Die vorausschauende Wartung (Predictive Maintenance, PdM) baut auf der zustandsbasierten Überwachung auf und optimiert die Leistung und Lebensdauer von Ausrüstungen durch kontinuierliche Auswertung ihres Allgemeinzustands in Echtzeit. Durch die Erfassung von Sensordaten und die Anwendung fortschrittlicher Analysetools und -prozesse, wie z. B. maschinelles Lernen (ML), kann die vorausschauende Wartung Probleme feststellen, erkennen und beheben, sobald sie auftreten. Darüber hinaus kann sie den potenziellen künftigen Zustand von Ausrüstungen vorhersagen und dadurch Risiken verringern. Entscheidend ist dabei, dass die richtigen Personen zur richtigen Zeit die richtigen Informationen erhalten.
Die Wartungsstrategien und der Reifegrad hängen von Faktoren wie den Anlagen-/Wiederbeschaffungskosten, der Priorität der Anlage, den Verwendungsmustern und den Auswirkungen einer Störung auf Sicherheit, Umgebung, Betrieb, Finanzen und öffentliches Image ab. Die vorausschauende Wartung ist eine der drei maßgeblichen Wartungsstrategien, die in Unternehmen zum Einsatz kommen. Die anderen sind die reaktive Instandhaltung, bei der Störungen behoben werden, wenn sie auftreten, und die vorbeugende Wartung, die sich auf einen vordefinierten Wartungsplan zur Fehlererkennung stützt. Da die vorausschauende Wartung proaktiv ist, verbessert sie die vorbeugende Wartung dadurch, dass sie fortlaufende Erkenntnisse über den tatsächlichen Zustand der Ausrüstung liefert, statt sich auf den erwarteten Zustand der Ausrüstung auf der Grundlage eines protokollierten Referenzwerts zu stützen. Bei der vorausschauenden Wartung findet eine Fehlerbehebung nur dann statt, wenn sie notwendig ist, so dass unnötige Wartungskosten und Ausfallzeiten von Maschinen vermieden werden. Bei der vorausschauenden Wartung werden Langzeit- und Störungsdaten in Form von Zeitreihen verwendet, um den künftigen potenziellen Allgemeinzustand von Ausrüstungen vorherzusagen und so Probleme im Voraus zu erkennen. So können Unternehmen die Wartungsplanung optimieren und die Zuverlässigkeit verbessern.
Die vorausschauende Wartung unterscheidet sich von der vorbeugenden Wartung auch durch die Vielfalt und den Umfang der zur Überwachung der Ausrüstung genutzten Echtzeitdaten. Verschiedene Zustandsüberwachungsverfahren, wie die Analyse von Geräuschen (Ultraschall), Temperatur (thermisch), Schmierung (Öl, Flüssigkeiten) und Vibrationen, können Unregelmäßigkeiten aufdecken und im Voraus vor möglichen Problemen warnen. Eine steigende Temperatur in einer Komponente könnte beispielsweise auf eine Blockierung des Luftstroms oder auf Verschleiß hindeuten; ungewöhnliche Vibrationen könnten auf eine Fehlausrichtung beweglicher Teile hindeuten; Veränderungen von Geräuschen können in einem frühen Stadium vor Fehlern warnen, die das menschliche Ohr nicht wahrnehmen kann.
Erkunden Sie IBM Maximo und erfahren Sie, wie Sie Ihre Anlagenabläufe mithilfe von IoT-Daten, Analysen und KI optimieren können.
IBM Newsletter abonnieren
Die vorausschauende Wartung stützt sich auf eine Vielzahl von Technologien, wie das Internet der Dinge (IoT), Vorhersageanalysen und künstliche Intelligenz (KI). Vernetzte Sensoren sammeln Daten von Anlagen wie der Betriebsausstattung. Erfasst werden sie in der Peripherie oder in der Cloud in einem KI-fähigen Enterprise Asset Management (EAM) oder Computerised Maintenance Management System (CMMS). Mithilfe von KI und maschinellem Lernen werden die Daten in Echtzeit analysiert, so dass ein Bild des aktuellen Zustands der Ausrüstungen entsteht. Wenn ein potenzieller Fehler festgestellt wird, wird eine Warnung ausgelöst und an das Wartungsteam weitergeleitet.
Die Fortschritte bei den Algorithmen des maschinellen Lernens ermöglichen nicht nur Fehlerwarnungen, sondern auch vorausschauende Wartungslösungen, mit denen sich der künftige Zustand der Ausrüstungen vorhersagen lässt. Anhand dieser Vorhersagen lässt sich die Effizienz wartungsbezogener Workflows und Prozesse, wie der Just-in-Time-Auftragsterminierung, der Versorgung mit Arbeitskräften und der Teilelieferketten, verbessern. Darüber hinaus gilt: Je mehr Daten erfasst werden, desto mehr Erkenntnisse werden generiert und desto besser werden die Vorhersagen. Das verschafft Unternehmen die Gewissheit, dass die Ausrüstungen optimal arbeiten.
Die Vorteile einer Strategie für die vorausschauende Wartung liegen vor allem in der Vorwegnahme von Fehlern und Störungen von Ausrüstungen, in der Senkung der Wartungs- und Betriebskosten durch Optimierung von Zeit und Ressourcen sowie in der Verbesserung der Leistung und Zuverlässigkeit von Ausrüstungen. Deloitte berichtete im Jahr 2022, dass die vorausschauende Wartung die Ausfallzeiten von Einrichtungen um 5–15 % reduzieren und die Produktivität der Mitarbeiter um 5–20 % steigern kann.1 Durch Minimierung von Energieverbrauch und Ausschuss wirkt sich die vorausschauende Wartung außerdem positiv auf die betriebliche Nachhaltigkeit aus.
Durch Optimierung der Leistung und Verfügbarkeitszeit von Anlagen lassen sich Kosten senken. Eine frühzeitige Warnung vor potenziellen Fehlern führt zu weniger Ausfällen sowie zu weniger geplanten Instandhaltungsarbeiten oder ungeplanten Ausfallzeiten. Eine bessere ständige Sichtbarkeit des Zustands erhöht die Zuverlässigkeit und Beständigkeit von Ausrüstungen über die gesamte Lebensdauer. Durch den Einsatz von KI können künftige Abläufe genauer prognostiziert werden. Der letztgenannte Vorteil ist besonders bedeutsam in einer Welt, in der die Notwendigkeit besser vorhersehbarer Ersatzteilbestände und Personalkosten sowie einer geringeren Umweltbelastung durch den Betrieb aufgrund steigender Preise und unvorhersehbarer Ereignisse wie der Pandemie und klimabedingter Naturkatastrophen offensichtlich geworden ist.
Die Produktivität lässt sich steigern, indem ineffiziente Wartungsarbeiten reduziert, Probleme durch intelligente Workflows und Automatisierung schneller behoben und Techniker, Data-Scientists und Mitarbeiter in der gesamten Wertschöpfungskette mit besseren Daten für die Entscheidungsfindung ausgestattet werden. Als Ergebnis erhält man bessere Metriken wie die mittlere ausfallfreie Zeit (MTBF) und die mittlere Reparaturzeit (MTTR), sicherere Arbeitsbedingungen für Mitarbeiter sowie Umsatz- und Rentabilitätssteigerungen.
Es gibt Hindernisse für die vorausschauende Wartung, die zunächst einmal kostenintensiv sein kann.
- Systeminfrastruktur: Je nach Komplexität der Strategie entstehen hohe Einführungskosten. Sie betreffen häufig die Aufrüstung und Integration veralteter Technologien und Überwachungssysteme sowie Investitionen in Wartungs- und Datenmanagement-Tools sowie in die Daten- und Systeminfrastruktur.
- Schulung der Arbeitskräfte: Die Ausbildung der Arbeitskräfte im Umgang mit den neuen Tools und Prozessen und in der korrekten Interpretation von Daten kann kosten- und zeitintensiv sein.
- Datenanforderungen: Die Vergangenheit ist ein Prädiktor für die zukünftige Leistung. Für eine effektive vorausschauende Wartung ist die Verfügbarkeit umfangreicher Langzeit- und Störungsdaten (oder Proxy-Daten) in Form von Zeitreihen unerlässlich. Die Fähigkeit, Datenkorrelationen und Analogien mit ähnlichen Ausrüstungstypen unter physischen Betriebsbedingungen zu betrachten, ist ebenfalls von entscheidender Bedeutung und kann auch zu einer besseren Vorhersagekraft von Analysen beitragen.
Die Bewertung der Priorität und der Kosten einer Störung einzelner Anlagen kostet zwar auch Zeit und Geld, ist aber wichtig für die Bestimmung der Zweckmäßigkeit einer vorausschauenden Wartung – bei kostengünstigen Anlagen mit billigen, leicht verfügbaren Teilen können andere Wartungsstrategien sinnvoller sein. Vorausschauende Wartungsprogramme sind beschwerlich, aber eine gut umgesetzte Strategie bringt erhebliche Wettbewerbsvorteile und finanzielle Vorteile mit sich.
Vorausschauende Wartungstechnologien werden bereits in vielen Branchen für zahlreiche Anlagen eingesetzt, seien es Geldautomaten, Windkraftanlagen, Wärmetauscher oder Fertigungsroboter. Anlagenintensive Branchen wie Energie, Fertigung, Telekommunikation und Transport, in denen unvorhergesehene Gerätefehler weitreichende Folgen haben könnten, setzen zunehmend fortschrittliche Technologien ein, um die Zuverlässigkeit der Ausrüstungen und die Produktivität der Arbeitskräfte zu verbessern. Die Einsatzmöglichkeiten sind vielfältig:
Netzausfälle (PDF) können Energieversorger Entschädigungen in Millionenhöhe kosten und dazu führen, dass Kunden den Anbieter wechseln.
Gerätefehler und ungeplante Ausfallzeiten können die Stückkosten erheblich erhöhen und Unterbrechungen in der Lieferkette verursachen.
Die rasche Behebung von Fehlern im Telekommunikationsnetz ist für die Verbesserung der Servicequalität von entscheidender Bedeutung – selbst kleine Netzausfälle können sich auf eine große Zahl von Kunden auswirken.
Die Feststellung von Weichen- oder Bremsenstörungen oder Gleisverformungen verhindert Serviceunterbrechungen und gewährleistet die Sicherheit der Fahrgäste.
Die Möglichkeit, die strukturelle Integrität während der Prüfungszyklen besser zu beurteilen, trägt dazu bei, wirtschaftliche Unterbrechungen und Sicherheitsprobleme zu verringern.
Die Sicherheit militärischer Helikopter kann durch Vorwarnungen vor potenziell katastrophalen Störungen z. B. bei Rotoren verbessert werden.
Die Erfindung der vorausschauenden Wartung wird zumeist CH Waddington zugeschrieben, der im Zweiten Weltkrieg feststellte, dass bei geplanter vorbeugender Wartung offenbar ungeplante Störungen an den Bombenflugzeugen entstanden.2 Dies führte zur Entstehung und Entwicklung der zustandsbasierten Wartung. Da die meisten geschäftskritischen Systeme traditionell aber isoliert waren, wurde die vorausschauende Wartung nur in begrenztem Umfang eingesetzt.
Seither hat sich die Technologie bei IoT-Sensoren, Big-Data-Erfassung und Speichertechnologien weiterentwickelt und wird auch weiterhin schnelle Fortschritte machen. Der Datenzuwachs und die Zugänglichkeit von KI/ML verbessern vorausschauende Wartungsmodelle und fördern deren Akzeptanz. Das Bestreben nach einer digitalen Transformation wurde auch durch die Panedemie beschleunigt, so dass besser integrierte Geschäftsumgebungen entstanden und der Wunsch nach auf Intelligenz beruhenden Echtzeit-Erkenntnissen geweckt wurde. Schließlich treiben auch die rasant steigenden Kosten ungeplanter Ausfallzeiten, die nach Expertenschätzungen bei den weltweiten Fortune-500-Unternehmen rund 11 % des Umsatzes ausmachen3, die Akzeptanz der vorausschauenden Wartung auf dem Markt voran.
Im Folgenden werden nur einige der Technologien angeführt, die zur kontinuierlichen Weiterentwicklung und Wertsteigerung der vorausschauenden Wartung beitragen:
- Automatisierte robotergestützte Prüfungen machen die Überwachung von Ausrüstungen an abgelegenen oder nicht gefahrlos zu erreichenden Stellen, wie z. B. in der Öl- und Gasbranche, effizienter und kostenwirksamer. Roboter fungieren als nicht an eine Einheit gebundene Sensoren, die mehrere Anlagen überwachen und Daten in computergestützte Wartungsmanagementsysteme einspeisen.
- Immersive Technologien wie Augmented Reality (AR) und Virtual Reality (VR) werden zur Vereinfachung von Prüfungen entwickelt. Die AR kann Daten erfassen und beide Technologien können visuelle Inspektionen und die frühzeitige Fehlererkennung verbessern.
- Digitale Zwillinge können die vorausschauende Wartung dadurch unterstützen, dass eine virtuelle Darstellung einer physischen Anlage erstellt wird, die während des gesamten Lebenszyklus einer Anlage Sensordaten generiert und operative Fehlerszenarien und -lösungen simuliert, ohne dass die Anlage selbst einer Gefahr ausgesetzt ist.
- IoT-fähige Lösungen für die vorausschauende Wartung werden als Teil von EAM/CMMS-Lösungen bereitgestellt und in andere Unternehmensanwendungen integriert.
- Predictive Maintenance-as-a-Service macht die vorausschauende Wartung verfügbarer und erschwinglicher. Wenn sie von Partnern bereitgestellt wird, ist sie gegebenenfalls weniger störungsanfällig als Vor-Ort-Bereitstellungen, erfordert weniger Investitionen und Schulung und ermöglicht eine schnellere Zeit bis zur Wertschöpfung. Sie kann außerdem an individuelle Umgebungen und Ausrüstungen angepasst werden.
Intelligentes Asset Management, Überwachung, vorausschauende Wartung und Zuverlässigkeit auf einer zentralen Plattform.
Erweitern Sie Ihr Application Performance Monitoring und stellen Sie den Kontext bereit, der benötigt wird, um Vorfälle schneller zu beheben.
Erfahren Sie, wie das australische Eisenbahnunternehmen Downer die Zuverlässigkeit um 41 % verbessern konnte
Lesen Sie, wie IBM Research die Entwicklung der vorausschauenden Wartung in der Technologie und im Bankwesen vorantreibt
Erfahren Sie, wie IBM Sie auf Ihrem Weg zur Vorhersage unterstützen kann.
Erfahren Sie, wie Unternehmen mithilfe der vorausschauender Wartung in der Cloud ihre Leistung verbessern können
Lesen Sie, wie Oncor mithilfe der vorausschauenden Wartung Netzausfälle reduzieren und seine Kunden zufriedenstellen konnte
Erfahren Sie, wie der Amsterdamer Flughafen Schiphol durch fehlerbehebende und vorausschauende Wartung weniger Verspätungen erreichen konnte
Fußnoten
1 Predictive Maintenance, Deloitte 2022
2 https://www.easterneye.biz/a-complete-history-of-predictive-maintainence-its-place-in-the-world-today/ (Link befindet sich außerhalb von ibm.com).
3 The True Cost of Downtime 2022, www.siemens.com/senseye-predictive-maintenance (Link befindet sich außerhalb von ibm.com).