Predictive Maintenance - Smarte Maschinenwartung

Predicitve Maintenance - eine Erklärung

Maschinen, Anlagen und Werkzeuge müssen regelmäßig gewartet werden. Zumeist erfolgt dass auf Basis von Erfahrungswerten zu bestimmten Zeiten oder nach bestimmten Nutzungsaufwenden (Betriebsstunden, Zahl der Anwendungsfälle etc.). Wenn der Wartungszeitpunkt genauer und individuell für jeden Fall bestimmt würde, ließen sich dadurch Wartungskosten senken. Sicherheitspuffer um Stillstände zu vermeiden, die auf allgemeinen Erfahrungswerten beruhen, ließen sich nämlich durch individuelle Wartungszeitpunkte ersetzen.
Die Möglichkeiten, die dafür notwendigen Daten bei Maschinen und Werkzeugen zu erheben, sind praxistauglich und oftmals kosteneffizient geworden. Dieser Prozess, mit dem für jeden Anwendungsfall individuell Daten gesammelt und ausgewertet werden, um einen optimalen Wartungszeitpunkt zu bestimmen, wird mit dem Begriff Predictive Maintenance (vorausschauende Wartung) bezeichnet.

Anwendungsbeispiel: Der optimale Wartungszeit spart Kosten

In Hamburg wurde das „AVIATAR“-Programm der Lufthansa Technik AG geboren. Das ist eine Plattform, bei der auf Basis von App-Anwendungen zahlreiche innovative und digitale Produkt- und Dienstleistungsangebote für Airlines und Co. vertrieben werden. Eine der Apps kann den optimalen Wartungszeitpunkt für Flugzeugkomponenten ermitteln und so den Airlines, Flugzeugbauern und Zulieferern Kosten sparen.
Beispiel: Ein Satz Zündkerzen für den Airbus A340 liegt bei rund 10.000 Euro. Dieser Kerzensatz wurde bisher anhand von Erfahrungswerten in regelmäßigen Zeitabständen gewechselt. Die neue App ermöglicht es jetzt, durch Zählung jedes einzelnen Zündfunkens die Lebensdauer der Kerzen exakt zu ermitteln und damit einen zu frühen Austausch zu vermeiden. Diese smarte Wartung kann für zahlreiche Flugzeugkomponenten umgesetzt werden und zeigt die effektive Nutzung bereits generierter Daten durch digitale Technologie.
Zukünftig können immer mehr Daten für die Berechnung des optimalen Wartungszeitpunktes mit einbezogen werden, wie z.B. Wetterdaten bei Außenanlagen oder Rohstoffdaten bei Produktionsmaschinen. Je länger die Daten automatisch gesammelt und mit Hilfe von künstlicher Intelligenz analysiert werden, desto genauer werden diese Vorausberechnungen werden.

Chancen und Herausforderungen von Predictive Maintenance

Der Einsatz vorausschauender Wartung bietet nicht nur Kosteneinsparungen, sondern, durch entsprechende Koordination der Wartungsphasen, auch erhebliche Effizienzgewinne im Betrieb der Maschinen, Anlagen und Werkzeuge. Auch für Bestandsanlagen gibt es bereits verschiedene Angebote, um diese nachzurüsten und für den Einsatz von „predictive Maintenance“ fit zu machen.
Risiken könnten im rechtlichen Bereich liegen, z.B. wenn Betriebsdaten mit den Daten der entsprechenden Arbeitskräfte verknüpft werden und damit Datenschutzrecht berührt wird.
Dieser Artikel wurde vom Team des Mittelstand 4.0-Kompetenzzentrum Hamburg erstellt.
Logo-Mittelstandskompetenzzentrum_1