+49 6764 9022 349

Smart Maintenance – Viel mehr als „nur“ Predictive Maintenance

Verfasst von: Dr. Martin Bleider, Head of Consulting Services, HAHN Digital.

Diese Blogreihe entstand aus einer Kooperation zwischen HAHN Digital und dem Industrie 4.0 Maturity Center der RWTH Aachen.

Der Begriff „Predictive Maintenance“ wird viel diskutiert. Es werden Potenziale analysiert und Konzepte erstellt. Nur die Umsetzung ist bisher sehr auf bestimmte Anwendungsfälle beschränkt, wie beispielsweise Turbinen, mechanische Lager oder andere mehr oder weniger standardisierte Komponenten. Schaut man sich Produktionsanlagen an, sucht man in vielen Fällen vergeblich nach datenbasierten Predictive Maintenance Umsetzungen.

Die Gründe für die fehlende Umsetzung sind vielfältig. Entweder besteht keine ausreichende Datengrundlage, da zu wenig Sensoren verbaut sind. Oder die Maschinen und Anlagen sind zu speziell, also können keine Erkenntnisse aus anderen Anlagen übertragen werden. Es fehlen auch oft Datenmuster von Maschinenausfällen oder generell historische Daten. Die viel wichtigere Frage ist jedoch, welche Anwendungsfälle zur Unterstützung von Wartung und Entstörung denn realistisch umgesetzt werden können.

Die Herausforderung ist, dass ein Techniker im Einsatz an der Maschine relativ wenig Informationen zur Verfügung hat. Oft fehlt die Historie über vergangene Serviceeinsätze an der Maschine. Dadurch können die Fehlermeldungen der Maschine maximal manuell ausgewertet werden und bei bestimmten Problemen muss ein weiterer Experte involviert werden. Wenn keine Maschinenakte mit Einträgen zu allen Serviceeinsätzen geführt wird, versteckt sich die Historie oft in verschiedenen Expertensystemen: Abgerechnete Einsätze sind im ERP-System zu finden, für die Serviceeinsatzplanung wird ein Planungstool oder eine Microsoft Excel Liste verwendet und die Beschreibung des Einsatzes ist gegebenenfalls auf dem Montageschein des Technikers zu finden. Aus diesen Situationen ergibt sich, dass alle technischen Informationen eines solchen Einsatzes zentral dokumentiert werden sollten. Dies erfolgt beispielsweise in einem Expertensystem für Servicetickets, das dann zur Servicehistorie befragt werden kann.

Die Status- und Wartungsmeldungen von vielen Anlagen werden, wenn sie denn archiviert werden, oft in Tabellenform gespeichert. Je nach Art der Anlage und Prozesse kommen schnell hunderte Meldungen pro Tag zusammen. Werden diese Meldungen auf der Maschine selber oder über eine Middleware in der Smart Data-Schicht ausgewertet, sind statistische Visualisierungen, die das Abweichen der Meldungsanzahl je nach Meldungstyp aufzeigen, möglich und für den Betrachter schon sehr hilfreich.

Muss ein weiterer Experte hinzugezogen werden, geht bis zu seinem Eintreffen wertvolle Zeit verloren. Mithilfe von Kommunikationsplattformen und Augmented Reality-Technologien (AR) können solche Einsätze jedoch in Fernsupport-Einsätze umgewandelt werden. Der Techniker vor Ort nutzt ein mobiles Endgerät, wie zum Beispiel eine AR-Brille, und überträgt das was er sieht an den Remote-Experten. Dieser kann dem Techniker neben dem gesprochenen Wort zusätzlich visuelle Unterstützung bieten, indem er dem Techniker Informationen auf das Endgerät projiziert oder einspielt. Diese digitale Kommunikation kann zu Dokumentationszwecken in verschiedenen Formen gespeichert und der Maschinen- oder Anlagenhistorie hinzugefügt werden.

Aus dieser Datenmenge kann auf der Smart-Expert Ebene eine übersichtliche Darstellung angezeigt werden, sodass jeder Techniker und jeder Ansprechpartner bei einem Instandhaltungsproblem direkt alle relevanten Informationen vorliegen hat. Dies unterstützt die Fehlersuche und beschleunigt die Fehlerbehebung. Wenn diese Potenziale gehoben sind, lassen sich erste Muster von Einsätzen und Fehlerursachen erkennen. Darauf aufbauend ist es deutlich systematischer möglich das Thema Predictive Maintenance umzusetzen.

Nachdem wir am Beispiel von Wartung und Entstörung gezeigt haben, wie vielfältig hier die Möglichkeiten des datenbasierten Arbeitens auch ohne Prognosemodelle sind, behandeln wir im nächsten Beitrag die Prozessoptimierung.

Zurück