22.01.2018 Predictive Maintenance

Mehr Theorie als Praxis

Von: Ingo Steinhaus

Viele Unternehmen zögern bei der Umsetzung von Predictive Maintenance und diskutieren lieber noch ein wenig.

Industrieanlage

Sensoren sollen auch solche Industrieanlagen überwachen

Wenn über das industrielle Internet der Dinge (Industrial IoT) gesprochen wird, fällt fast immer das Stichwort Predictive Maintenance. Dahinter verbirgt sich eine sinnvolle Idee: Sensoren in Maschinen und Fabrikanlagen senden Daten über Vibrationen, Laufgeräusche oder Temperatur in die Cloud, wo sie ausgewertet und auf sich möglicherweise ankündigende Probleme hin untersucht werden. Ein Beispiel: Die Turbinen in einem Kraftwerk haben ein regelmäßiges akustisches Muster, das sich bei Veränderungen in ihrer Struktur ebenfalls verändert. So ist es möglich, Materialermüdung frühzeitig anhand der veränderten Schallsignatur zu erkennen.

Der Vorteil für die Hersteller und Betreiber: Sie müssen keine regelmäßigen Wartungszyklen einhalten und haben keine Standzeiten, weil ein Bauteil plötzlich ausfällt. Sobald der Hersteller einer Maschine feststellt, dass sich Probleme ankündigen, schickt er einen Techniker los, der den Fehler rasch behebt. Diese vorausschauende Wartung verknüpft zwei aktuelle Technologien: Das Internet der Dinge und Machine Learning (ML). Die Sensoren liefern enorme Datenmengen, die mit herkömmlichen Verfahren nicht sinnvoll ausgewertet werden können. Über Verfahren zur Mustererkennung werden nun die Fehlersignaturen aus den Daten herausgezogen. Anschließend kann die Anwendung anhand der Daten die auftauchenden Probleme im laufenden Betrieb erkennen.

Predictive Maintenance hat großes Potenzial, es kann die Instandhaltung in der herstellenden Industrie deutlich effizienter machen. Doch besonders weit verbreitet ist die vorausschauende Wartung in der Industrie noch nicht. Wer etwas nachforscht, findet zwar relativ schnell eine Reihe von Fallbeispielen, doch es sind nur einige wenige Implementationen, die tatsächlich im Rahmen von marktgängigen Produkten eingesetzt werden. Das sind beispielsweise einige Aufzüge von ThyssenKrupp Elevator oder Druckluftstationen von Kaeser.

Aufwand für Predictive Maintenance wird überschätzt

Das hat die Analysten von BearingPoint zur Aussage geführt: „Viele reden - Wenige handeln. Trotz großer Präsenz in der Industrie ist Predictive Maintenance kaum in den Werkshallen angekommen.“ In einer Studie zum Thema wurden 74 Unternehmen hauptsächlich aus den Bereichen Maschinenbau, Chemie/Pharma und der Automobilindustrie etwas näher untersucht. Eines der Ergebnisse: Fast die Hälfte der Unternehmen (45,9%) diskutiert noch die Potenziale und eine recht große Minderheit (16,2%) unternimmt gar nichts in Sachen vorausschauender Wartung. Vollständige Implementationen gibt es nur in Einzelfällen, viele Unternehmen haben lediglich ein einzelnes Projekt umgesetzt oder sind sogar noch in der Pilotphase.

Kurz: Der Reifegrad von Predictive Maintenance in den Unternehmen ist noch recht gering. Dazu passt, dass die Unternehmen vor allem bei den Themen Connectivity und Analytics aktiv sind. Hemmnisse sind dabei technische Herausforderungen wie IT-Sicherheit und die Auswahl und Verfügbarkeit der Daten. Die meisten Investitionen gehen zurzeit noch in die Ausstattung der Maschinen und Anlagen mit Sensoren, der zentralen Datenspeicherung in der Cloud und der Auswertung Maschinen Daten. Die nächsten Prozessschritte sind nur bei einer Minderheit der Unternehmen im Fokus. So gibt es nur bei 21 Prozent der Unternehmen den automatischen Abruf von Ersatzteilen und bei 14 Prozent eine automatische Disponierung von Servicetechnikern.

Größte Herausforderung für die Unternehmen ist jedoch der hohe Implementierungsaufwand. Allerdings überschätzen Unternehmen ohne Erfahrung mit Predictive Maintenance diesen Aufwand deutlich, hat die Studie von BearingPoint ermittelt. Wer bereits ein erstes Projekt bewältigt hat, stellt fest: Die Herausforderung ist geringer als anfangs erwartet. Die Autoren der Studie vermuten, dass dies zur Zurückhaltung bei den Unternehmen sorgt. Doch wer zögert, verzichtet auch auf die Vorteile.

Bildquelle: Thinkstock

 

©2018 Alle Rechte bei MEDIENHAUS Verlag GmbH