Wann amortisiert sich die prädiktive Wartung?

Ein Lagerschaden ist selten die größte Kostenstelle an sich. Der eigentliche Verlust entsteht, wenn die Produktionslinie unerwartet stillsteht, die Schicht umorganisiert werden muss, die Bestellung verzögert wird, das Ersatzteil nicht auf Lager ist und das Wartungsteam hektisch versucht, die Produktion wiederherzustellen. vorausschauende Wartung kann auf diese Situation eine Antwort geben, aber nur, wenn sie nicht nur als Sensorprojekt behandelt wird.

In vielen Betrieben werden bereits heute Daten von Maschinen gesammelt. Die SPS zeichnet Zustände auf, der Frequenzumrichter sendet einen Fehlercode, der Bediener notiert ungewöhnliche Geräusche, und im Wartungsprotokoll sind die vorherigen Reparaturen vermerkt. Dennoch kommt es vor, dass diese Informationen in verschiedenen Systemen verbleiben oder niemand sie ansieht, bis die Ausrüstung ausfällt. In solchen Fällen fehlt es nicht an Daten, sondern an einem nutzbaren Entscheidungsprozess.

Was bedeutet vorausschauende Wartung eigentlich?

Das Ziel der vorausschauenden Wartung ist es, den erwarteten Ausfall einer Ausrüstung noch vor dem Funktionsverlust vorherzusagen. Die Frage ist nicht, ob eine Maschine jemals ausfällt, sondern ob es erkennbare Anzeichen für den Verschleiß gibt, wie früh diese sichtbar sind und ob Zeit für geplante Eingriffe bleibt.

Diese Anzeichen können Schwingungswerte, Temperaturanstieg, Stromverbrauchsänderung, Druckschwankungen, Zykluszeitverschlechterung oder häufigeres Auftreten eines bestimmten Fehlertyps sein. Bei einer Verpackungsmaschine kann beispielsweise die Erhöhung der Ausschussquote und die Verlangsamung der Zykluszeit auf mechanischen Verschleiß hinweisen. Bei einer Pumpe können Schwingungen und Temperatur gemeinsam anzeigen, dass sich der Zustand des Lagers verschlechtert.

Dies unterscheidet sich von der korrektiven Wartung, bei der der Eingriff nach dem Fehler erfolgt, und auch von der zeitbasierten präventiven Wartung, bei der Teile in vordefinierten Intervallen ausgetauscht werden. Letzteres ist in vielen Fällen gerechtfertigt, insbesondere bei sicherheitskritischen oder gesetzlich geregelten Geräten. Der vorausschauende Ansatz kann dort stark sein, wo der Zustand tatsächlich messbar ist, der Ausfall teuer ist und das Timing des Eingriffs geschäftlich wichtig ist.

Nicht jede Maschine benötigt die gleiche Lösung

Der häufigste Fehler ist, dass ein Unternehmen alle scheinbar wichtigen Geräte sofort messen möchte. Dies kann schnell zu einem teuren, komplexen und schwer wartbaren System führen. Es lohnt sich zunächst zu untersuchen, bei welchen Geräten der Ausfall das größte Geschäftsrisiko darstellt.

Eine kritische Maschine ist nicht unbedingt die größte oder modernste. Es kann ein älterer Kompressor sein, der keinen Ersatz hat, ein Etikettierer, ohne den keine Lieferung erfolgen kann, oder ein Engpass bildendes Bearbeitungszentrum. Wenn dieses Gerät ausfällt, wie viel Produktion fällt aus? Wie lange dauert die Reparatur? Ist das Ersatzteil verfügbar? Gibt es einen Umgehungsprozess oder wartet die gesamte Schicht?

Bei der Auswahl zählt auch der Fehlermodus. Einige Fehler entwickeln sich allmählich und sind daher gut vorhersehbar. Andere treten plötzlich auf, verursacht durch äußere Ereignisse, Bedienerfehler oder Materialfehler. Es ist nicht ratsam, ein Vorhersagemodell zu versprechen, für das es nicht genügend Vorzeichen oder interpretierbare Daten gibt. In solchen Fällen kann ein zuverlässiger Alarm, ein Ersatzteil oder ein durchdachtes Notfallverfahren der bessere Schutz sein.

Die Wartungshistorie ist genauso wichtig wie der Sensor

Wenn Reparaturen nur in Freitextnotizen erfasst werden, ist es schwierig zu sagen, was tatsächlich mit einer Maschine passiert ist. Der Eintrag „Lager repariert“ sagt zum Beispiel nicht aus, welche Einheit defekt war, welches Symptom dem Austausch vorausging, wie lange die Maschine stillstand und ob das Problem behoben wurde.

Für eine nutzbare Vorhersage ist am ersten Tag keine perfekte Datenbank erforderlich. Es braucht jedoch eine konsistente Identifizierung: um welche Ausrüstung handelt es sich, welches Fehlersymptom trat auf, welche Arbeit wurde durchgeführt, welches Ersatzteil wurde verwendet und wie hoch war der Ausfall. Aus diesen Informationen kann sich im Laufe der Zeit ein Muster ergeben, das der Schichtleiter, der Wartungstechniker und der Produktionsleiter interpretieren können.

Daten werden erst dann wertvoll, wenn jemand daraus Entscheidungen treffen kann

Ein Dashboard allein reduziert nicht die Ausfallzeiten. Wenn das System eine Anomalie meldet, muss klar sein, wer die Benachrichtigung erhält, welcher Schwellenwert als dringend gilt, wer den Eingriff genehmigt und wie all dies in den Produktionsplan passt.

Nehmen wir eine einfache Situation. Das System zeigt an, dass die Vibration eines Motors seit drei Wochen allmählich ansteigt. Das Wartungsteam ist informiert, aber die Produktion will nicht anhalten, daher wird die Aufgabe jede Woche auf die nächste verschoben. Schließlich fällt der Motor am Freitagnachmittag aus, wenn die Ersatzteilbeschaffung langsamer ist und die Wochenendbestellungen ebenfalls vom Ausfall betroffen sind. Dies ist kein Vorhersagefehler. Dies ist ein Entscheidungs- und Verantwortungsfehler.

Ein guter Prozess muss nicht unbedingt kompliziert sein. Die Benachrichtigung kann ein Risikoniveau, eine Prüfaufgabe, eine Zielzeit und eine dokumentierte Entscheidung umfassen. Bei einer Abweichung mit geringem Risiko kann eine Untersuchung während des nächsten geplanten Stillstands ausreichen. Bei einem kritischen Zustand müssen jedoch der Produktionsplan, das erforderliche Ersatzteil und die Verfügbarkeit des Fachpersonals koordiniert werden.

Hier wird die Systemintegration wichtig. Wenn die Maschinendaten in einem industriellen Überwachungssystem leben, die Wartungsaufgabe in einer anderen Anwendung und der Ersatzteilbestand in einer dritten, übertragen die Menschen die Informationen wieder manuell. Das Risiko von Verzögerungen und Missverständnissen kehrt zurück. Das Ziel ist nicht, alle Systeme zu ersetzen, sondern sicherzustellen, dass die kritischen Informationen zur richtigen Zeit an die richtige Person gelangen.

Wie sollte man die vorausschauende Wartung starten?

Der erste Schritt ist nicht der Kauf von Sensoren, sondern eine kurze, sachliche Erkundung. Welche Ausrüstungen haben in den letzten 12 Monaten die meisten ungeplanten Ausfälle verursacht? Wie hoch waren deren direkte und indirekte Kosten? Welche Daten existieren über sie? Wie wird heute eine Entscheidung über einen anormalen Zustand getroffen?

Danach ist es ratsam, einen klar abgegrenzten Piloten zu bestimmen. Eine Maschinenfamilie, ein wiederkehrender Fehlermodus oder ein kritischer Engpass reicht aus, damit das Unternehmen lernt, welche Daten es wirklich benötigt. Der Erfolg des Piloten zeigt sich nicht daran, wie viele Diagramme erstellt wurden, sondern daran, ob es gelungen ist, einen Eingriff geplant durchzuführen, einen Stillstand zu vermeiden oder zu verkürzen.

Bereits von Anfang an müssen die folgenden vier Fragen eine klare Antwort erhalten:

• Welches Geschäftsrisiko wollen wir reduzieren: Ausfall, Ausschuss, dringende Reparatur oder Lagerunsicherheit?
• Welche Messdaten und Wartungshistorien stützen diese Entscheidung?
• Wer interpretiert die Benachrichtigung und innerhalb welcher Zeit muss gehandelt werden?
• Wie messen wir, ob die Einführung tatsächlich die Leistung verbessert hat?

Bei der Messung sollten nicht nur die Anzahl der Ausfälle betrachtet werden. Wichtig können auch die ungeplante Stillstandszeit, die durchschnittliche Reparaturzeit, der Anteil der dringenden Ersatzteilbestellungen, der Ausschuss sowie die Planbarkeit der Wartungsarbeiten sein. Ein gut funktionierendes System ist oft nicht auffälliger, sondern berechenbarer: weniger nächtliche Anrufe, weniger außerplanmäßige Beschaffungen und der Produktionsplan wird seltener gestört.

KI hilft nur, wenn die Grundlagen des Betriebs in Ordnung sind

Künstliche Intelligenz kann Muster in großen Mengen von Zeitreihendaten finden, Anomalien melden oder die Texte von Wartungstickets kategorisieren. Dies kann nützlich sein, insbesondere bei komplexen Maschinenparks. Sie ersetzt jedoch nicht das Maschinenwissen, die Wartungsdisziplin und die betriebliche Entscheidungsstruktur.

Wenn Fehler nicht konsequent erfasst werden, die Sensordaten unvollständig sind oder auf Benachrichtigungen nicht reagiert wird, produziert die KI nur schneller unsichere Ergebnisse. Zuerst muss der Prozess in Ordnung gebracht werden: einheitliche Geräteidentifikation, zuverlässige Datenerfassung, Wartungsplan und klare Verantwortlichkeiten. Darauf kann später eine Analyse aufgebaut werden, die die Entscheidung wirklich unterstützt.

Der Wert der vorausschauenden Wartung misst sich letztlich nicht daran, wie viele Daten das Unternehmen sammelt, sondern daran, ob es in der Lage ist, vor dem nächsten kritischen Ausfall ruhig und geplant zu handeln. Dies ist der Punkt, an dem die Technologie nicht mehr ein separates Projekt bleibt, sondern Teil eines zuverlässigeren Betriebs wird.