Bei Predictive Maintenance geht es darum, Bauteile proaktiv zu reparieren oder auszutauschen, bevor sie Probleme verursachen. Dabei soll die Produktion möglichst nicht unterbrochen werden.

Bild: iStock, Besjunior

Predictive Maintenance Hürden überwinden

29.11.2018

Die zunehmende Vernetzung aller Geräte eröffnet die Chance auf Effizienzgewinne bei Wartung und Reparaturen. Doch bevor sich Predictive Maintenance durchsetzen kann, sind Hürden zu überwinden: Standards müssen etabliert, Datenschutzbedenken ausgeräumt und neue Geschäftsmodelle gefunden werden.

Arbeitet ein Modul fehlerhaft oder fällt es aus, bedeutet das Qualitätsprobleme oder Produktionsausfall. Wartungsfenster sind dagegen „sehr rar gesät“, sagt etwa Ulf Kottig, Senior Marketing Manager bei Trebing & Himstedt. Zu häufige Prüfungen allerdings sind aufwendig und damit „unwirtschaftlich“, erklärt Dr. Albert Bagaviev, Abteilungsleiter Computational Engineering beim TÜV Rheinland. Ersetzt man Bauteile, weil sie nach Erfahrungswerten demnächst ausfallen könnten, gibt man womöglich unnötig Geld aus.

Selbst kleinste Abweichungen erkennen

Beim Condition Monitoring der einzelnen Geräte fehlt der Gesamtkontext – werden kritische Kennzahlen gemeldet, kann man nur noch reagieren. Die zunehmende Vernetzung eröffnet die Chance, Probleme zu erkennen und anzugehen, bevor der Betrieb gestört wird beziehungsweise hohe Kosten entstehen. Bei Predictive Maintenance geht es darum, Bauteile proaktiv zu reparieren oder auszutauschen, bevor sie Probleme verursachen – und zwar zu einem Zeitpunkt, zu dem die Produktion möglichst wenig beeinträchtigt wird.

Verwirklicht werden soll dies durch die Verknüpfung der Zustandsdaten der Maschinen mit allen weiteren verfügbaren Informationen über sie. Algorithmen erstellen Prognosen über eventuell bevorstehende Ausfälle und erforderliche Wartungen. Im Idealfall werden historische und aktuelle Daten zu einem genauen Abbild der Anlage zusammengeführt – dem digitalen Zwilling. Er „erlaubt zu erkennen, was aktuell an der Anlage passiert“, sagt Ulf Kottig von Trebing & Himstedt. Mit seiner Hilfe „lassen sich die Werte des Normalzustands mit denen des laufenden Produktionsprozesses kontinuierlich vergleichen, um sicherzustellen, dass selbst kleinste Abweichungen erkannt werden“, so Alain Hermans, EMEA Process Leader bei Rockwell Automation. Algorithmen erstellen so Prognosen, die es erlauben, präventiv zu reagieren.

Auf diese Weise lassen sich sogar Optimierungspotenziale aufdecken, sagt Aljoscha Schlosser, Digital Innovation Manager bei Boge. Je länger die Systeme laufen, desto mehr lernen sie dazu und desto präziser arbeiten sie. In besten Fall werden diese Systeme mit ERP und MES vernetzt. Die Vorteile liegen auf der Hand: effizientere Planung und Koordination aller Wartungsaufgaben, sparsamerer Einsatz von Ressourcen, erhöhte Produktivität, verbesserte Sicherheit und Qualität sowie weniger Probleme mit der Einhaltung von Lieferterminen.

Es geht nur langsam voran

Eine Deloitte-Studie von 2017 beziffert die mögliche Zeitersparnis bei Wartungsarbeiten auf 20 bis 50 Prozent und rechnet mit einer um zehn bis 20 Prozent verbesserten Anlagenverfügbarkeit sowie einer Verminderung der Wartungskosten um zehn bis 55 Prozent. Dennoch sehen nach einer Umfrage 2017 nur sechs Prozent der befragten deutschen Unternehmen einen großen Nutzen in Predictive Maintenance. Allerdings haben sich nach Studien von Bearing Point und Roland Berger bereits rund 80 Prozent der Unternehmen mit dem Thema auseinandergesetzt. Rund drei Viertel erfassen relevante Daten – doch nur ein kleiner Teil macht praktische Erfahrungen mit einer Industrie-4.0-Umsetzung dieses Konzepts.

Dr. Albert Bagaviev vom TÜV sieht als ein Hindernis „eine dramatische Unterschätzung der Möglichkeiten der modernen Simulationsmethoden“. Der Implementierungsaufwand wird laut Bearing Point von über 60 Prozent der Befragten als sehr hoch angesehen. Viele dürften auch die Investition scheuen, wenn der Mehrwert nicht klar ist. Vor allem aber gilt es, die Hürden in Sachen Datenintegration und Kommunikation zu überwinden. Denn für eine vorausschauende Instandhaltung benötigt man aktuelle Messdaten aller Komponenten sowie Informationen über das Werkstoffverhalten, die Prozesse, und die dabei auftretenden Belastungen.

Produktionsanlagen bestehen häufig aus Bauteilen verschiedener Hersteller, die nach unterschiedlichen Standards arbeiten. Daten sind verstreut, oft inkompatibel und nicht immer digital verfügbar. „Weder bei den Kommunikationssystemen noch bei der spezifischen Gerätebeschreibung gibt es heute einen harmonisierten Standard, der es erlaubt, Predictive Maintance inter­operabel und transparent über alle Systeme durchzuführen“, meint Peter Praske, Leiter Produktmanagement Feldbussysteme Prozessautomation bei Turck. Eine vielversprechende Option, einen herstellerunabhängigen Standard zu etablieren, sieht Aljoscha Schlosser von Boge im Kommunikationsprotokoll OPC UA.

Möglichkeiten zur Nachrüstung

Auch wenn sich eine Predictive-Maintenance-Strategie bei einer komplett neuen Anlage leichter verwirklichen lässt, gibt es doch Möglichkeiten zur Nachrüstung. Dazu müssen die Geräte „mit entsprechender Sensorik“ ausgestattet und netzwerkfähig sein, sagt Judith Kötzsch, Business Development Rittal Service International. Ein Beispiel für eine schnelle Nachrüstung nennt Michael Herbort, Head of Service Sales Drives, ABB Automation Products. Das Unternehmen hat einen batteriebetriebenen Sensor entwickelt, der am Gehäuse von Niederspannungsmotoren angebracht wird und deren Zustand erfasst. Unabhängig vom Hersteller und ohne das Verlegen von Kabeln sollen sich die Motoren so in intelligente Services einbinden lassen. Thomas Hilz, Program Marketing Manager bei Softing, weist darauf hin, dass die Geräte in vielen Anlagen bereits die digitale Kommunikation unterstützen, diese Option jedoch nicht genutzt wird. Oft sei es möglich, sie über HART, Fieldbus oder Ethernet etwa mit Hilfe von Multiplexern, Parametriertools oder Gateways einzubinden.

Neue Qualität der Zusammenarbeit

Um das Potential von Predictive Maintenance auszuschöpfen, müssen die Beteiligten – vom Anlagenbetreiber über die Hersteller bis hin zum IT-Experten – über Domain-Grenzen hinweg zusammenarbeiten, so Ulf Kottig. Dabei „müssen alle Beteiligten sich auch auf digitale ‚open source‘-Kommunikationsmittel verständigen statt sich in ‚geschlossener‘ herstellerspezifischer Kommunikation zu verlieren“, sagt Alain Hermans von Rockwell. Die Cloud bietet sich an, um alle Informationen zusammenzuführen, zu analysieren und entsprechende Aktionen zu planen beziehungsweise zu automatisieren.

Doch die Sorge um Produktionsgeheimnisse und die Datensicherheit ist nach wie vor ein starkes Hemmnis. Deshalb „scheuen sich viele Betreiber, den Anbietern von Analytics-Lösungen ihre Maschinendaten zur Verfügung zu stellen“, so Aljoscha Schlosser von Boge. Boges Analytics-Lösung Predictivecair wird deshalb lokal installiert. Die Datenübermittlung in eine Cloud ist allerdings optional möglich. Die Druckluftspezialisten setzen für ihr Geschäft selbst auf Kooperation, etwa mit den Elektronikexperten von Weidmüller. Pepperl+Fuchs bietet zusammen mit Neoception durchgängige Lösungen für die Prozessindustrie an, um Predictive Maintenance auch in Bestandsanlagen zu verwirklichen.

Das Thema Predictive Maintenance wird „an Fahrt aufnehmen“, davon ist Thomas Hilz, Program Marketing Manager bei Softing Industrial, überzeugt. Alain Hermans von Rockwell kann sich vorstellen, dass es in diesem Zusammenhang „eine signifikante Marktverdichtung geben wird“. Kleine Unternehmen werden dabei möglicherweise „von großen Konzernen übernommen“. Sie könnten sich aber auch „ihre hohe Flexibilität in der Entwicklung neuer Technologien“ zunutze machen und sich auf den Vertrieb an große Unternehmen spezialisieren.

Dieser Artikel ist Teil des Fokusthemas Predictive Maintenance aus der A&D-Ausgabe 12-18.

Verwandte Artikel