Predictive Maintenance – Wenn Maschinen die eigene Wartung auslösen

26.04.2018 Lesezeit: 8 Min.
Predictive Maintenance – Wenn Maschinen die eigene Wartung auslösen
Christian Leopoldseder
Christian Leopoldseder
Managing Director Austria, Asseco Solutions AG
Christian Leopoldseder ist seit 2004 bei Asseco tätig. Er leitet alle Niederlassungen in Österreich und ist Geschäftsführer von Assecos KI-Tochter SalesBeat.
Ihr Feedback zum Artikel?

Stellen Sie sich folgendes Szenario vor: Sie sind ein Maschinenbauer, der Fahrstühle herstellt. Aus langjähriger Erfahrung wissen Sie, dass ein Fahrstuhl gewartet werden muss, wenn er beim Anhalten länger als drei Sekunden nachschwingt. Allerdings können Sie die Nachschwingzeit nur vor Ort messen. Ihr Technik-Service braucht also Zugriff auf den Fahrstuhlschacht. Wäre es nicht besser, wenn Sie diese Messung per Fernwartung durchführen könnten? Oder noch besser: Was wäre, wenn sich der Lift bei Ihnen meldet, sobald er gewartet werden muss?

Das ist keine Zukunftsmusik, sondern ein reales Geschäftsmodell, das schon heute existiert. Es nennt sich Predictive Maintenance.

Wie funktioniert Predictive Maintenance?

Die Grundidee hinter Predictive Maintenance ist simpel. Unternehmen statten ihre Maschinen mit Sensoren aus, die permanent Daten wie Temperatur, Vibrationen, Drehzahl oder Betriebsgeräusche messen. Diese Informationen schickt die Maschine dann via Internet an eine zentrale Analyseinstanz. Hierbei handelt es sich um ein dediziertes Software-System, das die Sensordaten aller verbundenen Maschinen zusammenführt und mit Hilfe spezieller Algorithmen analysiert. Das Ergebnis dieser Berechnung sind Durchschnittswerte, die den optimalen Betriebszustand der Maschine widerspiegeln. Weicht eine Maschine zu stark von diesen Werten ab, schlägt das System automatisch Alarm und setzt einen Wartungseinsatz in Gang.

Was sind die Vorteile?

Der größte Nutzen dieser Methode liegt darin, dass Sie Wartungen proaktiv ansetzen können. Bevor sie ausfällt, meldet sich eine Maschine mit einer Service-Anfrage. Abgesehen von höherer Gewalt gehören ungeplante Stillstandzeiten damit der Vergangenheit an.

Mit einer modernen ERP-Lösung haben Maschinen- und Anlagenbauer also bereits die optimalen Voraussetzungen, um Predictive Maintenance ihrem Service-Portfolio hinzuzufügen.

Der grundlegende Ansatz, den optimalen Wartungsplan einer Maschine anhand vorher definierter Schwellenwerte festzumachen, ist natürlich nicht neu. Service-Abteilungen auf der ganzen Welt arbeiten schon seit Jahrzehnten auf diese Weise. Allerdings basieren die verwendeten Schwellenwerte in der Regel auf Herstellerangaben oder eigener Erfahrung. Im Durchschnitt sind sie zwar relativ exakt, es gibt allerdings immer wieder einzelne Maschinen, die vom erwarteten Verhalten abweichen.

Predictive Maintenance ersetzt universelle Schwellenwerte durch das Ergebnis eines Algorithmus, der mehrere gleich konstruierte Maschinen analysiert. Die so berechneten Vergleichsdaten sind wesentlich präziser als die in vielen Unternehmen verwendeten Limits. Darüber hinaus ist das System auch in der Lage, Peripherie (z. B. Luftfeuchtigkeit oder Umgebungstemperatur) oder die technische Konfiguration der Maschine in die Berechnung der optimalen Vergleichswerte einfließen zu lassen. Somit erhalten Sie keine universalen Schwellenwerte für Ihren Gerätetyp, sondern individuell berechnete Vergleichsdaten für Ihr Maschinen-Setup.


Die Kombination von Cloud-Plattform und ERP-Software ist in der Lage, Service-Einsätze automatisch zu planen.Die Kombination von Cloud-Plattform und ERP-Software ist in der Lage, Service-Einsätze automatisch zu planen.


Zusätzliche Anwendungsbereiche für erhobene Sensordaten

Im Grunde genommen basiert Predictive Maintenance also auf einem Sensornetzwerk, dessen Daten von einem zentralen Software-System konsolidiert und ausgewertet werden. Dieser generelle Ansatz lässt sich natürlich nicht nur für die Wartung nutzen. Einmal erhoben, gibt es auch noch weitere Anwendungsbereiche für die Sensordaten.

So möchte der Maschinenhersteller z. B. herausfinden, welche Teile besonders anfällig sind, damit er diese Information in der Entwicklung verwenden kann. Wartungsunternehmen brauchen die Maschinendaten, um Service-Einsätze vorzubereiten und durchzuführen. Lieferanten wiederum möchten Nachschublieferungen möglichst präzise vorausplanen. Und Endkunden wollen Ausfall- und Stillstandzeiten ihrer Maschinen natürlich so weit wie möglich minimieren.

Im Fall von externen Partnern kann es Sinn machen, die erhobenen Sensordaten mit ihnen zu teilen. Dadurch wird die Zusammenarbeit deutlich effizienter, denn die Kommunikation kann zum Teil automatisiert werden. Nehmen wir zum Beispiel an, Ihr ERP-System erhält Wartungsaufträge direkt aus der Cloud, in der Ihr Predictive-Maintenance-Algorithmus läuft. Wieso leiten Sie diese Aufträge nicht automatisch an Ihren Service-Partner weiter? Womöglich könnte das Ticket sogar direkt an die zuständigen Technikerinnen und Techniker gehen. Das geht deutlich schneller als eine telefonische Absprache.

Maschinendaten werden von Sensoren erfasst und von einer Software interpretiert. Der Techniker vor Ort sieht so nur das Endergebnis. Sensoren messen permanent Daten wie Temperatur, Vibrationen, Drehzahl oder Betriebsgeräusche und leiten diese an eine Software zur Interpretation weiter.

Die Endkunden sind übrigens eine Art Sonderfall. Schließlich profitieren sie durch die Wartungsleistungen bereits direkt von Predictive Maintenance. Allerdings gibt es auch hier Potential für weitere datenbasierte Service-Leistungen. Maschinenhersteller können beispielsweise anhand der Sensordaten herausfinden, welche Maschinenkonfiguration eine optimale Leistung erbringt. Was liegt näher, als diese Erkenntnisse den eigenen Kunden anzubieten? Aus solchen Ansätzen können sich sogar völlig neue Geschäftsmodelle entwickeln.

Vorsicht vor Fallstricken

Bei all den Vorteilen von Predictive Maintenance wollen wir Ihnen aber auch die Fallstricke nicht vorenthalten, die dieses Geschäftsmodell mit sich bringt. Entscheider sollten schließlich wissen, worauf sie sich einlassen.

Bevor Sie Predictive Maintenance einführen, sollten Sie zunächst einmal sicherstellen, dass Ihre Maschinen mit Sensoren ausgestattet sind. Andernfalls gibt es auch keine Daten, die Sie auswerten können. Bei modernen Maschinen ist das meist kein Problem. Sie sind in der Regel von Haus aus mit Sensoren ausgestattet. Ältere Maschinen können jedoch Probleme bereiten. Dann ist es notwendig, dass Sie Ihr Equipment nachrüsten. Überprüfen Sie also im Vorfeld, welcher Umrüstungsaufwand auf Sie zukommt.

Neben der technischen Seite gibt es auch noch die Prozessperspektive zu klären. Die beste Automatisierungs-Software nutzt Ihnen nichts, wenn am Ende doch wieder manuelle Vorgänge dahinterstehen. In diesem Fall sind es die Wartungsmannschaften, die mit der Lösung arbeiten müssen. Das bedeutet nicht nur, dass es eine mobile App geben muss. Vielmehr sollte sich diese auch per Spracheingabe steuern lassen – denn wer bedient schon gern sein Tablet oder Smartphone mit ölverschmierten Händen? Stellen Sie also sicher, dass die Service-Teams, die für die Wartung Ihrer Maschinen verantwortlich sind, mit der neuen Vorgehensweise vertraut und mit der passenden Hard- und Software ausgerüstet werden.

Das ERP-System dient als Schnittstelle

Predictive Maintenance ist mit Sicherheit ein spannendes neues Geschäftsmodell für den Maschinen- und Anlagenbau. Trotzdem stellt sich noch immer die Frage, weshalb wir dieses Thema in einem ERP-Blog ansprechen. Die Grundfunktionalität von Predictive Maintenance benötigt schließlich nicht zwangsläufig eine ERP-Anbindung. Wo also kommt die ERP-Lösung ins Spiel?

Die Antwort hängt damit zusammen, dass Predictive Maintenance eine Methode und keine fertige Software ist. Zwar gibt es Software-Systeme, die Sensordaten konsolidieren, analysieren und weiterverarbeiten können (z. B. die Produkte unseres Schwesterunternehmens SCS). Aber diese Tools übernehmen nicht die komplette Service-Abwicklung. Sie sagen vorher, dass eine Maschine bald ausfallen wird und empfehlen einen Wartungseinsatz. Die eigentliche Wartung müssen Sie jedoch selbst organisieren.

Und genau hier kommt die ERP-Lösung ins Spiel. In Kombination sind beide Systeme (Cloud-Plattform und ERP-Software) in der Lage, Service-Einsätze automatisch zu planen. Der Predictive-Maintenance-Algorithmus identifiziert nötige Wartungsfälle. Das ERP-System plant den Wartungseinsatz und organisiert geeignete Fachkräfte. Und Ihre Mitarbeiter sind von einer weiteren Routineaufgabe entlastet.

Mit einer modernen ERP-Lösung haben Maschinen- und Anlagenbauer also bereits die optimalen Voraussetzungen, um Predictive Maintenance ihrem Service-Portfolio hinzuzufügen. Wer noch nicht so weit ist und erst die Einführung eines neuen ERP-Systems plant, sollte entsprechende Anforderungen bereits im Lastenheft festhalten, damit der Umstieg auf Predictive Maintenance möglichst reibungslos abläuft. Unser Whitepaper „Der richtige Weg zum ERP-Lastenheft“ist der perfekte Einstieg dafür.

Schlagwörter:

#

Mehr ERP-Wissen:
Ihr kostenloses Whitepaper.

Wir zeigen Ihnen, wie Sie Ihr Geschäftsmodell digitalisieren.

Zum kostenlosen Whitepaper