Maschinen und Fahrzeuge erzeugen eine Vielzahl von Daten. Ihre Auswertung kann die Wartung von Produktions- und Transportprozessen entscheidend optimieren. Das Aufkommen von KI hat den Wechsel von traditioneller Wartung zu Predictive Maintenance ermöglicht, wodurch Lieferketten effizienter gestaltet und Stillstände vermieden werden.
Daten sind bereits seit einigen Jahren ein zentrales Element verschiedener Wirtschaftszweige. Unternehmen wie Google sammeln unzählige Informationen und werten diese aus, um anschliessend von den Erkenntnissen der Datensätze zu profitieren. Dabei gilt: Überall, wo Daten anfallen, lassen sich bestimmte Informationen herauslesen und darauf aufbauend bestimmte Vorhersagen treffen. Dies macht sich auch die «Predictive Maintenance» zunutze. Sie kann durch gezielte Datenauswertung den Zustand von Maschinen und Anlagen vorhersagen und so den Wartungsbedarf einer Anlage ermitteln.
Reduzierung der Ausfallzeiten
Maschinen sind zum Teil riesige Geräte, die für einen relevanten Output einer Fabrik sorgen können. Stehen sie still, können stündlich horrende Ausfallkosten entstehen, die in einem Unternehmen für viel Nervosität und Unruhe sorgen. Durch eine exakte Datenauswertung können ungeplante Stillstände minimiert und durch eine geplante Wartung vorweggenommen werden. Dies sorgt für einen optimalen Produktionsfluss und mehr Effizienz im gesamten Prozess.
Traditioneller Ansatz ist weniger effizient
In der Regel orientieren sich Unternehmen bei der Wartung von Maschinen an Zeitintervallen und führen die Wartungsarbeiten regelmässig durch, was einem präventiven Ansatz entspricht. Beim reaktiven Ansatz hingegen wird abgewartet, bis die Maschine ein Problem hat und dann repariert. Bei beiden Ansätzen gehen wichtige Minuten und Stunden verloren. Bei der dritten Methode, der prädiktiven Wartung, wird der Zustand von Maschinen und Fahrzeugen mit Sensoren überwacht und anhand der Ergebnisse entschieden, wann eine Reparatur notwendig ist. Gleichzeitig können Stillstände rechtzeitig vermieden und Produktionsausfälle verhindert werden.
Predictive Maintenance kann die begrenzte Lebensdauer von Produktionsanlagen verlängern, indem sie Unregelmässigkeiten wie Verschleiss und Korrosion frühzeitig erkennt.
Das Internet der Dinge öffnet neue Türen
Doch wie kommt Predictive Maintenance an die Daten der Maschinen? Letztendlich müssen diese möglichst aktuell sein und viele verschiedene Bereiche abdecken, um eine umfassende Analyse zu ermöglichen. Eine zentrale Rolle spielt dabei das «Internet of Things». Das Internet der Dinge verbindet physische Objekte mit der virtuellen Welt und ermöglicht so die Echtzeitüberwachung von Maschinen und Fahrzeugen. Mit dem Ausbau des schnellen Mobilfunknetzes 5G ist eine schnellere und stabilere Datenübertragung möglich: Sensoren erfassen Umgebungsinformationen wie Temperatur oder die Vibration bestimmter Teile. Mit den Erkenntnissen aus diesen Sensordaten kann das Unternehmen schliesslich entscheiden, ob eine Reparatur notwendig ist.
Verlängerung der Lebensdauer
Anlagen und Maschinen müssen aufgrund von Defekten irgendwann ersetzt werden, was oft mit enormen Anschaffungskosten für eine neue Produktionsanlage verbunden ist. Predictive Maintenance kann die begrenzte Lebensdauer von Produktionsanlagen verlängern, indem sie Unregelmässigkeiten wie Verschleiss und Korrosion frühzeitig erkennt. Bevor entscheidende Komponenten einer Maschine ausfallen, kann das Unternehmen gezielt Teile austauschen und so rechtzeitig grössere Schäden verhindern. Das wirkt sich positiv auf die Kosten aus und macht den gesamten Produktionsprozess nachhaltiger.
BMW von Predictive Maintenance überzeugt
Der deutsche Automobilhersteller ist von der prädiktiven Wartung überzeugt. Die BMW-Gruppe setzt das System in ihrem Werk in Regensburg ein. Dort überwacht das KI-gestützte System die Fördertechnik in der Montage und vermeidet so erfolgreich unnötige Stillstände. Im Durchschnitt verhindert das System allein in der Regensburger Fahrzeugmontage rund 500 Minuten Stillstand pro Jahr. In Regensburg laufen die Fahrzeuge an fahrbaren Gehängen oder auf Schubplattenanlagen in einer Reihe durch die Produktionshallen. Bei technischen Störungen würde dies einen Stillstand der Montagelinien bedeuten.
Prädiktive Wartung in der Transportindustrie
Für Unternehmen sind Transportmittel wie Lastwagen oder Züge wichtige Assets, von denen die meisten Unternehmensprozesse abhängen. Stehen sie still, bedeutet das weniger Leistung und damit weniger Umsatz. Da Lieferketten heutzutage extrem knapp kalkuliert sind und wenig Spielraum zulassen, können Ausfälle im Transportwesen verheerende Folgen haben. KI-gestützte prädiktive Wartung ermöglicht es Unternehmen, auf der Grundlage des aktuellen Fahrzeugzustands zu entscheiden, ob eine Reparatur durchgeführt werden soll oder nicht.
Big Data hält Einzug in die Industrie
Big Data ist allgegenwärtig, nicht nur in den sozialen Medien. Die Unternehmens- und Strategieberatung McKinsey verdeutlicht die Relevanz von Daten auch in der Supply Chain und Logistik. Während die meisten Prozesse bereits weitgehend optimiert sind, gibt es bei der Datenauswertung noch Luft nach oben. Industrielle Prozesse erzeugen eine Unmenge an Daten, die bisher kaum zu Optimierungszwecken ausgewertet wurde. Dank günstigerer Rechenleistung und neuer Modelle des maschinellen Lernens können Unternehmen die Datensätze besser auswerten. McKinsey bestätigt die Vorteile von Predictive Maintenance: Prädiktive Wartung reduziert in der Regel die Ausfallzeiten von Maschinen um 30 bis 50 Prozent und erhöht die Lebensdauer von Maschinen um 20 bis 40 Prozent.
Schreibe einen Kommentar