Die Perspektiven der vorausschauenden Wartung sind vielversprechend, die prognostizierten Kosteneinsparungen attraktiv. Allerdings gilt das nicht für alle Einsatzbereiche. Predictive Maintenance ist vor allem für Produktionsbereiche interessant, bei denen eine vollständige Datenerfassung möglich ist. Dafür kommen alle Objekte mit IT-Schnittstellen in Frage. Dabei eignen sich vor allem Daten der Vibrations-, Temperatur- oder Leistungsanalyse.
Im Projektverlauf lässt sich Predictive Maintenance grob in vier Phasen unterteilen: Am Anfang steht die Datenerfassung an der Maschine. Daraufhin folgt die zentrale Speicherung der Daten, anschließend die Analyse und Auswertung und viertens die Neuorganisation der Instandhaltung. Genau hier beginnt das Problem des Konzeptes: Zwei Drittel der Maschinen in deutschen Maschinenparks sind derzeit noch nicht an ein zentrales Datensystem angebunden. Dafür gibt es vielerlei Gründe: das Alter der Maschine, die nach wie vor hohen Kosten der Anbindung oder auch Sicherheitsbedenken.
Daten bilden die Grundlage für Predictive Maintenance
Für die Durchführung einer tauglichen Instandhaltungsvorhersage sind in diesem Fall die notwendigen Daten schlichtweg nicht vorhanden und werden dies in den nächsten Jahren auch nicht sein. Allerdings kann Predictive Maintenance ohne belastbare Datenbasis seine Wirkung nicht ansatzweise entfalten. Auch die Frage des Dateneigentums wird nach wie vor kontrovers diskutiert: Wem gehören die Daten aus der Maschine – dem Kunden oder dem Hersteller? Und was darf der Hersteller mit den externen Daten machen? Diesem Risiko stehen die momentan sehr pauschalen Versprechen zu Predictive Maintenance gegenüber.
Eine Lösung für dieses Dilemma kann beispielsweise die zunächst manuelle Erfassung von Daten durch den Maschinenbediener sein. Dies gibt den Verantwortlichen im Unternehmen einen ersten Eindruck von Maschinenlaufzeiten, Reparaturfällen oder Häufigkeit von Fehlercodes. So sammelt man Erfahrung rund um das Thema der Datenanalyse und beginnt frühzeitig die entscheidenden Fragen zu stellen: Warum kommt dieser Fehlercode so häufig vor? Gibt es Zusammenhänge? Welche Maschine fällt besonders oft aus? In der nächsten Projektphase können dann nach und nach Maschinen digital ins Netzwerk integriert werden, deren Datenfluss dann automatisiert ausgewertet wird. Auf dieser Basis können dann nach einiger Zeit auch vorhersagende Instandhaltungen durchgeführt werden.
Voraussetzungen für vorausschauende Wartung
Zunächst haben Unternehmen einige Fragen zu klären und Voraussetzungen zu erfüllen. Dazu zählen zum Beispiel:
- Welche Daten sind bereits im Unternehmen vorhanden, mit denen die Instandhaltung effizienter organisieren werden könnte?
- Welche Daten sollen überhaupt erfasst werden – und was kostet das?
- Reicht für den ersten Schritt eine Professionalisierung (und Digitalisierung) der Instandhaltungsprozesse – auch ohne Maschinenanbindung?
- Existiert eine übergeordnete Digitalisierungsstrategie? Predictive Maintenance kann ein Bestandteil dieser Strategie sein – aber es sollte nicht das einzige Ziel sein.
Aktuell lassen sich mit einer Professionalisierung der Instandhaltung wesentlich schneller Einsparungen erzielen als mit experimentellen Projekten zum Thema Predictive Maintenance. Vor allem aber sollten Unternehmen unbedingt beginnen, Daten zielgerichtet zu sammeln, zum Beispiel durch eine digitale Servicelösung. Denn mit einer gut organisierten Instandhaltungsabteilung lässt sich kurzfristig mehr Geld sparen als mit einem schlechten Datenmodel und einer teuren Predictive Maintenance-Lösung. Mit der Werkbliq Plattform für das Maschinenmanagement etwa lassen sich nach Praxiserfahrungen Wartungskosten schon nach kurzer Zeit spürbar senken. Zugleich schafft die kontinuierliche und einfach zu handhabende Datenerfassung und -auswertung die Basis für weitere Maßnahmen – bis hin zu einer vorausschauenden Wartung, die dann auch halten kann, was sie heute verspricht.
Fazit
Predictive Maintenance ist kurzfristig nicht zwangsläufig der oft proklamierte Heilsbringer. Im ersten Schritt ist es oft zielführender, die Instandhaltung zu professionalisieren und zuerst eine solide Datenbasis im Unternehmen aufzubauen. Langfristig und schrittweise kann sich daraus ein maßgeschneidertes Konzept zur vorausschauenden Wartung und intelligenten Instandhaltung entwickeln.
