Die Industrie 4.0-Revolution verändert die Art und Weise, wie Unternehmen ihre Produkte herstellen und wie sie ihre Fabriken betreiben. Und Predictive Maintenance gehört zu den heißesten Schlagwörtern der neuen digitalen Revolution.
Predictive Maintenance, auch Wartung 4.0 genannt, nutzt neue Technologien und Rahmenbedingungen wie das industrielle Internet der Dinge (IIoT), künstliche Intelligenz (AI) oder maschinelles Lernen (ML) und bezieht in der Regel IT-Experten und Datenwissenschaftler mit ein, um Muster in Maschinenverhalten zu verstehen. Die Analyse dieser Muster kann mit Hilfe fortschrittlicher Algorithmen, Abweichungen von Standardmuster identifizieren, die wiederum auf potenzielle Ausfälle oder Fehlfunktionen hinweisen oder diese vorhersagen können. Die Vorbeugung oder Korrektur dieser Fehlfunktionen im Vorfeld, kann dann längere und kostenintensivere Ausfallzeiten verhindern.
Predictive Maintenance in der Fertigung ist ein integraler Bestandteil des umfassenderen Konzepts von Industrieherstellern, intelligente Fabriken zu werden. Es basiert auf Echtzeit-Produktionsdaten, um abnormale Muster in Maschinenverhalten zu erkennen und ist entscheidend für Fabriken, die jährlich Millionen von Umsatz durch ungeplante Ausfallzeiten verlieren.
In diesem Blogbeitrag gehen wir auf die vier gängigen Wartungsmodelle ein und beschreiben die Vor- und Nachteile der einzelnen Modelle. Wir zeigen auf, warum Echtzeitdaten und Transparenz der Maschinenleistung die wichtigsten Bausteine von Predictive Maintenance sind, aber auch für jede mit Industrie 4.0 verbundenen Technologien und warum Hersteller datenbasierte Entscheidungen treffen müssen, um Engpässe und Ineffizienzen besser zu identifizieren und beheben zu können.
Lassen Sie uns vorab einige der wichtigsten Instandhaltungsmethoden in der Fertigung, sowie deren Vor- und Nachteile betrachten.
Die reaktive Wartung ist die wohl älteste und günstigste Form der Instandhaltung, bei der Maschinen und Anlagen erst dann repariert werden, wenn sie ausfallen oder defekt sind.
Dies führt jedoch oft zu Lieferengpässen oder finanziellen Einbußen. In kleinen Produktionsbetrieben ist die reaktive Wartung eine einfache Methode um Probleme zu beheben, aber auch eine ineffektive, da der Prozess keinen wirklichen Fortschritt mit sich bringt.
Sich auf die reaktive Wartung zu verlassen und keine effektivere, proaktivere Lösung zu integrieren, bedeutet dass sich die Produktion darum bemühen muss, verfügbare Teile, Techniker und Experten so schnell wie möglich zu finden, um dann Maschinen und Anlagen nach einem Ausfall direkt zu reparieren. Wenn Experten nicht verfügbar sind, führt dies schnell zu Lieferverzögerungen und im schlimmsten Fall zum Verlust von Kunden. Wenn die Zeit für eine ungeplante Wartung oder Reparatur kommt, wird der laufende Fertigungsprozess gestoppt.
Reaktive Wartung erfordert keine Investitionen im Vorfeld, erweist sich aber im Nachgang oft als teuer, da sie sich negativ auf die Produktivität, die Leistungskennzahlen und das Endergebnis der Produktion auswirkt. Ein weiteres Problem ist, dass wenn die Anlage bereits ausgefallen ist, die Reparatur sehr teuer werden kann.
Unternehmen können diese teuren Reparaturen vermeiden, indem sie ihre veralteten Maschinen und Teile richtig warten oder austauschen, ohne darauf zu warten, dass sie erstmal ausfallen und größere Schäden verursachen. Dieses Wartungsmodell wird als vorbeugende Wartung bezeichnet.
Die vorbeugende Wartung zielt darauf ab, die Lebensdauer jeder Maschine in einer Fabrik zu maximieren. Es geht darum, Leistungseinbruch zu verhindern, sowie die Zuverlässigkeit und Betriebszeit der Maschine zu verbessern und abgenutzte Komponenten zu ersetzen bevor sie ausfallen.
Die vorbeugende Wartung beinhaltet typischerweise die rechtzeitige Anwendung von Prozessen, wie Reinigung, Justierung, Schmierung, Reparatur oder Austausch, die dazu beitragen, die Lebensdauer der betroffenen Anlagen und Maschinen in der Fertigung zu verlängern und zu maximieren.
Vorbeugende Wartung wird hauptsächlich an Anlagen durchgeführt, die höhere Verwaltungskosten verursachen und sowohl Personal- und Produktionszeit beanspruchen. Daher sollten die Kosten für die Durchführung der vorbeugenden Instandhaltung immer niedriger sein als die Kosten für einen Ausfall.
Der effizientere Weg wäre, die Wartung entsprechend dem tatsächlichen Zustand der Maschine zu planen, indem Leistungsdaten und andere Komponentenmerkmale gesammelt werden, um den Status der Maschinen zu erkennen.
Die zustandsorientierte Wartung wird auf der Grundlage der Bewertung des aktuellen Betriebszustands und des Zustands einer Anlage durchgeführt und heute von Fabriken auf der ganzen Welt angewandt. Die Entscheidungen basieren auf Analysen, entweder durch Techniker, die die Maschine inspizieren, oder durch die Nutzung von Maschinendaten zur Überwachung der Eigenschaften der Maschine, um den kosteneffizientesten Zeitpunkt für die Durchführung der Wartung zu bestimmen.
Im Gegensatz zur vorbeugenden Wartung, die nach einem festen Zeitplan durchgeführt wird, setzt die zustandsorientierte Wartung auf die Sammlung von Daten aus Vibrationen, Temperatur, Druck, Spannung oder Geschwindigkeit, um anzuzeigen, wann eine Wartung erforderlich ist und um ungeplante Ausfallzeiten zu vermeiden.
Die Zustandsorientierte Wartung verbessert nicht nur die Lebensdauer von Anlagen, sondern wird auch durchgeführt während die Anlage in Betrieb ist und stellt daher eine skalierbare Lösung dar.
Die zustandsorientierte Überwachung nutzt Echtzeit-Informationen, um Störungen in der Fabrik heute zu verhindern, zeigt aber nicht an oder warnt die Entscheidungsträger nicht vor Ausfällen und Ausfallzeiten in der Zukunft. Daher kann CBM den Zustand einer Produktion nicht vorhersagen.
“Information ist das Öl des 21. Jahrhunderts und Analytik ist der Verbrennungsmotor.” – Peter Sondergaard, Senior Vice President, Gartner Research.
Predictive Maintenance (Vorausschauende Wartung, Englisch: Predictive Maintenance, PdM) ist die nächste Stufe der Wartung, da sie zustandsbasierte Diagnosen mit komplexen algorithmischen Erkenntnissen und künstlicher Intelligenz kombiniert, um Maschinenanomalien zu erkennen und zukünftige Fehler vorherzusagen. Es ist die technologisch fortschrittlichste Form der vorbeugenden Wartung auf basiert auf intelligenter Technologie.
Die Technologie ist neu und für viele Unternehmen nicht unbedingt finanziell erschwinglich. Daher ist PdM vor allem für Unternehmen relevant, die aufgrund ungeplanter Ausfallzeiten jedes Jahr Millionen an Umsatz verlieren können.
Prozessfertigung konzentriert sich auf die Erstellung eines modularen Produktionsprozesses, der die Ausgabe von Produkten in Massenzahlen ermöglicht.
Aufgrund der Tatsache, dass eine einzelne Fehlfunktion den gesamten Produktionsprozess zum Stillstand bringen kann, ist die vorausschauende Wartung für diese Art der Herstellung von entscheidender Bedeutung. Zum Beispiel könnte Predictive Maintenance in einer Lebensmittelproduktionsanlage von entscheidender Bedeutung sein, wenn jede Stunde Ausfallzeit zu Verlusten von Hunderttausenden oder sogar Millionen von Euros führen kann, weil Produkte nicht hergestellt werden.
Da der Schwerpunkt auf der Massenproduktion liegt, hat ein unerwarteter Rückgang der Produktivität einen enormen Einfluss auf das Endergebnis des Herstellers und sogar auf sein Markenimage.
Die diskrete Fertigung hingegen konzentriert sich aufgrund der hohen Anzahl von Prozessen, die bei der Herstellung von nur einer Einheit erforderlich sind, weniger auf die Massenproduktion. In der diskreten Fertigung ist jede hergestellte Einheit Teil eines komplexeren Produkts. Eine Ausfallzeit in einer einzelnen Maschine in einer diskreten Produktionsanlage führt wahrscheinlich nicht zu großen Verlusten. Daher bringt eine vorausschauende Wartung einen geringen Wert für diese Branche, die eher mit Ausfallzeiten zu kämpfen hat, die durch ineffiziente Prozesse als durch Maschinenausfälle verursacht werden.
Tatsache ist, dass trotz der offensichtlichen Vorteile der Implementierung der zuvor genannten Wartungs- und Überwachungsverfahren, die meisten Fabriken immer noch nicht über die erforderliche Infrastruktur verfügen.
Eine große Anzahl von Fabriken sind derzeit nicht in der Lage, Daten aus ihren Produktionen zu erfassen und zu nutzen. Maschinenkonnektivität und Digitalisierung sind der Schlüssel für Echtzeitdaten, die ungeplante Stillstandszeiten verhindern und die Produktivität und Effizienz der Maschinen steigern können.
Die anfängliche Herausforderung in den meisten Fabriken besteht darin, Industriemaschinen zu digitalisieren und nachzurüsten, um Daten und Erkenntnisse zu generieren.
In einer Fertigung gibt es einige nutzbare Datenkanäle. Es kann mit Sensordaten an oder in den Maschinen, bis hin zu Steuerungsdaten (SPS, Englisch: Programmable Logic Controller, PLC) beginnen . Im Gegensatz zu Steuerungen, können Sensordaten von jedem Maschinentyp, unabhängig von Marke und Modell erfasst werden. Externe Sensordaten können Temperatur, Vibrationen, Akustik und Elektrizität messen und dass normalerweise in einem größeren Umfang als die interne Maschinensteuerung.
Die Kombination aus Erkenntnissen zur Maschinenleistung mit zusätzlichen Datenquellen, z.B. Planungsdaten, könnte dazu beitragen, einen sogar noch genaueren Zeitpunkt für die Planung der Wartung zu ermitteln.
Das industrielle Internet der Dinge (Englisch: Internet of Things, IIoT) kann als derzeitiger Trend im Bereich Industrie 4.0, einen enormen Einfluss auf die Digitalisierung haben. IIoT kombiniert die in der Fabrik gesammelte Daten mit Internet-Technologien, um eine Fertigungsplattform zu schaffen die nicht einfach nur digital verbunden ist, sondern Informationen kommuniziert, analysiert und verwendet, um umsetzbare Erkenntnisse zu gewinnen und die Effizienz und Leistung der Maschinen zu verbessern.
Jede Wartungsmethode ist gerechtfertigt, solange sie einen hohen Wert zu angemessenen Kosten bietet.
Predictive Maintenance ist vor allem eine relevante Lösung in der Prozessfertigung, da sie Ausfallzeiten der Maschinen verhindern kann die erhebliche finanzielle Verluste verursachen.
In der diskreten Fertigung ist der Wert der Überwachung von “Assets” und der Verbesserung von Prozessen auf der Grundlage einer Echtzeit-Maschinenanalyse, jedoch erheblich höher als die Einsparungen aufgrund vorausschauender Wartung, da Ausfallzeiten einer einzelnen Maschine keine immensen Auswirkungen auf die Produktivität haben.
Während Echtzeitdaten in der Prozessfertigung verwendet werden sollten um Fehler vorherzusagen und Ausfallzeiten zu vermeiden, sollten in der diskreten Fertigung Echtzeitdaten zur Überwachung der Anlagenleistung verwendet werden, um Engpässe zu identifizieren und Prozesse zu verbessern, die die Effizienz steigern und die Betriebskosten senken.
