Predictive Maintenance (Vorausschauende Wartung)
Predictive Maintenance (PdM, vorausschauende Wartung) beschreibt die Praxis, Wartungen nicht bei akutem Bedarf oder in festen Intervallen auszuführen, sondern in Zeitabständen, die auf Erfahrungswerten bezüglich der Notwendigkeit der Wartung basieren. PdM wird bei Eisenbahnen, Industrieanlagen, Fertigungsanlagen und der Öl- und Gasverarbeitung eingesetzt.
Die Wartung von Maschinen und Elektronik ist am kosteneffektivsten, wenn sie erst durchgeführt wird, wenn dies nötig ist. Zu diesem Zweck ist ein Predictive-Maintenance-System so konzipiert, dass die Wartung nicht zu früh oder zu spät erfolgt. Es soll kein Geld für unnötige Wartungsarbeiten ausgegeben werden, aber Erhaltungsarbeiten auch nicht verschoben werden, bis der Verschleiß eine unangemessene Verschlechterung der Leistung verursacht. PdM-Systeme können auch bei der vorausschauenden Planung von Ersatzteillagern helfen und Hinweise auf notwendige Upgrades des bestehenden Systems liefern.
PdM wird durch die Fortschritte in den Sensor- und Kommunikationstechnologien ermöglicht, die Teil der laufenden Trends der Automatisierung und des Internet der Dinge (Internet of Things, IoT) sind, insbesondere des industriellen IoT (IIoT). Diese Fortschritte ermöglichen eine kontinuierliche Überwachung und Analyse des Zustands elektronischer und mechanischer Geräte und damit einen effizienteren Betrieb.
Vorausschauende Wartung funktioniert durch den Einsatz von Sensoren, die über Sensorknoten in einem drahtlosen Sensornetzwerk verbunden sind (Wireless Sensor Network, WSN). Die Software berücksichtigt Daten, die ohnehin in Maschinen erfasst werden, beispielsweise Nutzungsdauer und Kilometerstände sowie die von den Sensoren gemessenen, manchmal winzigen Änderungen, die auf einen Wartungsbedarf hinweisen. Beispiele hierfür sind:
- Temperatur
- Schwingung und Geräusche
- Bewegung
- Geschwindigkeit
- Stände von Flüssigkeiten (Öl, Kühlflüssigkeit, Treibstoff und so weiter)
- Emissionen, Feuchtigkeits- und Gaskonzentration
- Licht und Farben
- Druck
- Strahlung
- Position
- Stromstärke und Ladung
Die Daten werden aus dem drahtlosen Sensornetzwerk in das Backend-System eingespeist.
Der prädiktive Aspekt der Wartung ergibt sich aus der Analyse historischer Daten über Wartungsmaßnahmen in Verbindung mit den zugehörigen historischen Sensordaten: durch künstliche Intelligenz (KI) können hier Muster erkannt werden, wenn auf die Veränderung bestimmter einzelner Leistungsindikatoren (Key Performance Indicator, KPI) – oder einer Kombination von KPIs in der Vergangenheit ein Ausfall und damit Service-Einsatz folgte. Dann kann das System in Zukunft den Abwärtstrend erkennen und die Mitarbeiter davor warnen oder in einigen Fällen sogar selbstständig einen Termin für die Wartung vorschlagen. Erhaltungsmaßnahmen werden somit im Idealfall eingeleitet, bevor es zu einer Leistungsminderung oder Verschlechterung der Geräte und Anlagen kommt.
Predictive-Maintenance-Systeme werden in der Regel nicht isoliert betrieben, da sie Anbindung an und Daten aus anderen Systemen, beispielsweise Lagerverwaltungssystemen (Warehouse Management System, WMS), Einsatzkalender, in denen Wartungsarbeiten geplant werden, Wissensdatenbanken und so weiter brauchen. Diese sollten auch von den Mitarbeitern so gepflegt werden, dass die KI sie verwerten kann.
