Die vorausschauende Wartung bzw. vorausschauende Wartungsintervalle, zeitgemäß als Predictive Maintenance bezeichnet, ist eine sehr wichtige Instandhaltungstechnologie im Bereich des Maschinenbaus und der Industrie 4.0. Der Zustand von Geräten und Maschinen wird während des Betriebes laufend überwacht, um genau festzulegen, wann Wartungen oder Reparaturarbeiten stattfinden sollen. Die Strategie der Wartung zum richtigen Zeitpunkt soll helfen, Kosten zu sparen und Ausfälle von Maschinen oder anfallende Wartungsarbeiten zu ungünstigen Zeitpunkten zu verhindern. Hierbei kommt auch künstliche Intelligenz zum Einsatz, beispielsweise in Form der Auswertung von Daten aus der Vergangenheit zur Voraussage von anfallenden Wartungs- und Reparaturarbeiten aufgrund von Erfahrungswerten.
Predictive Maintenance als vorbeugende Wartungsmaßnahme
Normalerweise werden Wartungen an Maschinen oder Anlagen im Bereich der Industrie zu fest vorgegebenen Zeitpunkten durchgeführt. Reparaturen erfolgen dann, wenn sie aufgrund verschlissener oder defekter Teile notwendig sind. Nicht immer passen jedoch diese Reparaturen oder Wartungsarbeiten in das Zeitmanagement und werfen Rentabilitätspläne im Bereich der Industrie über den Haufen. Predictive Maintenance soll helfen, Kosteneinsparungen gegenüber der routinemäßigen, intervall- oder zeitbasierenden und vorbeugenden Wartungen herbeizuführen. Es handelt sich um eine Art zukunftsbasierte Instandhaltung, bei der Erfahrungswerte aus vergangenen Wartungsintervallen hinzugezogen werden, um die nächste, voraussichtlich notwendige Reparatur oder Wartung zu einem Zeitpunkt durchführen zu können, an dem dies wirtschaftlich günstig ist. Predictive Maintenance soll also deutliche Vorteile gegenüber der bisher durchgeführten, routinemäßigen Wartungsarbeiten bringen wie zum Beispiel folgende:
- Maschinenausfälle oder ungeplante Stillstände innerhalb der Produktion vermeiden
- Ausfälle von Maschinen aufgrund verschlissener Ersatzteile vorhersagen und Reparaturen vor dem Ausfall zu einem günstigen Zeitpunkt durchführen
- längere Ausfallzeiten aufgrund von Defekten verhindern helfen
- die Wartungsintervalle nach den betrieblichen Anforderungen ausrichten
Es geht also im Wesentlichen um eine vorausschauende Instandhaltung aufgrund einer kontinuierlichen Zustandsüberwachung, die über Echtzeitdaten der Maschinen, Geräte oder Anlagen erfolgen soll. Man spricht hier von Condition Monitoring. Über einen längeren Zeitraum werden verschiedene Messwerte und Produktionsdaten gesammelt, bewertet und zu einem Machine-Learning-Algorithmus weiterverarbeitet. Nun werden aufgrund von historischen Defekten und daraus erhaltenen Daten Berechnungen über die Wahrscheinlichkeit eines neuen Ausfalls angestellt. Aufgrund dieser Vorhersage kann das Wartungspersonal rechtzeitig reagieren und den Ausfall der Maschine verhindern.
Die Abgrenzung zu traditionellen Wartungsmethoden
Predictive Maintenance weist einen vorausschauenden Charakter auf und unterscheidet sich damit deutlich von den bisher am meisten angewandten Wartungsansätzen. Diese verfolgten traditionell eher reaktiv, also als Reaktion auf aufgetretene Probleme oder Störungen. Die reaktive (traditionelle) Wartung ist relativ einfach umzusetzen, birgt aber ein ziemlich hohes Risiko. Defekte treten bekanntermaßen meist dann auf, wenn es am wenigsten passt. Ebenso fallen oft Wartungsarbeiten immer dann an, wenn der Zeitpunkt dafür denkbar ungünstig ist. Analysen der Probleme oder Aktionen zur Störungsbeseitigung erfolgen erst dann, wenn es bereits passiert ist. Maschinenausfälle können also nicht verhindert werden und haben mitunter erhebliche Ausfallzeiten zur Folge. Im ungünstigsten Fall sind die benötigten Ersatzteile erst nach dem Eintreten einer Störung bestellbar, was Ausfälle wegen zusätzlicher Lieferzeiten zur Folge hat. All diese unangenehmen Begleiterscheinungen sollen durch die präventive Wartung und die Vorhersage von möglichen Ausfällen aufgrund von Erfahrungswerten verhindert werden. Außerdem soll verhindert werden, dass Teile ausgetauscht werden, die noch einwandfrei funktionieren und über einen langen Zeitraum eingesetzt werden können. Die Erfahrungswerte spielen also eine sehr große Rolle, um einerseits Kosten zu optimieren und Störungen wirksam zu verhindern. Predictive Maintenance macht es möglich, den optimalen Zeitpunkt für die präventive Wartungsmaßnahme zu finden, damit diese weder zu früh noch zu spät erfolgt. Die Berechnungen finden mithilfe künstlicher Intelligenz statt.
Big Data und Predictive Maintenance
Um die vorausschauende Wartung verlässlich durchführen zu können und um möglichst genau Vorhersagen über den Zustand von Maschinen oder Anlagen zu treffen, müssen sehr große Datenmengen gesammelt werden. Diese müssen anschließend mithilfe intelligenter Algorithmen analysiert und weiterverarbeitet werden. Das Problem dabei: Die in vielen Anlagen oder Maschinen innerhalb der Industrie anfallenden Daten werden von Maschinen unterschiedlicher Hersteller bereitgestellt und weisen daher unterschiedliche Formate auf. Die hierbei anfallenden Daten sind vom jeweiligen Hersteller der Anlage abhängig und müssen erst in ein einheitliches Format gebracht werden, um aus den Daten und den daraus resultierenden Veränderungen Trends oder voraussichtliche Entwicklungen ablesen zu können. Die gesuchten Werte müssen schnell gefunden und mit hoher Leistung verarbeitet werden. Dies kann zur Zeit nur mit modernen Anwendungen und Datenbanksysteme aus dem Bereich Big Data erfolgen. Hierfür werden intelligente und ausgefeilte Analysealgorithmen benötigt. Mit der richtigen Software gelingt es allerdings, die Wahrscheinlichkeit über den Ausfall einer Anlage rechtzeitig zu ermitteln, gegebenenfalls ist es sogar möglich, die Wartungsintervalle zu vergrößern und dadurch Kosten einzusparen.