Skip to Content
Business Trends
Author's profile photo Adrian Langlouis

Predictive Maintenance: der Weg zum datenorientierten Unternehmen

Mit einer datengetriebenen vorausschauenden Instandhaltung werden Maschinenausfälle und unnötige Instandhaltungsmaßnahmen vermieden. Erfahren Sie im folgenden Blogartikel, wie Ihr Unternehmen dieses Potenzial durch eine passende Lösung ausschöpfen kann.

 

Beim Thema Industrie 4.0 ist meist auch vom „datengetriebenen Unternehmen“ die Rede. Gemeint ist, sich bei den vielen täglichen Entscheidungen im Unternehmen maßgeblich von konkreten Zahlen leiten zu lassen, die sich aus den innerbetrieblichen Daten ergeben. Wenn in einem modernen Fertigungsbetrieb die Instandhaltungskosten sinken und die Zuverlässigkeit der Maschinen und Anlagen deutlich zunimmt, hat das höchstwahrscheinlich damit zu tun, dass das Unternehmen begonnen hat, seine Daten effektiv für die Instandhaltungsplanung zu nutzen.

Der Weg dahin ist nicht trivial, aber machbar. Wenn Sie und Ihr Unternehmen sich bereits ins Zeitalter der Industrie 4.0 aufgemacht haben, werden Ihnen viele Punkte bekannt vorkommen.

Die Produktion als Datenquelle

Im Büro ist der Schritt von der Schreibmaschine zum vernetzten PC längst vollzogen. In der Produktion entspricht dies der Vernetzung aller wesentlichen Geräte, Maschinen und Anlagen. Das reicht von Akkuschraubern und Schweißgeräten über Pressen und CNC-Fräsen bis hin zu Fertigungslinien.

Eine digitale Steuerung ist für Maschinen ohne digitale Schnittstelle blind. Solche Maschinen sind in der digitalen Welt der Industrie 4.0 schlicht nicht vorhanden. Umso wichtiger ist es, bei jeder Neuanschaffung auf die Vernetzbarkeit zu achten und relevante Bestands-Assets, die längerfristig noch genutzt werden sollen, schrittweise nachzurüsten.

Die Schnittstelle einer Maschine muss den Zugang zu ihren Messwerten bieten, und zwar zu möglichst vielen – und das fortlaufend. Dazu zählen nicht nur Betriebsstunden und Taktzähler, sondern auch Werte wie Temperatur, mechanische Oberflächenspannung oder Leistungsaufnahme kritischer Komponenten.

Hinzu kommen auch Messwerte der Umgebung, wie Luftfeuchtigkeit und Raumtemperatur. Auf Zuverlässigkeit und Verschleiß von Maschinen können Umgebungsbedingungen nennenswerten Einfluss haben.

Big Data und Künstliche Intelligenz

Je mehr relevante Daten die laufende Produktion liefert, desto größer ist die Chance, daraus wertvolle Informationen zu gewinnen. Dabei spielt nicht nur der aktuelle Datenfluss eine Rolle. Früher interessierte man sich überwiegend für aggregierte Kennzahlen. Die Messwerte, aus denen diese Kennzahlen entstanden, wurden nicht gespeichert.

Für Predictive Maintenance spielen aber auch Messwerte der Vergangenheit eine große Rolle. Sie sind wie eine Historienlandschaft, in der im Umfeld von Betriebsstörungen und Produktionsausfällen nach Auffälligkeiten gesucht werden kann. Solche Auffälligkeiten, zum Beispiel im Temperaturverlauf eines Motorsensors, können ein Indikator für ein bald versagendes Kugellager sein.

Mit „Big Data“, also der Methode zur Analyse großer, heterogener Datenmengen, lassen sich in den Daten Muster und Trends erkennen. So kann durch Analyse der eigenen Produktionsdaten eine Liste von Triggern für bestimmte Instandhaltungsmaßnahmen aufgebaut werden.

Vorhersagen und Planung

Erkennt die Software die Anzeichen für eine kommende Störung, schlägt sie nicht einfach Alarm. Vielmehr signalisiert sie, für welche Maschine Handlungsbedarf besteht und was genau zu tun ist. So kann sie die Schmierung von Lagern anmahnen oder den Austausch eines Verschleißteils anraten.

Zur echten Predictive Maintenance kommt es allerdings erst durch die Fähigkeit der Software, eine Prognose für den bestmöglichen Wartungszeitpunkt zu errechnen. Bauteile können dadurch rechtzeitig, aber nicht unnötig früh ersetzt werden. Einzelne Wartungsmaßnahmen können besser gebündelt werden, wodurch sich Maschinenstillstände verringern lassen.

In dieser Stufe der Entwicklung spricht man von „Prognosefähigkeit“. Die Daten des Unternehmens fließen nicht nur digital zusammen und bilden die Abläufe transparent digital ab. Sie werden auch so verwendet, dass eine Aussage über die nähere Zukunft möglich ist und dies in die Planung und das Handeln aller Beteiligten einfließen kann.

Produktivität durch Vernetzung

Wenn Predictive Maintenance in Ihrem Unternehmen Fahrt aufgenommen hat, wird sich das positiv auf die Produktivität auswirken und die Maschinen werden zuverlässiger arbeiten. Doch es gibt noch einen weiteren, lohnenden Schritt, den Sie gehen können. Durch die Vernetzung mit dem MES (Manufacturing Execution System) und dem ERP (Enterprise Resource Planning) ist es möglich, weitere Abläufe zu automatisieren.

Austauschteile können auf Termin und direkt an den Standort der Maschine bestellt werden. Ist eine Wartung von extern nötig, beispielsweise vom Kundendienst des Herstellers, kann die Terminanfrage direkt aus dem System erfolgen.

In letzter Konsequenz ist es das Ziel, dass IT-Systeme nicht mehr nur Handlungsempfehlungen geben, sondern sie möglichst auch selbst ausführen, zum Beispiel den Wartungsplan anpassen. Man spricht dann von Adaptierbarkeit, weil Unternehmensprozesse durch das IT-System selbstständig angepasst werden. Es handelt mit steigendem Grad automatisch und optimiert sich und die Produktionsabläufe kontinuierlich selbst. So geht keine Zeit mehr durch routinemäßige menschliche Entscheidungen verloren.

Fazit

Ein Unternehmen, das offen für neue Technologien ist, kann schnell von Predictive Maintenance profitieren. Die passende Software kann die Einführung und die tägliche Handhabung deutlich erleichtern. Von Vorteil ist auch, wenn sie sich nahtlos in Ihre Unternehmens-IT einfügt.

SAP bietet für die Nutzer von SAP S/4HANA Asset Management oder SAP Plant Management die ergänzende Lösung SAP Predictive Asset Insights an, die übrigens sowohl mit SAP S/4HANA als auch mit älteren ERP-Lösungen zusammenarbeitet. Damit lässt sich die vorausschauende Wartung realisieren und Sie haben jederzeit den Überblick über den Gesundheitszustand Ihrer angebundenen Assets.

Weitere Informationen zum Thema erhalten Sie auf:

www.sap.de/predictive-maintenance

Assigned tags

      Be the first to leave a comment
      You must be Logged on to comment or reply to a post.