Prädiktive Wartung mit digitalen Zwillingen

Die prädiktive Wartung ist einer der wichtigsten Meilensteine für Unternehmen auf ihrem Weg zur Industrie 4.0. Produktions- oder Montagelinien, Fahrzeuge, Fördersysteme – kurz gesagt, die Maschinen im Allgemeinen – so lange wie möglich unter optimalen Bedingungen laufen zu lassen, steigert die Produktivität und steht in direktem Zusammenhang mit Kosteneinsparungen.

Big Data, künstliche Intelligenz und Internet-of-Things-Geräte (IoT – IIoT) ermöglichen es, die Wartung auf ein Höchstmaß an Effizienz zu bringen, indem prädiktive Systeme implementiert werden, die es uns erlauben, möglichen Ausfällen durch die Erkennung von Anomalien zuvorzukommen. Sobald Parameter identifiziert werden, die von den vordefinierten Werten abweichen, können die Wartungsteams einfach und frühzeitig die richtigen Entscheidungen treffen, um die Auswirkungen dieser Störung so gering wie möglich zu halten.

Praktisch betrachtet lassen sich durch die frühzeitige Erkennung von Anomalien unerwartete, folgenschwere und kostspielige Stillstände vermeiden; geplante Eingriffe, die in den meisten Fällen unnötig durchgeführt werden; sowie hohe Kosten für Ersatzteile, die nur dann ausgetauscht werden, wenn es wirklich notwendig ist. Die Eingriffe an den Maschinen erfolgen nicht mehr nach einem festen Zeitplan, sondern genau dann, wenn die Anlagen selbst es erfordern.

Digitale Zwillinge – ein Schritt weiter

Wie wir sehen, sind die Vorteile der Einführung prädiktiver Wartungssysteme zahllos, doch die Technologie ermöglicht uns durch digitale Zwillinge (Digital Twins) einen weiteren Schritt. Diese auch als Spiegelsysteme bezeichneten Lösungen sind virtuelle Abbilder realer Betriebsumgebungen, mit denen sie über cyber-physische Systeme (CPS) verbunden sind. Diese Simulationen wurden von der Agentur Gartner als eine der 10 Technologien eingestuft, die die digitale Transformation von Unternehmen vorantreiben werden, und ihren Weg zur Industrie 4.0.

Doch damit digitale Zwillinge existieren können, braucht es – wie bei der gesamten Data-Science-Revolution – genau das: Daten. Über Internet-of-Things-Geräte werden Betriebsparameter von Maschinen, Linien oder Anlagen erfasst, die zusammen mit historischen Aktivitätsdatenbanken und dank des Einsatzes von Techniken der künstlichen Intelligenz, insbesondere Machine Learning, die Erstellung eines Avatars der realen Anlagen ermöglichen.

Was bringt es für die prädiktive Wartung, über ein Replikat der industriellen Maschinen zu verfügen? Eine ganze Menge, und sein großes Potenzial liegt in der Möglichkeit, Simulationen durchzuführen. Es wurde ein großer Sprung von der deskriptiven Analytik, die uns sagt, was passiert ist, hin zur prädiktiven Analytik, über die wir hier sprechen und die uns mit hoher Trefferquote mitteilt, was passieren wird, vollzogen. Doch wie bereits erwähnt, gibt es einen weiteren Schritt, der mit der präskriptiven Analytik einhergeht und es uns ermöglicht, zu experimentieren, um herauszufinden, was wir tun müssen, um zu verhindern, dass etwas passiert.

Zusätzlich zur Vorhersage von Störungen durch die Erkennung von Anomalien, wie wir es bereits mit prädiktiven Systemen tun, ermöglichen digitale Zwillinge daher Simulationen, um den besten Weg zur Behebung dieser Fehler zu finden, sowie das Durchspielen zukünftiger Szenarien, um uns auf mögliche Entwicklungen vorzubereiten. Diese Tests werden zudem völlig risikofrei durchgeführt, da die Änderung der Parameter an der Nachbildung bzw. dem Zwilling der Hauptumgebung erfolgt – eben um zu verstehen, welche Reaktionen ein Eingriff in der Maschinerie auslösen kann.

Vorteile digitaler Zwillinge

Digitale Zwillinge bieten folglich eine sichere Umgebung, die das Original mit hoher Genauigkeit nachbildet, mit folgenden Vorteilen:

• Vorhersage von Störungen: Beide Systeme bleiben miteinander verbunden, sodass jede Abweichung der im virtuellen System festgelegten Parameter im physischen System erkannt werden kann. Bei einer Abweichung zwischen beiden können die Wartungsteams die Anomalie bewerten, um komplexere Fehler oder Ausfälle zu vermeiden.
• Simulation von Szenarien: Digitale Zwillinge ermöglichen es uns, Reaktionen auf verschiedene Umstände zu trainieren, die Ergebnisse von Anpassungen zu testen und an der Prozessoptimierung zu arbeiten, indem alle gewünschten Szenarien simuliert werden.
• Wartungsmaßnahmen planen: Es ist zudem möglich, das Verhalten von Maschinen, Linien oder Fabriken zu untersuchen, um Wartungsmaßnahmen zu dem Zeitpunkt zu planen, an dem sie die Produktion am wenigsten beeinträchtigen.
• Verschleiß berechnen: Digitale Zwillinge sind auch sehr nützlich, um die Abnutzung von Bauteilen abzuschätzen und deren Austausch basierend auf Lebensdauer und Leistung vorzuziehen oder hinauszuzögern.
• Neue Fertigungsstrategien planen: Da ein sicheres Testfeld zur Verfügung steht, können neue Fertigungsstrategien entwickelt werden, die ohne Unsicherheiten umgesetzt werden, da ihre Auswirkungen in der Fertigung bereits virtuell erprobt wurden.
• Verlängerung der Lebensdauer der Anlagen: Durch die kontinuierliche Überwachung der Maschinen, das Melden von Abweichungen von den vordefinierten Parametern und die Bestimmung des optimalen Zeitpunkts für den Austausch von Bauteilen wird die Lebensdauer der Anlagen verlängert.
• Kosteneinsparungen: Digitale Zwillinge vermeiden folgenschwere Stillstände und ungeplante Unterbrechungen der Fertigungsprozesse, minimieren die Ausgaben für Ersatzteile, verlängern die Lebensdauer der Maschinen, optimieren die Zeit der Wartungsteams, erleichtern die Entscheidungsfindung, ermöglichen eine zukunftsorientierte Arbeitsweise und vieles mehr – was sich in erheblichen Kosteneinsparungen niederschlägt.

Wie wir sehen, hat der Wandel von der deskriptiven zur prädiktiven Analytik einen gewaltigen Sprung im Verständnis der Industrie und ihrem Weg zur digitalen Transformation bedeutet. Doch der Weg zur maximalen Effizienz führt weiter über die präskriptive Analytik, in die sich auch die digitalen Zwillinge einordnen. Nicht nur vorhersagen zu können, was passieren könnte, sondern zu wissen, was zu tun ist, um zu verhindern, dass etwas passiert, vervielfacht die Effizienz von Unternehmen – dank künstlicher Intelligenz und Big Data, die zunehmend produktiver, rentabler und nachhaltiger werden.