Vorausschauende Wartung durch intelligente Auswertung der erfassten Daten

Predictive Maintenance: Big Data im Einsatz

Anzeige
Predictive Maintenance ist ein prima Beispiel, wie man Big Data und maschinelles Lernen im Produktionsumfeld gewinnbringend einsetzen kann.

Autoren: Marc Hönig/Prof. Dr.-Ing. Peter Zeiler, Hochschule Esslingen

Beim vorausschauenden Wartungsansatz der Predictive Maintenance werden Störungen und Ausfälle von Anlagen auf Basis einer intelligenten Auswertung der erfassten Daten vorhergesagt. Stillstände können somit verhindert werden, noch bevor sie auftreten. Ein weiteres Ziel von Predictive Maintenance neben der Vermeidung von ungeplanten Stillständen der Fertigung ist die Umsetzung einer bedarfsorientierten Wartung, die Wartungsintervalle maximiert und den Wartungsaufwand minimiert.

Voraussetzungen für die erfolgreiche Umsetzung von Predictive Maintenance stellen zuverlässige Kenntnisse über den Anlagenzustand sowie eine Prognose der verbleibenden nutzbaren Lebensdauer (Remaining Useful Lifetime, RUL) dar. Die RUL beschreibt den Zeitraum, in welchem eine Komponente zuverlässig ohne Ausfall betrieben werden kann. Die Grundlage bildet die Erfassung und Speicherung aller relevanten Daten – vor allem solche, die als Indikator für die fortschreitende Degradation der betrachteten Komponente dienen. Essenziell für die Prognose sind zudem Daten über die zukünftige Belastung der Komponente (z. B. Prozess- und Auftragsdaten).

Vorgelagert erfolgt im Rahmen der Diagnose eine Überwachung des Anlagenzustandes (Condition Monitoring). Dabei werden Anomalien detektiert sowie die zugrundeliegenden Ausfallmechanismen identifiziert. Anschließend wird der aktuelle Anlagenzustand bewertet und eine Prognose der RUL durchgeführt.

Sowohl bei der Diagnose als auch der Prognose zeigt sich der Trend, dass zunehmend Verfahren des maschinellen Lernens für die Predictive Maintenance eingesetzt werden. Voraussetzung für deren Einsatz ist die Verfügbarkeit einer ausreichenden Datenbasis, welche für das Training der Modelle benötigt wird. Auf Basis der Diagnose- und Prognoseinformationen kann dann im sogenannten Health Management eine verbesserte Planung der Wartungs- und Logistikmaßnahmen erfolgen.

Im Vergleich zu den traditionellen Wartungsansätzen – der reaktiven sowie der periodischen Wartung – bietet ein vorausschauender Ansatz diverse Vorteile. Beim reaktiven Ansatz werden erst bei Auftritt einer Störung entsprechende Maßnahmen eingeleitet, was zu ungeplanten Stillstandszeiten führt. Der periodische Ansatz beruht auf definierten Wartungsintervallen. Die Wartung erfolgt also ohne Kenntnisse des tatsächlichen Anlagenzustands und wird daher in der Regel öfters als notwendig ausgeführt – trotz ausreichendem Lebensdauervorrat.

Predictive Maintenance als Wartungsstrategie der Zukunft?

Bei einem vorausschauenden Ansatz hingegen wird der tatsächliche Zustand der Anlage sowie die verbleibende RUL berücksichtigt. Die Wartung erfolgt nach Bedarf, sodass Arbeitszeit und Kosten für Ersatzteile minimiert werden und zugleich die Lebensdauer der Bauteile optimal ausgenutzt wird.

Die Vorteile einer vorausschauenden Wartung sind also unbestritten. Allerdings ist bei der Auswahl der geeigneten Wartungsstrategie eine Vielzahl an Faktoren zu berücksichtigen, sodass eine allgemeingültige Aussage nicht möglich ist. Zudem ist bei der Predictive Maintenance in der Regel mit hohen Implementierungskosten zu rechnen. Dennoch sollte der Einsatz von Predictive Maintenance in Betracht gezogen und seine Wirtschaftlichkeit kalkuliert werden.

Technische Akademie Esslingen e.V.

www.tae.de


Die Autoren und die TAE

Marc Hönig und Prof. Dr.-Ing. Peter Zeiler arbeiten an der Hochschule Esslingen in der Fakultät Mechatronik und Elektrotechnik. Mit dem Thema Prognostics and Health Management (PHM) in der Produktion haben sie im November 2018 den Themenstrang KI der TAE-Fachtagung „Industrie 4.0 und das Internet of Things“ bereichert.

Aktuelle Seminare der Technischen Akademie Esslingen zum Thema KI und Digitalisierung:


Mehr zum Thema Industrie 4.0


Hier finden Sie mehr über:
Anzeige

Aktuelle Ausgabe

Schlagzeilen

KUKA: Smarte Automatisierung

KUKA Roboter Hochschule Karlsruhe

Smarte Automatisierung mit KUKA im Überblick

Newsletter

Jetzt unseren Newsletter abonnieren

Themenseite Cobot

Erläuternde Beiträge, Neuigkeiten, Anwendungsbeispiele und Hintergrundinfos rund um das Thema kollaborative Robotik

Messevideo


Greiferintegration leicht gemacht: Die Zimmer Group zeigt, wie es geht.

Kalender

Aktuelle Termine für die Automatisierungsbranche

Whitepaper

Whitepaper aller unserer Industrieseiten

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Anzeige
Anzeige

Industrie.de Infoservice

Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de