Predictive Analytics für effizientere Wartung und mehr Servicequalität in der Fertigung

Eine optimierte Produktionsorganisation, längere Betriebszeiten von Maschinen und die
Reduktion von ungeplanten Ausfallzeiten: Dies sind aktuelle Herausforderungen für
Unternehmen aus der Fertigungsindustrie, die den Einsatz von Predictive Analytics
beziehungsweise Predictive-Maintenance-Systemen vorantreiben. „Dabei dienen
Fertigungsdaten, zumeist Sensordaten von Maschinen, als Auswertungsbasis. Diese werden
dann mit anderen Informationen, wie etwa Logistik- oder Wetterdaten etc., angereichert “,
erklärt Jörg Kremer, Analytics-Experte bei der Münchner mip GmbH. „Damit soll die
Produktionsqualität insgesamt verbessert werden.“


Im Zuge von Digitalisierung, Internet of Things und Industrie 4.0 umgesetzte Maßnahmen
zeigen bereits, dass sich durch vernetzte Sensoren sowie Anlagen, die mit eingebetteten
Systemen ausgestattet sind, deutliche Kostenersparnisse erzielen lassen. Das USDepartment
of Energy (DOE) geht davon aus, dass mit der vorausschauenden Wartung
Einsparungen von acht bis zwölf Prozent erzielt werden können. Zudem lassen sich laut
DOE mit Predictive Maintenance die Wartungskosten um bis zu 30 Prozent reduzieren sowie
bis zu drei Viertel der Betriebsausfälle verhindern. Auch die Produktion kann sich damit um
bis zu 25 Prozent erhöhen.1 Der Verband Deutscher Maschinen- und Anlagenbau (VDMA)
misst Predictive Maintenance ebenfalls eine große Bedeutung bei und bezeichnet die
vorausschauende Wartung als wichtigen Bestandteil von Industrie 4.0.2

Optimale Qualitätssicherung, passende Serviceverträge, geringere Lagerkosten


Mithilfe der Analyse-Plattformen werden Informationen zu kritischen Verschleißteilen über
Messinstrumente in Echtzeit aufgezeichnet und zentral ausgewertet. So lassen sich
Wartungs- oder Servicepläne genau anpassen und beispielsweise. unnötige, kostenintensive
Einsätze von Technikpersonal verhindern. Für Reparatur und Wartung benötigte Bauteile
müssen nicht länger kostenintensiv für den Notfall gelagert werden.
Auch für Anbieter von Wartungs- und Servicedienstleistungen sind derartige Lösungen
interessant: „Predictive Analytics hilft zum Beispiel bei der Entscheidung über die Laufzeit
und Konditionen bei der Verlängerung von Serviceverträgen“, so Kremer. „Hier sind anhand
des Anlagen- beziehungsweise Maschinenzustands präzise Prognosen zu Risiken, Ausfällen
und Wartungsbedarf möglich.“ Zusätzlich lassen sich heute Wetterdaten und sonstige
Umwelteinflüsse in das Serviceangebot integrieren. Kremer: „Solche Analysen bilden dann
die Basis für die Entscheidung, ob der Vertrag zu den bisherigen Konditionen weiterlaufen
kann oder geändert werden muss.“


Zudem muss sich zum Beispiel der Maschinenbau gerade beim Thema Service allmählich
nach Alternativen umsehen, so eine Studie: Die bisher im Schnitt 42 Prozent Umsatz mit
Ersatzteilen und Wartungsarbeiten werden aufgrund der wachsenden Standardisierung der
Anlagen und Teile zurückgehen.3 Experten sehen hier in der Kombination von Fernwartung
und der intelligenten Analyse sowie Verwertung von Maschinendaten eine Chance für den
Maschinenbau, um in diesem Bereich verstärkt Produkte und Dienstleistungen anzubieten.
Kremer sieht noch eine weitere Entwicklung: „Bisher werden mit Predictive Maintenance
besonders Ausfallzeiten verringert beziehungsweise vermieden und Kosten der
Qualitätssicherung reduziert. Künftig wird es zunehmend zu automatisierten Abläufen
kommen, sodass spürbar Personalkosten eingespart werden können.“


Mehr Informationen zu Predictive Analytics in der Fertigung unter: http://mip.de/predictiveanalytics-
in-der-fertigung/


Umfang ca. 3.700 Zeichen
1 US-Department of Energy: „ O&M Best Practices Guide, Release 3.0”, https://www1.eere.energy.gov/femp/pdfs/OM_5.pdf
2 VDMA: „Predictive Maintenance 4.0 kommt an”. 24.02.2016, http://fluid.vdma.org/article/-/articleview/12223984

Mit anderen teilen: