Prädiktive oder präventive Instandhaltung - was ist besser?

Im Falle von Industriemaschinen sind Notreparaturen dafür bekannt, dass sie unnötige Ausfallzeiten verlängern. Sowohl die prädiktive als auch die präventive Instandhaltung sind hilfreiche Ansätze, um Industrieanlagen in gutem Zustand zu halten und Probleme zu beheben, bevor sie auftreten. Zwischen den beiden Ansätzen gibt es jedoch einen großen Unterschied.

Die Hersteller passen sich ständig an, um dem steigenden Wettbewerb gerecht zu werden. Die Verbrauchertrends ändern sich schnell, und der Druck, schnell hochwertige Produkte zu liefern, ist groß. Ausfallzeiten von Anlagen können das Ergebnis eines Unternehmens ernsthaft gefährden

Nach Angaben des Instandhaltungsspezialisten Senseye fallen bei Herstellern pro Monat durchschnittlich 27 Stunden Ausfallzeit wegen Anlagenfehler an. Dies führt zu jährlichen Umsatzeinbußen in mehrstelliger Millionenhöhe.

Vergangenheit versus Zukunft

Präventive - oder vorbeugende - und prädiktive Instandhaltung werden oft synonym verwendet. Normalerweise in Bezug auf Instandhaltungsstrategien, die es den Herstellern ermöglichen, zu handeln, bevor Geräte oder Anlagen ausfallen. Beide Methoden sind der reaktiven Instandhaltung weit überlegen.

Reaktive Instandhaltung

Hier laufen die Anlagen, bis eine Notreparatur erforderlich ist. Daher kosten sie die Unternehmen oft vier- bis fünfmal so viel wie proaktive Instandhaltungsoptionen. Der Leitfaden für Betriebs- und Instandhaltungspraktiken, Version 3.0, bestätigt dies.

Präventiv und prädiktiv sind jedoch nicht dasselbe.

Was ist der Unterschied zwischen präventiver Instandhaltung und prädiktiver Instandhaltung?

 

Was ist präventive Instandhaltung?

Bei der präventiven Instandhaltung werden in regelmäßigen Abständen Kontrollen durchgeführt, unabhängig vom Zustand des Geräts oder der Anlage. Sie stützt sich auf Leitlinien für bewährte Praktiken und historische Daten. Dadurch haben Werksleiter die besten Chancen, die Maschinen in gutem Zustand zu halten. Dennoch sind zyklisch geplante Ausfallzeiten erforderlich.

Es wird jedoch geschätzt, dass Unternehmen durch präventive Instandhaltung im Vergleich zu reaktiver Instandhaltung rund 12 bis 18 Prozent der Kosten einsparen können.

Was ist prädiktive Instandhaltung?

Prädiktive Instandhaltung kommt hingegen nur bei Bedarf zum Einsatz. Sie stützt sich auf Echtzeit-Daten von IIoT-verbunden Geräten, um potenzielle Bedrohungen zu erkennen, bevor ein Problem auftritt. Auf diese Weise werden die Reparaturen auf ein tatsächliches Problem ausgerichtet und sind gezielter. Das bedeutet, dass die Ausfallzeiten bei Bedarf im Vergleich zu anderen Instandhaltungsmethoden um 25 bis 30 Prozent reduziert werden.

 

Speicherung großer Datenmengen

Um effektiv zu funktionieren, stützt sich die prädiktive Instandhaltung auf Daten von Sensoren erforderlich, die Auskunft über den Allgemeinzustand der Geräte geben. IBM schätzt jedoch, dass etwa 90 Prozent aller von Sensoren erzeugten Daten ungenutzt bleiben. Dies bedeutet, dass die Hersteller Möglichkeiten verpassen, fundierte Entscheidungen bezüglich ihrer Geräte und Anlagen zu treffen, während sie weiterhin für die Erfassung und Speicherung von Daten bezahlen.

Daten, die gesammelt, aber in keiner Weise verarbeitet oder verwendet werden, werden als dunkle Daten bezeichnet. Dies stellt eine große Herausforderung für die Branche dar.

Sensoren zur Datenerfassung können relativ preiswert und einfach einzurichten sein. Der schwierige Teil ist jedoch die Verarbeitung der Daten, um Rückschlüsse auf den Zustand der Maschine zu ziehen.

Die Datenverarbeitung kann aus vielen Gründen herausfordernd sein, angefangen beim Verständnis der Daten bis hin zu ihrer Zuordnung zu den zuständigen Abteilungen.  Datensilos entstehen zum Beispiel, wenn Daten verarbeitet und relevante Muster entdeckt werden. Die verschiedenen Abteilungen einer Organisation haben diese Muster jedoch nicht gemeinsam.

Dies kann passieren, wenn das Unternehmen nicht über die notwendige Technologie für die Datentransparenz verfügt. Zum Beispiel könnte ein einheitliches integriertes Datenmanagement-Tool (IDM) oder ein computergestütztes Instandhaltungsmanagement-System (CMMS) fehlen. Das würde bedeuten, dass jedes Team auf unterschiedliche Plattformen zurückgreifen könnte.

Stromwandler können Rohdaten zu exzentrischen Rotoren, Wicklungsproblemen und Rotorstangenproblemen eines Elektromotors erfassen. Ohne CMMS-Software werden die Daten jedoch möglicherweise nicht mit dem Instandhaltungsteam in der Produktion geteilt. Dies könnte trotz der Verwendung von Sensoren zu ungeplanten Ausfallzeiten führen.

Eine helfende Hand reichen

Sensoren zur Erfassung von Informationen über Geräte sind der erste Schritt zur Integration der prädiktiven Technik in Ihre Instandhaltungsstrategie. Neuere Maschinen sind in der Regel mit verschiedenen Optionen zur Echtzeit-Datenerfassung ausgestattet.

Aber auch Altgeräte können mit kostengünstigen Zusatzsensoren nachgerüstet werden. In der Tat kann prädiktive Instandhaltung ein entscheidender Vorteil sein. Sie ist besonders nützlich, wenn es um alternde Geräte geht. Das liegt daran, dass alternde Geräte eine sorgfältige Planung bei der Beschaffung veralteter Ersatzteile erfordern.

Allerdings verfügt die Branche über eine beeindruckende Menge an dunklen Daten. In Verbindung mit dem Problem der Datensilos zeigt dies, dass es nicht ausreicht, Daten zu sammeln. Um Geräteausfälle effektiv vorhersagen zu können, sollten Hersteller Technologien einsetzen, die eine Datenverarbeitung in Echtzeit ermöglichen. Ermöglicht allen relevanten Mitarbeitern den Zugriff auf die gewonnenen Erkenntnisse.

Um diese Probleme zwischen den verschiedenen Abteilungen zu bekämpfen, sollten Unternehmen der Zusammenführung von Informationstechnologie (IT) und operativer Technologie (OT) Priorität einräumen. Die getrennte Verwaltung dieser Teams aus unterschiedlichen Fachbereichen war früher logisch. Doch die zunehmende Digitalisierung der Fertigungsprozesse, einschließlich der Instandhaltung, bedeutet, dass es jetzt notwendig ist, diese Bereiche zusammenzuführen.

OT sammelt Rohdaten von PLCs, Sensoren und anderen wichtigen Geräten, während die IT den Daten Bedeutung verleiht, indem sie relevante Muster aufdeckt. Allerdings müssen sowohl die Geräte als auch die Teams proaktiv kommunizieren und zusammenarbeiten.

Eines der Probleme mit den von Industrieanlagen gesammelten Daten besteht darin, dass ihre Relevanz und Genauigkeit mit zunehmendem Alter abnimmt. In diesem Sinne kann das Edge Computing eine wertvolle Lösung darstellen. Edge Computing minimiert die Latenzzeit und unterstützt die Entscheidungsfindung in Echtzeit, indem es die Daten so nah wie möglich an der Quelle analysiert. Das ist besser, als alles in die Cloud zu schicken.

Edge Computing kann auch dazu beitragen, mehr Geräte mit dem IIoT zu verbinden - Cybersicherheit. Wenn Daten in der Cloud hin- und hergeschickt werden, erhöht sich das Risiko, dass sie kompromittiert werden. Die Verarbeitung von Daten näher an der Quelle verringert dieses Risiko.

Sie bietet die Vorteile einer zunehmenden Digitalisierung, ohne mehr potenzielle Angriffsflächen zu eröffnen. Das bedeutet nicht, dass Sie die Verarbeitung oder Speicherung von Daten in der Cloud um jeden Preis vermeiden sollten. Es bedeutet lediglich, dass die beiden Optionen Hand in Hand gehen können, um die Ergebnisse zu maximieren.

Prädiktive und präventive Instandhaltung wird immer erfolgreicher sein als reaktive Instandhaltung. Und das trotz der Probleme mit dunklen Daten und der Notwendigkeit eines kulturellen Wandels in den Produktionsbetrieben. Die verringerten Ausfallzeiten, die geringeren Kosten und die höhere Effizienz sind genau das, was die Hersteller brauchen, um in einer zunehmend digitalen Welt erfolgreich zu sein.

Share