IAPM International Association of Project Managers

ende
Sie sind hier:  News & Events » PM-Artikel

Predictive Maintenance – Vorhersagen für Facility Manager

Auf der Onlineplattform von IT Zoom schreibt Markus Strehlitz über die sogenannte Predictive Maintenance. Er hat seinen Artikel mit „Glaskugel für die Fabrik“ überschrieben, denn mit Predictive Maintenance wollen Facility Manager mit Hilfe von Digitalisierung die Zukunft voraussagen, um besser auf die Aufgabe der Wartung und Unterhaltung einer Fabrik oder eines Unternehmens vorbereitet zu sein. Klingt nach Märchen und nach Zauberei? Predictive Maintenance hat jedoch nichts mit Hexerei und Tricks zu tun. Wie Markus Strehlitz den Ausfall einer Maschine mit digitalen Hilfsmitteln voraussagen will und wie Maschinenhersteller mit einer Analysesoftware und Machine Learning arbeiten, erklärt der Autor in seinem Artikel. Wir fassen diesen im Folgenden für Sie zusammen.
Verschleiß, Fehler und Ausfälle rechtzeitig vorhersehen können – darauf setzen immer mehr Unternehmen.
Verschleiß, Fehler und Ausfälle rechtzeitig vorhersehen können – darauf setzen immer mehr Unternehmen.

Vorausschauendes Warten – ist das überhaupt möglich?

Predictive Maintenance heißt nichts anderes als vorausschauende Wartung. Predictive Maintenance ist immer dann die Antwort, wenn die Frage nach konkreten Anwendungen der verschiedenen Konzepte von Industrie 4.0 gestellt wird. Software soll Fehler an Maschinen erkennen, bevor diese Konsequenzen haben und im Grunde sogar, bevor sie überhaupt entstehen. Tatsächlich kann Markus Strehlitz auf einige Beispiele verweisen, die zeigen, dass der Ausfall einer Maschine dank des Internet of Things vorzeitig erkannt werden kann. Er verweist auf die Firma Zeppelin, die viele verschiedene Kunden mit Landmaschinen, Bergmaschinen, Maschinen aus den Bereichen Anlagenbau, Baulogistik und Energie beliefert. Das Unternehmen sammelt Daten zu diesen Maschinen, um den Wartungsbedarf abzuschätzen und vorauszusehen. Zum Beispiel werden die Zündkerzen von Blockheizkraftwerken überwacht. Minütlich misst ein Sensor die Abgastemperatur und die Zündspannung.

Vorausschauen und Zeit sparen

So kann Zeppelin in mehr als zwei Dritteln aller Fälle das Versagen einer Zündkerze voraussehen. Der Techniker, der die Zündkerze austauscht, kann quasi bereits zum Kunden geschickt werden, wenn dieser von dem Problem noch gar nichts weiß. Oft muss die Produktion nicht oder nur sehr kurz unterbrochen werden. Wartezeiten entfallen und Kunden sind begeistert. Zeppelin hat sich hierbei für eine Analyse-Software der Firma Splunk entschieden. Diese Software war zunächst nur für die Überwachung des IT-Bereiches gedacht und wurde auch so eingesetzt. Zeppelin nutzte die Splunk Software für das Monitoring seines SAP-Systems. Heute werden Daten von mehr als 650 verschiedenen Geräten an verschiedenen Standorten erfasst und analysiert. 100 Gigabyte am Tag entstehen allein durch diese Erfassung. Es war ein Leichtes, die Software so zu modifizieren, dass sie nun in der Lage ist, alle möglichen Arten von Maschinen zu kontrollieren.

Verbesserter Koordinationsaufwand

Zeppelin zieht dreifach Nutzen aus dieser neuen Methode. Die Techniker haben Zugang zu besseren Informationen, sind besser vorbereitet, wenn sie beim Kunden eintreffen und sparen dadurch unnötige Fahrten. Dazu wird die Koordination erleichtert und der Kundenservice verbessert. Und das neue System steigert die Verfügbarkeit von Maschinen. Die Kunden sind vor allem daran interessiert, dass ihre Maschine so wenig wie möglich Ausfälle haben. Das Internet der Dinge konnte bei Zeppelin die Ausfälle um etwa die Hälfte reduzieren.

Noch genauere Voraussagen

Die Algorithmen, die zur Analyse der Daten eingesetzt werden, wurden in einem Machine-Learning-Toolkit von Splunk erstellt. Ein Spezialist für Datenanalysen hat dies eigens für das Internet der Dinge entwickelt. Das Ganze nennt sich Industrial IoT (IoT = Internet of Things) und erleichtert Firmen und Industriebetrieben die Überwachung und Optimierung ihrer Daten und Anlagen. Es können Daten aus Steuereinheiten, Sensordaten und Scada-System-Daten analysiert werden. Zeppelin arbeitet zudem an der kontinuierlichen Verbesserung der Voraussagen. Je nach Gerät ist der Zeitraum zwischen Erkennen einer Schwankung und dem tatsächlichen Auftreten des Problems oder dem tatsächlichen Ausfall sehr unterschiedlich. Auch wenn bisher nicht auf die Minute genau gesagt werden kann, welches Teil wann kaputt geht, so ist das doch das Ziel für die Zukunft. Aber selbst das bloße Erkennen eines Problems einige Stunden vor dem Ausfall und die Zeit, die damit gewonnen wird, weil der Kundendienst sich vorbereiten kann, ist für den Kunden von großem Wert.

Das Internet der Dinge

Ein weiteres Beispiel ist das Unternehmen König & Bauer, das Druckmaschinen herstellt. Es trägt Daten all seiner installierten Maschinen zusammen und analysiert diese Daten, um kommende Ausfälle frühzeitig zu erkennen. Im Rahmen dieser Datensammlung werden täglich 20.000 bis 30.000 Meldungen von Sensoren erfasst. Bei König & Bauer ist die Fernerfassung und die Fernwartung seit 20 Jahren Teil des Service. Die Neuerung besteht darin, dass die eingehenden Daten nun auch in Bezug auf eine Predictive Maintenance genutzt werden. König & Bauer hat ebenfalls eine Software gewählt, die eigentlich ursprünglich nicht für diesen Zweck gedacht war. Die Software von Salesforce ist ausschließlich über die Cloud zugänglich und wurde dahingehend modifiziert, dass sie nun auch mit dem Internet der Dinge umgehen kann. So werden heute auf einer Plattform alle möglichen Arten von Daten zusammengeführt. König & Bauer nutzt seit einiger Zeit Empolis für die Predictive Services, wobei das Stichwort Machine Learning eine wichtige Rolle gespielt hat.

Predictive Maintenance zahlt sich aus

An diesen Beispielen will Markus Strehlitz nur aufzeigen, dass die Unternehmen in Deutschland ganz pragmatisch und gleichzeitig erfinderisch an das Thema herangehen. Bekannte Programme werden genutzt und angepasst, so dass sie dem Unternehmen alle die Daten liefern und diese so auswerten können, dass eine vorausschauende Wartung möglich wird. Die Technologie verbessert sich dabei fortlaufend und andere Unternehmen schauen sich bei den Vorreitern der Branche die Best Practice Lösungen an – und manchmal auch ab. Wartungen finden gewöhnlich in wiederkehrenden Intervallen statt. Nun können Reparaturen, die von der Natur der Sache her immer unplanmäßig stattgefunden haben, in die Wartung mit einbezogen werden. Wartung und Reparatur können zusammengelegt werden, besser vorbereitet und schließlich kostengünstiger angeboten werden. Alle gewinnen – Unternehmen wie Kunden.
Autorin: IAPM intern

Schlagworte: Projektmanagement, Internet of Things, Predictive Maintenance, Digitalisierung
IAPM Partners