Big Data, Machine Learning, künstliche Intelligenz – all das wird in Zukunft sicherlich ungeahnte Möglichkeiten im industriellen Umfeld eröffnen, zum Beispiel die handlungsempfehlende Instandhaltung. Noch sieht die Realität anders aus. Doch sie hält schon jetzt bereit, was morgen notwendig sein wird, um Prescriptive-Maintenance-Systeme im Instandhaltungsalltag zu integrieren.
Ein Meer voller Instandhaltungsstrategien
Ob korrektive, periodische oder zustandsorientierte Instandhaltung – es gibt zahlreiche Instandhaltungsstrategien, so viel steht fest. Welche die richtige für ein Unternehmen ist, variiert von Produktion zu Produktion. Gegenwärtig zeigt sich allerdings, dass häufig die Kombination unterschiedlicher Strategien die gängige Praxis in der Instandhaltung bestimmt. Dabei ist auffällig, dass in Zeiten der Digitalisierung und Industrie 4.0 richtungsweisende Modelle wie die vorausschauende Instandhaltung längst noch nicht flächendeckend die Produktionshallen erreicht haben. Bis das der Fall sein wird, wird wohl noch einige Zeit verstreichen. Gerade vor diesem Hintergrund fällt es schwer zu glauben, dass zeitnah Instandhaltungsmodelle zum Alltag gehören werden, die selbst noch die Möglichkeiten von Predictive Maintenance übersteigen. Diese Vorstellung fällt eher in den Bereich der Science-Fiction – möchte man meinen. Denn tatsächlich wird bereits an solchen Systemen gearbeitet, die zur Kategorie der sogenannten Prescriptive Maintenance gehören, der handlungsempfehlenden Instandhaltung.
Was ist Prescriptive Maintenance?
Predictive Maintenance: Ein Vorhersagemodell für die Instandhaltung
Sinnbildlich gesprochen dürfte der Traum vieler Instandhalter und Wartungsexperten der Blick in die Zukunft sein: Mögliche Probleme erkennen, bevor diese auftreten, und vorbeugende Maßnahmen treffen, damit es nicht zum Maschinenstillstand kommt – so ließen sich der Aufwand und die Kosten für die gesamte Instandhaltung auf ein Minimum reduzieren und reibungslose Produktionsprozesse sicherstellen.Hier und da ist dieser Traum dank Machine Learning und künstlicher Intelligenz bereits wahr geworden, und zwar in Form der vorausschauenden Instandhaltung. So können mithilfe von Big-Data-Analysen, die von Algorithmen unterstützt werden, Muster, Gesetzmäßigkeiten und Anomalien an überwachten Anlagen und Maschinen identifiziert werden. Auf dieser Grundlage kann eine Instandhaltungssoftware zuverlässige Vorhersagen über potenzielle Störfälle machen. Anders formuliert: Das intelligente System reist auf Datenbasis in die Zukunft, entdeckt dort Fehler an Anlagen, reist wieder zurück und informiert einen Instandhalter über die in absehbarer Zeit auftretenden Probleme.
Unterschied zwischen Predictive und Prescriptive Maintenance
Prescriptive Maintenance setzt noch einen drauf. Dieses Modell macht nicht nur eine Zeitreise und informiert bei seiner Rückkehr in die Gegenwart über Probleme, die in der Zukunft auftauchen werden. Darüber hinaus spricht es im Hier und Jetzt adäquate Handlungsempfehlungen aus, damit es morgen gar nicht erst zu diesen Komplikationen kommen wird. Man stelle sich nur das daraus resultierende Potenzial zur Optimierung der gesamten Instandhaltung vor.
In der Realität findet dieses zukunftsweisende Konzept allerdings kaum Anwendung. Wenn überhaupt, dann nur in sehr geringem Umfang. Das liegt vor allem daran, dass der Digitalisierungsgrad im Unternehmensumfeld noch lange nicht so hoch ist, wie es für dieses Instandhaltungsmodell erforderlich wäre. Doch die notwendigen Voraussetzungen für die handlungsempfehlende Instandhaltung lassen sich bereits heute schaffen.
Voraussetzungen für Prescriptive Maintenance
Wer schon heute die notwendigen Voraussetzungen für den Einsatz künftiger Prescriptive-Maintenance-Systeme schaffen möchte, der muss vor allem eines bereitstellen: Daten, Daten, und noch mehr Daten. Daran führt kein Weg vorbei. Schließlich geht es nicht nur bei der vorausschauenden, sondern auch im Rahmen der handlungsempfehlenden Instandhaltung grundsätzlich darum, aus Big Data Smart Data zu machen und künstliches Wissen zu generieren. Die Krux: Meist sind die dafür erforderlichen Daten über unterschiedliche Systeme hinweg verstreut. Daher ist es in allererster Linie erforderlich, Daten unterschiedlicher Herkunft auf einer zentralen Plattform zu versammeln, damit das in ihnen schlummernde Potenzial überhaupt nutzbar gemacht werden kann.
Entsprechende Lösungen sind also gefragt. Eine davon: die Instandhaltungssoftware von WERKBLiQ. Diese ermöglicht unter anderem mit Tools wie der digitalen Maschinenakte, alle Ereignisse und Aktivitäten rund um die Instandhaltung von Anlagen und Maschinen in Form von Maschinendaten zu erfassen und auf einer zentralen Plattform zu verwalten. Heute dient das vornehmlich der lückenlosen Dokumentation zwecks Überwachung, Planung und Optimierung der Produktion. Morgen wird es das Fundament und der entscheidende Vorsprung bei der Implementierung von Prescriptive-Maintenance-Systemen sein – eine echte Investition in die Zukunft. Denn nur wo Maschinendaten kontinuierlich als Futter bereitstehen, können sie automatisch und in Echtzeit von intelligenten Instandhaltungssystemen gesammelt, strukturiert und analysiert werden, sodass Vorhersagen über potenzielle Störfälle möglich sind und Handlungsempfehlungen vom System offeriert werden können.
Fazit: Prescriptive Maintenance ist noch Zukunftsmusik. Doch es gibt bereits heute die passenden Instrumente für das perfekte Instandhaltungskonzert von morgen – etwa die digitale Maschinenakte von WERKBLiQ.
Vereinbaren Sie einfach einen Termin für Ihre persönliche Webdemo, lernen Sie unsere smarte Instandhaltungssoftware kennen und überzeugen Sie sich von den Vorteilen.
Deutschland 
