Was ist vorausschauende Wartung?

Durch das Sammeln von Sensordaten und die Anwendung fortschrittlicher Analysetools und -verfahren wie maschinelles Lernen (ML). Vorausschauende Wartung kann Probleme erkennen, aufspüren und beheben, sobald sie auftreten, sowie den potenziellen zukünftigen Zustand von Geräten vorhersagen und so Risiken reduzieren. 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- und Wiederbeschaffungskosten, der Priorität der Anlage, den Verwendungsmustern und den Auswirkungen einer Störung auf Sicherheit, Umgebung, Betrieb, Finanzen und öffentliches Image ab. Vorausschauende Wartung ist eine der drei führenden Wartungsstrategien, die von Unternehmen eingesetzt werden. Die anderen sind die reaktive Wartung, bei der Störungen behoben werden, wenn sie auftreten, und die vorbeugende Wartung, die sich auf einen vordefinierten Wartungsplan stützt, um Fehler zu identifizieren.

Da die vorausschauende Wartung proaktiv ist, verbessert sie die vorbeugende Wartung, indem sie kontinuierliche Erkenntnisse in den tatsächlichen Zustand der Ausrüstung liefert. Anstatt sich auf den erwarteten Zustand der Ausrüstung auf der Grundlage eines historischen Referenzwerts zu verlassen. 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 Luftstromverstopfungen oder Verschleiß hinweisen. Ungewöhnliche Schwingungen könnten auf eine Fehlstellung beweglicher Teile hinweisen. Veränderungen im Klang können frühe Warnungen vor Defekten liefern, die vom menschlichen Ohr nicht wahrgenommen werden können.

Die vorausschauende Wartung stützt sich auf verschiedene Technologien, einschließlich des 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, um sich ein Bild vom aktuellen Zustand des Equipments zu machen. Danach wird bei der Identifizierung eines potenziellen Fehlers eine Warnung ausgelöst und an das Wartungsteam geliefert.

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 zu einer Reduzierung der Ausfallzeit von Einrichtungen um 5–15 % und einer Steigerung der Mitarbeiterproduktivität um 5–20 % führen kann.¹

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 kann durch die Reduzierung ineffizienter Wartung gesteigert werden. Durch intelligente Workflows und Automatisierung wird eine schnellere Reaktion auf Probleme ermöglicht, und Techniker, Data-Scientists und Mitarbeiter in der gesamten Wertschöpfungskette werden mit besseren Daten für die Entscheidungsfindung ausgestattet. 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 zumindest zunächst kostspielig sein kann.

• Systeminfrastruktur: Die mit der Komplexität der Strategie verbundenen Anfangskosten sind hoch. 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.

Auch die Bewertung der Kritikalität und der Kosten eines Ausfalls einzelner Assets kostet Zeit und Geld. Aber sie ist von entscheidender Bedeutung für die Bestimmung der Zweckmäßigkeit einer vorausschauenden Wartung – für kostengünstige Anlagen mit billigen, leicht verfügbaren Teilen können andere Wartungsstrategien sinnvoller sein. Vorausschauende Wartungsprogramme sind anspruchsvoll, aber eine gut geführte Strategie bietet erhebliche Wettbewerbs- und finanzielle Vorteile.

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:

Die Erfindung der vorausschauenden Wartung wird zumeist CH Waddington im Zweiten Weltkrieg zugeschrieben. Er stellte fest, dass geplante vorbeugende Wartung offenbar zu ungeplanten Störungen an den Bombenflugzeugen führte.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 Fortune Global 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 unterstützen, indem sie eine virtuelle Darstellung eines physischen Assets erstellen, die während des gesamten Lebenszyklus des Assets Sensordaten generiert und operative Fehlerszenarien und -lösungen simuliert, ohne das Asset zu gefährden.
• 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.