Industrie 4.0

Blick in die Zukunft mit Predictive Maintenance

von - 07.06.2018
Predictive Maintenance
Foto: ESB Professional / shutterstck.com
Um den Stillstand von Maschinen und den damit oft verbundenen Produktionsstop zu verhindern, setzen viele Unternehmen inzwischen auf Predicitive Maintenance.
Der Beitrag wurde erstellt von Lars Vogel, Head of Digital Transformation bei T-Systems MMS
Lars Vogel
Lars Vogel: Head of Digital Transformation bei T-Systems MMS
(Quelle: T-Systems MMS )
In Industrieanlagen wirken fortlaufend Kräfte. Maschinen bewegen sich. Klar, dass hier mal etwas kaputtgeht. Und wie wird mit Defekten und Ausfällen umgegangen? Unternehmen verlassen sich in erster Linie auf ihre Fachleute mit breitem Erfahrungsschatz, die sich mit Sicherheit gewissenhaft um die Wartung kümmern. Aber was, wenn die Erfahrung alleine nicht mehr ausreicht oder unerwarteter Maschinenstillstand zu Produktionsausfällen und somit zu Umsatzverlust führt? In Zeiten von Industrie 4.0 erweitern Daten den Erfahrungsschatz des Wartungsteams.

Vorausschauende Instandhaltung erspart Maschinenausfälle

Je digitaler und vernetzter die industrielle Fertigung wird, desto entscheidender ist es, nicht nur die IT, sondern auch alle Maschinen einer Produktionsanlage vorausschauend zu überwachen. Muss bald ein größeres Teil ausgewechselt werden? Oder sollte ein Gerät gewartet werden? Hier setzt die vorausschauende Wartung, die sogenannte Predictive Maintenance, an. Einzelnen Bauteile einer Maschine werden dabei permanent überwacht – 24 Stunden am Tag, 365 Tage im Jahr. So messen Sensoren beispielsweise den Druck, die Temperatur, die Vibration im laufenden Betrieb oder die Feuchtigkeit und überspielen die entsprechenden Informationen unmittelbar an eine zentrale KI-Instanz. Eine spezielle Wartungs-Software wertet die Sensordaten entsprechend der Maschine oder Wartungshistorie aus. Die KI-Lösung lernt dabei nicht nur aus den laufend eintreffenden Daten, sondern bringt sich – gefüttert mit Anomalien aus der Vergangenheit – sogar die Symptome und Begleitumstände eines Fehlers bei.
Anhand des Datenpools kann das System einen möglichen Ausfall von Komponenten frühzeitig erkennen und dem menschlichen Techniker proaktiv vor dem möglichen Ausfall wertvolle Hinweise geben. Das kann sogar soweit führen, dass nicht nur das Problem bekannt ist, noch bevor es auftaucht, sondern das passende Ersatzteil längst bereit liegt. Stellt beispielsweise ein IoT-Sensor an einem Lager erhöhte Reibungswerte fest und die KI kommt zu dem Schluss, dass dies ein valider Hinweis auf einen drohenden Defekt ist, dann kann sie automatisch im SAP-System eine entsprechende Bestellung auslösen.
Verwandte Themen