Was ist vorausschauende Wartung?

Die prädiktive Wartung ist ein technologisches Werkzeug im Rahmen der Industrie 4.0, das es uns ermöglicht, die Wartungsplanung einer Produktionsanlage zu revolutionieren, indem Ressourcen auf die Maschinen konzentriert werden, die sie benötigen, und unerwartete Ausfälle vermieden werden, die zu langen und komplexen Reparaturzeiten führen können.

Die prädiktive Wartung sollte als das Ende eines Prozesses verstanden werden, dessen Implementierungsgeschwindigkeit vom Digitalisierungsgrad der Anlage und dem verfügbaren Wissen über die zu überwachenden Maschinen abhängt. Weitere Informationen zu den Schritten, die bei der Implementierung eines prädiktiven Wartungssystems zu unternehmen sind, finden Sie im Beitrag „Schritte für einen prädiktiven Wartungsplan“.

Und welches Ziel verfolgen wir mit der prädiktiven Wartung?

Wir wollen durch die Modellierung ihrer normalen Arbeitsweisen objektives – datenbasiertes – Wissen über die Funktionsweise der Maschinen erlangen. So können wir Ausfälle antizipieren, was uns ermöglicht, Ressourcen und Reparaturzeit zu sparen.

Um dieses Wissen zu erlangen, überwachen wir die Zielmaschinen, beobachten ihre Funktionsweise und analysieren sie detailliert.

Parametervergleich von zwei Asynchronmaschinen

Wir stützen uns auf das Prozesswissen der Produktionsexperten und verstärken parallel die Analyse mit Algorithmen, die es uns ermöglichen, die beobachteten Korrelationen zu „verstehen“ und in sehr wahrscheinliche Ursache-Wirkungs-Beziehungen umzuwandeln. Mit diesen Informationen haben wir die normale Funktionsweise der Zielmaschine modelliert.

Ebenso werden Ausfälle, die die Wartung betreffen, überwacht, nach internen Anlagenkriterien klassifiziert und mit bestimmten Grenzwerten der Parametersätze in Beziehung gesetzt.

Wenn wir wissen, wie sich unsere Maschine im normalen Arbeitszyklus verhält, können wir den täglichen Betrieb – dank der Echtzeitüberwachung der Zielparameter – mit diesem modellierten Normalzyklus vergleichen.

Hier kommt erneut die Datenverarbeitung mittels raffinierter Algorithmen ins Spiel, die über das Erkennen isolierter Unterschiede zwischen Modell und Realität hinausgeht und sich auf jene Parameterkombinationen konzentriert, die sich allmählich vom Normalbetrieb entfernen und anomal oder als Risiko eingestufte Grenzwerte erreichen können, wodurch Ausfälle antizipiert werden können, deren Behebung ein größeres Problem darstellen würde.

Ziel: Gezielter Wartungsplan

Wenn diese Arbeitsstruktur in den Unternehmensprozessen etabliert ist, wird die Wartungsplanung für Maschinen nicht mehr von Gewohnheit, Gefühl oder partikulärem Wissen geleitet, sondern basiert auf Daten.

Wir entwickeln uns von einem subjektiv durch erfahrenes Personal geführten Interventionsmodell zu einem durch objektive Informationen geführten Interventionsmodell, das von allen interpretiert werden kann. Der Vorteil ist zweifach: Einerseits reduzieren wir unnötige Wartungseingriffe, die heute als präventiv festgelegt sind; andererseits haben wir eine klare Vorstellung davon, wann eingegriffen werden kann und mit welchem Risikograd: eine sehr nützliche Information zur Koordination mit der Anlagenplanung.

Nachverfolgung: Kontrolle und kontinuierliche Verbesserung

Als zusätzlicher Vorteil, der bei Digitalisierungsprozessen üblich ist, generieren wir eine vollständige Datenbank, in diesem Fall mit Vorfällen, Fehlermodi, Wirksamkeit von Lösungen usw.

All dies ermöglicht es, in Zukunft einen Prozess zur Kontrolle und Bewertung der durchgeführten Maßnahmen zu etablieren. Das heißt, es öffnet die Tür zu einer eventuellen Nachverfolgung, die auf die kontinuierliche Verbesserung ausgerichtet ist, eine heutige Verpflichtung zur Weiterentwicklung der Prozesse in der Fabrik 4.0.