Sourcing

E-Book von BigData-Insider

Data Sourcing

Die Weltwirtschaft befindet sich in einem Umbruch, den manche Unternehmen die „Vierte industrielle Revolution“ nennen. Diejenigen Unternehmen, die sich als datengetrieben und kundenorientiert aufstellen, werden daraus als Gewinner hervorgehen, andere als Verlierer. lesen

Anbieter von IIoT-Plattformen im Überblick

Exkurs Industrial Internet of Things (IIoT)

Anbieter von IIoT-Plattformen im Überblick

Eine zentrale Rolle im Bereich Industrial Internet of Things (IIoT) spielen Plattformen. Dementsprechend viele Anbieter gibt es auf dem Markt – momentan können Unternehmen aus 450 Plattformen wählen. Doch nach welchen Kriterien sollte eine Plattform ausgewählt werden, welche Dienste bieten die großen Anbieter Amazon, Microsoft und Google an und wie sieht eine plattformunabhängige Anwendung aus? lesen

KI ist Chefsache

Künstliche Intelligenz

KI ist Chefsache

In drei von vier Unternehmen entscheidet die Geschäftsführung über den Einsatz von Künstlicher Intelligenz (KI) – so ein Ergebnis einer Umfrage zur Künstlichen Intelligenz durch NetApp, Spezialist für Datenmanagement in der Hybrid Cloud. lesen

IoT-Plug-und-Play von der Software AG und Dell

Bundles für das Internet der Dinge

IoT-Plug-und-Play von der Software AG und Dell

Die Software AG und Dell Technologies erweitern ihre Partnerschaft und haben Plug-and-Play-Technik angekündigt, in der „Cumulocity IoT Edge“ mit einer Auswahl an Dell-Servern gebündelt ist. Der Vorteil für die Kunden soll darin bestehen, IoT-Implementierungen schnell bereitstellen und einfach konfigurieren zu können. lesen

Alexa spricht Splunk

Nachbericht Splunk .conf 2018

Alexa spricht Splunk

Splunk, ein Spezialist für die Analyse von Maschinendaten, adressiert eine breitere Nutzerschicht, nämlich die Mitarbeiter in den Fachbereichen. Zahlreiche neue Funktionen, wie etwa mobile Apps und Sprachausgabe, sollen ihnen das Leben erleichtern. Neben zahlreichen Neuerungen in den Kernprodukten stellte Splunk seine eigene IIoT-Plattform für Industrie 4.0 vor. lesen

Application Intelligence im Internet of Things

Auch im IoT kommt es auf die User Experience an

Application Intelligence im Internet of Things

Das Internet of Things (IoT) etabliert sich in immer mehr Lebensbereichen, vom Smart Home über Fitness-Tracker bis hin zum vernetzten Auto. Das eröffnet Unternehmen aus unterschiedlichen Branchen die Möglichkeit, neue Geschäftsmodelle und Lösungen auf Basis von IoT zu entwickeln. Damit solche neuen Angebote erfolgreich sind, ist es allerdings notwendig, die Nutzer "mitzunehmen". lesen

Referenzarchitektur für Computer Vision

Dell präsentiert umfassende Bundles für Internet of Things

Referenzarchitektur für Computer Vision

Dell erweitert sein IoT-Portfolio. Neben einer Überwachungslösung mit KI-gestützter Computer Vision kündigt der Anbieter dabei IoT Connected Bundles an. Mit denen soll der Channel schlüsselfertige Lösungen für spezifische Kundenanforderungen ausliefern – vom Edge bis in die Cloud. lesen

In-Memory-Datenbanken sind Wegbereiter für BI und das IoT

Kommentar von Mathias Golombek, Exasol

In-Memory-Datenbanken sind Wegbereiter für BI und das IoT

Es ist heute kein Problem mehr, die exorbitant wachsenden Datenmengen zu speichern. Sollen diese Daten dem Unternehmen jedoch etwas nützen, muss der schnelle und flexible Zugriff auf sie gewährleistet sein. Dafür brauchen Unternehmen eine Datenstrategie und Technologien, die keinen Flaschenhals zwischen Datenspeicherung und Anwendung entstehen lassen. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44873563 / Definitionen)