Predictive Maintenance

Wenn Maschinen Alarm schlagen

Der Grad der Digitalisierung im Mittelstand ist aktuell noch niedrig, aber Unternehmen sind sich zunehmend bewusst, dass sie handeln müssen. Das belegt der Digitalisierungsindex Mittelstand 2019/2020 im Auftrag der Deutschen Telekom. Jedes zweite Unternehmen hat das Thema „Digitalisierung“ mittlerweile in der Geschäftsstrategie verankert und konkrete Ziele definiert.

MRT

Im Fall der Medizintechnik kann Predictive Maintenance Leben retten.

Im Branchenvergleich hat die Industrie bei der Digitalisierung die Nase vorn. Eine Schlüsselrolle kommen dabei der Datenanalyse und der Künstlichen Intelligenz zu. Sie ermöglichen erst innovative Methoden wie Predictive Maintenance. Laut Mittelstandsindex wird die vorausschauende Wartung in der täglichen Praxis bereits von 35 Prozent der Unternehmen genutzt.

Predictive Maintenance zählt zu den Kernkompetenzen von Industrie 4.0. Ihr großes Plus: Durch eine Vielzahl unterschiedlich erfasster Daten, insbesondere von Sensoren, können Ausfallzeiten von Maschinen und Anlagen vermieden bzw. minimiert werden. Verlässliche Vorhersagen über eventuelle Störungen sind möglich, weil große Datenmengen gespeichert, verarbeitet und mit intelligenten Algorithmen analysiert werden können. Es stellt sich allerdings die Frage, wie die Einsatzszenarien für die proaktive Wartung aussehen.

Technologie mit weitreichender Bedeutung

Im Fall der Medizintechnik ist es eine Technologie, die Leben retten kann: Ein Gerätefehler in einer medizinischen Notfallsituation kann dramatische Folgen haben. So hängt gerade bei Bildgebungsgeräten für die Diagnostik und Therapie viel von der permanenten Verfügbarkeit ab. Moderne Bildgebungsgeräte müssen daher vorausschauend mithilfe hocheffizienter Datenanalyseplattformen gewartet werden. Riesige Datenmengen aus Gerätesensoren, Logistik und Service werden dabei kontinuierlich aggregiert und analysiert, um Anomalien rechtzeitig zu erkennen und so einen störungsfreien Betrieb der Geräte in Kliniken und Labors sicherzustellen. Mit Machine Learning entwickeln Data Scientists Datenmodelle, die es ermöglichen, fehlerhafte Teile zu entdecken und Wartungstrends sowie Schulungsprobleme zu identifizieren. Dank Predictive Maintenance erhöht sich die Qualität der klinischen Diagnose genauso wie die betriebliche Effizienz in Praxen, Kliniken und Labors.

Dies ist ein Artikel aus unserer Print-Ausgabe 4/2020. Bestellen Sie ein kostenfreies Probe-Abo.

Weniger Ausschuss durch „Predictive Quality“

Ein anderer Fall ist der der Papiermaschinen. Sie sind hochkomplexe Anlagen und müssen je nach Papiereigenschaften (Dichte, Weißgrad, Glanz etc.) konfiguriert werden. Während des Herstellungsprozesses erzeugt die Maschine große Datenmengen, die über integrierte Sensoren erfasst werden und z.B. Aufschluss über Porosität und Wölbung des Papiers oder über Luft- und Papierfeuchtigkeit liefern. Eine Analyse der Sensor-, Maschinen- und Umgebungsdaten mithilfe intelligenter Algorithmen führen zu einer gleichbleibend hohen Qualität, geringeren Stückkosten und zu einer deutlichen Kostenersparnis in der Produktion.

Standardisierte Analytics-Lösungen als Starthilfe

Predictive Maintenance spart somit Zeit und Geld. Sie ist für Mittelständler in Industrie und Produktion wichtig, da gerade sie oft mit den wachsenden Datenmengen kämpfen, nicht aber  über genug Expertise und finanzielle Mittel für individuelle Data-Analytics-Lösungen verfügen. Wie Teradata, Anbieter von Daten- und Analyselösungen, weiß, gibt es Lösungen aus standardisierten Bausteinen, die kombiniert und kostengünstig aus der Cloud genutzt werden können. 

Bildquelle: Teradata

©2020Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok