Predictive Maintenance ist ein präventives Verfahren, bei dem Mess- und Produktionsdaten von Maschinen und Anlagen ausgewertet werden, um proaktiv zu Warten und Störungszeiten zu minimieren. Durch die Analyse der Daten lassen sich Störungen voraussagen bevor es zu Ausfällen kommt. Je mehr Daten also erfasst, gespeichert und analysiert werden, desto verlässlicher sind die Vorhersagen. Deshalb kommen hier Big-Data-Techniken und Softwarelösungen zum Einsatz. Häufig werden die Daten der Maschinen auch via IoT an die Maschinenhersteller oder Servicepartner übermittelt. Laut Experten können mit dieser Methode bis zu 70% der Stillstände vermieden werden.
Abgrenzung zu anderen Instandhaltungsstrategien: Die Technik macht den Unterschied!
Die vorausschauende Instandhaltung von der korrektiven (auch reaktiven) Instandhaltung abzugrenzen fällt leicht, denn hier wird erst reagiert, wenn die Störung schon aufgetreten ist – also das Gegenteil von vorausschauend.
Es gibt es neben der vorausschauenden Instandhaltung noch zwei weitere Instandhaltungsstrategien die präventiv sind: Die periodische und die zustandsorientierte Instandhaltung. Bei der periodischen Instandhaltung werden regelmäßige, geplante Maßnahmen wie Wartungen und Inspektionen durchgeführt, um Schäden frühzeitig zu erkennen. Die zustandsorientiere Instandhaltung nutzt wie die vorausschauende Instandhaltung Parameter und Messwerte, um Maschinenzustände zu überwachen. Allerdings geschieht dies meist ohne die Anwendung von Machine Learning und IoT-Plattformen.
Ist Predictive Maintenance die richtige Strategie für Sie?
Klar, Predictive Maintenance bietet viele Vorteile. Maschinenausfälle können verhindert werden, die Leistung der Maschinen kann verbessert werden und Sie können Ihre Produktivität erhöhen. Und wir sind uns auch sicher: Predictive Maintenance ist die Zukunft!
Aber: Ohne solide Datenbasis keine vorausschauende Instandhaltung!
Für die Durchführung einer tauglichen Instandhaltungsvorhersage sind die notwendigen Daten häufig schlichtweg noch nicht vorhanden und werden dies in den nächsten Jahren auch nicht sein. Ohne eine breite und belastbare Datenbasis kann Predictive Maintenance seine Wirkung nicht ansatzweise entfalten. Die Anbindung an Maschinen ist nach wie vor mit teilweise hohen Kosten verbunden, welche in vielen Fällen nur durch eine geschönte RoI-Kalkulation zu rechtfertigen sind.
So sieht die Alternative aus
Bis es soweit ist, dass die vorrausschauende Wartung für die breite Masse der Unternehmen nutzbar ist, empfehlen wir die Strategie der zustandsorientierten Instandhaltung. Unternehmen sollten beginnen, Daten zielgerichtet zu sammeln, zum Beispiel durch eine digitale Servicelösung. Denn mit einer gut organisierten Instandhaltungsabteilung lässt sich kurzfristig mehr Geld sparen als mit einem schlechten Datenmodel und einer teuren Predicitve Maintenance-Lösung.
Mit der WERKBLiQ-Plattform für das Maschinenmanagement etwa lassen sich nach Praxiserfahrungen Instandhaltungskosten schon nach kurzer Zeit um bis zu 20 Prozent senken. Zugleich schafft die kontinuierliche und einfach zu handhabende Datenerfassung und -auswertung die Basis für weitere Maßnahmen – hin zu einer vorausschauenden Wartung, die dann auch halten kann, was sie heute bereits verspricht!
Vgl. https://www.bigdata-insider.de/was-ist-predictive-maintenance-a-640755/
Vgl. https://www.maschinenmarkt.vogel.de/was-leistet-predictive-maintenance-definition-beispiele-anbieter-a-909046/
Deutschland 
