+49 89 44 388 99 50
contact@smart-applications.com
Nutzen Sie auch unser Kontaktformular.
Predictive Maintenance
Predictive Maintenance
Allgemeine Definition
Predictive Maintenance lässt sich mit dem Begriff "vorausschauende Wartung" ins Deutsche übersetzen. Das Verfahren nutzt Mess- und Produktionsdaten von Maschinen und Anlagen für die Ableitung von Wartungsinformationen. Ziel ist es, die Maschinen und Anlagen proaktiv zu warten und Störungszeiten zu minimieren. Im Optimalfall lassen sich Störungen vorhersagen, bevor es zu Auswirkungen oder Ausfällen kommt. Durch die frühzeitig proaktiv eingeleiteten Wartungsmaßnahmen ist das tatsächliche Eintreten der Störung zu verhindern.
Wie funktioniert PdM (Predictive Maintenance)?
Predictive Maintenance ist eine Kernkomponente der Industrie 4.0 und grenzt sich deutlich von herkömmlichen Wartungsansätzen wie der reaktiven oder präventiven Wartung ab. Um verlässliche Vorhersagen für die vorausschauende Wartung zu treffen, ist es erforderlich, eine große Menge von Daten zu erfassen, zu speichern und zu analysieren. Aufgrund der riesigen Datenmengen kommen Techniken und Datenbanken aus dem Big-Data-Umfeld zum Einsatz. Die erfassten Messwerte und Diagnosedaten werden von den Maschinen über Netzwerke an Servicezentralen oder direkt an die Hersteller übermittelt. Als netzwerktechnische Basis fungiert in vielen Fällen das Internet of Things (IoT).
Wer Predictive Maintenance effektiv und langfristig in seinem Unternehmen etablieren möchte, der sollte folgende drei Arbeitsschritte befolgen:
- die Erfassung, Digitalisierung und Übermittlung von Daten.
- die Speicherung, Analyse und Bewertung der erhobenen Daten.
- die Berechnung von Eintrittswahrscheinlichkeiten für bestimmte Ereignisse.
Predictive Maintenance und Big Data
Eine große Schwierigkeit im Umgang mit Predictive Maintenance ist die Verarbeitung der riesigen Datenmengen. Denn um verlässliche Aussagen über den Zustand von Maschinen und Anlagen machen und somit zu erwartende Störungen möglichst schnell erfassen zu können, ist es notwendig, große Mengen an Daten zu erheben. Diese müssen gespeichert, verarbeitet und mithilfe intelligenter Algorithmen analysiert werden.
Die Daten umfassen nicht nur den Zustand der Maschinen und Anlagen selbst, sondern auch deren Umfeld: So werden beispielsweise auch Parameter wie Temperatur oder Luftfeuchtigkeit erfasst und ausgewertet. Insgesamt können die Daten sehr unterschiedlich sein und in verschiedenen Formaten vorliegen. Aufgrund dieser vielen verschiedenen Daten und Formate sowie den großen Datenmengen müssen Datenbanken riesige Kapazitäten bereitstellen. Hierbei ist es wichtig zu wissen, dass die Größe der Datenbasis und die Intelligenz und Leistungsfähigkeit des Analysealgorithmus essenziell für die Qualität und Verlässlichkeit der erhaltenen Erkenntnisse sind: Denn je größer die Datenbasis ist und je intelligenter und ausgefeilter der Algorithmus ist, desto verlässlicher sind die Erkenntnisse. Nach der Erfassung werden die Messwerte und Diagnosedaten über Netzwerke an Servicezentralen oder an den Hersteller selbst übermittelt. Als Basis dient hierbei das Internet of Things (IoT).
Unsere smarten Apps
Eine Initiative der
