Blog abonnieren

Wie Predictive Maintenance teure Maschinen-Stillstände minimiert

Alles läuft reibungslos – bis plötzlich nichts mehr geht. Die Bänder stehen still, die Unterbrechung ist nicht geplant. Eine Maschine muss repariert bzw. gewartet werden, bevor der Betrieb weitergeht. Oder, im besten Fall, läuft alles gut und nichts geht schief, aber Sie müssen die Maschine in regelmäßigen Abständen warten. Auch diese geplante Unterbrechung stoppt in jedem Fall Ihre Produktion.

Vorausschauende Wartung oder Predictive Maintenance ist der Königsweg. Denn damit werden Wartungsarbeiten durchgeführt, bevor sie benötigt werden und nachdem es zu spät ist. So wird verhindert, dass sich kleine Probleme zu kostspieligen Produktionsunterbrechungen auswachsen und Ihre Wartung immer genau dann terminiert, wenn sie benötigt wird. Predictive Maintenance ist eine intelligente Frühwarn-Lösung, die zu jedem Zeitpunkt vorausschaut.

Das Ziel: Probleme erkennen, bevor sie entstehen

Technisch gesehen ist Predictive Maintenance die systematische Anwendung von statistischen und maschinellen Lernmethoden, um verborgene Muster und Strukturen aus Prozess- und Maschinendaten aufzudecken und daraus Vorhersagen über deren Zustand zu treffen. Vereinfacht ausgedrückt geht es darum, mithilfe Künstlicher Intelligenz in die Zukunft Ihrer Maschinen zu sehen.

Hersteller von Maschinen und Anlagen generieren neben dem Verkauf von Maschinen bereits erhebliche Umsätze mit Wartungsverträgen und Serviceangeboten. Predictive Maintenance macht ihren Servicebetrieb deutlich effizienter und zeigt Kosteneinsparpotenziale auf. Zudem profitieren ihre Kunden von einer höheren Verfügbarkeit und vereinfachten Serviceprozesse, was ihre Zufriedenheit steigert.

Wenn Betreiber von Maschinen und Produktionsanlagen über Betriebsanomalien und anstehende Wartungs- oder Reparaturarbeiten Bescheid wissen, können sie Personalressourcen und Ersatzteilbedarf besser planen. Häufige ungeplante Stillstandszeiten werden reduziert und in kürzere geplante Stillstandszeiten für Wartungstätigkeiten umgewandelt. Unnötige Wartungsmaßnahmen wie der routinemäßige, vorbeugende Austausch von Komponenten entfallen.

Die Anwendung von datengesteuerter, vorausschauender Wartung auf Ihre Abläufe wird die Effektivität Ihrer Anlagen erhöhen, was neben den finanziellen Vorteilen auch dazu führt, dass Ihre Mitarbeiter ihre Arbeit besser erledigen können.


Laden Sie unser kostenfreies White Paper "Predictive Maintenance – schneller als der Fehler“, herunter, für umsetzbare Erkenntnisse zum Start Ihres eigenen Predictive Maintenance-Projekts.  

Jetzt White Paper lesen

 


Verwandeln Sie Ihre Daten in Erkenntnisse zur vorausschauenden Wartung

In Maschinen integrierte Sensoren liefern Daten, die ein breites Spektrum an Informationen abdecken: über anstehende Wartungen, Verschleiß, Störungen und die Leistung der Anlagen ihrer Kunden. Dies ist das Nebenprodukt der industriellen Version des Internets der Dinge. Mit der Zeit wird dieser Datenpool immer umfangreicher und nützlicher.

Um die Daten für Ihr eigenes vorausschauendes Wartungsprojekt nutzbar zu machen, werden statistische Methoden eingesetzt. Aus dieser Datenfülle lassen sich wiederkehrende Muster erkennen. Diese werden mit protokollierten Ereignissen korreliert, z. B.:

  • Vergangene Defekte
  • Qualitätsprobleme
  • Anlageneinstellungen
  • Formeln
  • Verarbeitete Materialien

Wir verwenden standardisierte Algorithmen und Analysemethoden, die speziell für diese Zwecke entwickelt wurden, aber wir haben sie an Ihre speziellen Anforderungen angepasst, trainiert und erweitert. In der Praxis wird oft eine gezielte Kombination aus mehreren Algorithmen verwendet, die zu Ihrem Geschäftsfall und Ihren Systemen passt.

Zeitreihenanalyse_1140x800px_neues-design

Abb. Standardisierte Analyseverfahren 

Eine gute Vorbereitung und ein strukturiertes Projektvorgehen sind entscheidend für die erfolgreiche Einführung von Predictive Maintenance. Ein wesentlicher Erfolgsfaktor ist die interaktive und interdisziplinäre Zusammenarbeit zwischen Domänenexperten und Datenwissenschaftlern, die wir im nächsten Abschnitt behandeln.

Der 3-stufige „Predictive-Prozess“

Prozessgrafik_DE

Grafisches Vorgehensmodell Predictive Maintenance

1) Identifizieren

Bevor Sie die Algorithmen einsetzen, versammeln Sie Ihre Domänenexperten und diskutieren und priorisieren Sie konkrete Probleme mit externen Datenwissenschaftlern in einem Workshop. Konzentrieren Sie sich darauf, sicherzustellen, dass das Predictive-Maintenance-Konzept für Ihre Umgebung geeignet ist.

Für jedes Problem, das Sie mit KI lösen wollen, müssen Sie zunächst verstehen, wie menschliche Intelligenz es lösen würde. Erst dann kann man eine KI schaffen, die das Problem erfolgreich löst.

Sichten Sie gemeinsam die vorhandenen Datenquellen, und werten Sie sie quantitativ und qualitativ aus, um sicherzustellen, dass Sie die richtigen Daten für Ihre Anforderungen haben. Führen Sie dann alle relevanten Daten zusammen und verarbeiten und analysieren Sie sie, um herauszufinden, was die Daten über das Maschinenverhalten aussagen.

Mit diesem Schritt erhalten Sie ein klares Verständnis für den Anwendungsfall sowie einen vollständigen, integrierten Datensatz.

2) Prototyp

Nun gehen wir zur Implementierung des Algorithmus über. Hierfür nutzen wir Methoden aus der Signalverarbeitung, der Statistik, dem klassischen maschinellen Lernen und dem Deep Learning. Basierend auf diesen Methoden und den Informationen und Erkenntnissen aus der Phase "Identifizieren" entwickeln unsere Datenwissenschaftler einen Algorithmus, der für Ihren Anwendungsfall am besten funktioniert.

Der speziell für den jeweiligen Anwendungsfall entwickelte Algorithmus ist die Basis für eine erfolgreiche Predictive-Maintenance-Lösung.

Dies ist die Grundlage Ihrer vorausschauenden Wartungslösung. Sie ist auch am schwierigsten in einem Blog-Beitrag zu beschreiben, weil sie auf die einzigartigen Spezifikationen Ihrer Umgebung und Ihres Geschäftsfalls zugeschnitten ist.

3) Operationalisieren

Nun übertragen wir die Predictive-Maintenance-Lösung auf Ihre Systemarchitektur oder in die Cloud. Der Algorithmus wird an die Verarbeitung kontinuierlicher Datenströme angepasst. Die relevanten Datenquellen werden über definierte Schnittstellen an das System angebunden. Eine praktische und benutzerfreundliche Bedienoberfläche macht das System leicht bedienbar und schreckt Ihre Anwender nicht ab.

Jetzt ist Ihre vorausschauende Wartungslösung verfügbar und einsatzbereit.


WHITE PAPER: "Predictive Maintenance – schneller als der Fehler“

Erhalten Sie umsetzbare Erkenntnisse und Erfolgsgeschichten von Betreibern von Maschinenherstellern, um Ihr eigenes Programm zur vorausschauenden Wartung zu starten.

Jetzt White Paper lesen

 

Marshall Bellamy

Marshall Bellamy

Marshall Bellamy war bis 2021 Product Marketing Manager bei USU und arbeitete dort an Lösungen für Industrial Analytics und Hybrid Cloud Management. Zuvor leitete er das Produktmarketing für die Lizenzoptimierungslösung von USU. Als kreativer Werbetexter hat Marshall Bellamy Marken aufgebaut und Inhalte für internationale Kunden in Nordamerika und Europa erstellt.

Revolutionieren Sie Ihr Wissen im Kundenservice!

Weitere interessante Artikel