Vorausschauende Wartung, auch: Predictive Maintenance, ist eine Wartungsstrategie für die Überwachung der physischen Anlagen eines Unternehmens, um potenzielle Probleme in der Zukunft zu erkennen und Korrekturmaßnahmen durchzuführen, bevor es zu Fehlfunktionen oder Ausfällen kommt. Zu den Arten von Anlagen, die typischerweise überwacht werden, gehören große und wertvolle Geräte wie Feldinstrumente und Maschinen sowie kleine, aber wichtige Anlagenkomponenten wie Ventile und Keilriemen.
Ein System zur vorausschauenden Wartung ist die praktische Anwendung einer vorausschauenden Wartungspolitik. Ein System zur vorausschauenden Wartung besteht aus Sensoren, die an der Feldhardware angebracht sind, aus Mitteln zur Integration mit industriellen Steuerungssystemen zur Erfassung von Sensordaten und zur Durchführung von Korrekturmaßnahmen sowie aus vorausschauender Analysesoftware zur Datenanalyse und zur Erstellung von Vorhersagen über mögliche künftige Anlagenausfälle. Das Herzstück eines vorausschauenden Wartungssystems ist ein Kontrollzentrum, über das die Zeitpläne für die Wartungsteams festgelegt werden.
Bevor Unternehmen eine vorausschauende Wartung einführen, müssen sie ein vorausschauendes Wartungsprogramm (Aktionsplan) erstellen. Ein Programm zur vorausschauenden Wartung beschreibt die Anlagen, die gewartet werden sollen, und identifiziert potenzielle Fehlerquellen, so genannte Fehlermodi, unter verschiedenen Betriebsbedingungen.
Ausfallarten sind die spezifischen Möglichkeiten, wie Komponenten ausfallen können. Beispiele für Ausfallarten sind menschliches Versagen, Korrosion, Erosion, Verschleiß und Metallermüdung. Ausfallarten können zu Fehlfunktionen wie falsch ausgerichteten Keilriemen, defekten Pumpendichtungen, Schmierungsfehlern und leeren Kraftstofftanks führen. Komponenten können mehrere potenzielle Ausfallarten haben.
Das Modell der vorausschauenden Wartung für die Instandhaltung von Anlagen entwickelte sich als Reaktion auf die Einschränkungen und Nachteile der präventiven und reaktiven Wartungsmodelle. So ist beispielsweise die vorbeugende Wartung arbeitsintensiv und kann zu einer Überinstandhaltung führen, während die reaktive Wartung zeitaufwändig ist und zu sporadischen Ausfallzeiten führen kann.
Die Strategie einer Organisation zur Wartung von Anlagen kombiniert in der Regel verschiedene Arten von Wartungsansätzen, um verschiedene Arten von Problemen anzugehen. So bieten beispielsweise reaktive Wartungsprogramme Lösungen für unerwartete Anlagenausfälle. Das Ziel eines vorausschauenden Wartungssystems hingegen ist es, vorherzusagen, wann eine Störung der Anlage auftreten könnte, und Ausfälle durch geplante, korrigierende Wartungsmaßnahmen zu verhindern.
Die Grenzen des traditionellen Modells der vorausschauenden Wartung für die Wartung von Anlagen haben dazu geführt, dass immer mehr Unternehmen einen hybriden Ansatz wählen, der Condition Monitoring, IoT-basierte vorausschauende Wartung und präskriptive Wartungstechniken kombiniert.
Die vorausschauende Wartung zielt darauf ab, eine korrigierende Wartung durchzuführen, bevor die Ausrüstung ausfällt, während die Ausfallwartung nach dem Ausfall der Ausrüstung durchgeführt wird.
Beispiele für Ausfallwartung sind reaktive oder korrigierende Wartung, Run-to-Failure-Wartung (RTF) und ungeplante Ausfallzeiten.
Wenn eine Anlage unerwartet ausgefallen ist, liefern Erkenntnisse über die Ursache, die Schwere und die Wahrscheinlichkeit eines zukünftigen Ausfalls den Input für Predictive-Analytics-Algorithmen, die die Wahrscheinlichkeit zukünftiger Anlagenausfälle vorhersagen.
Die Vorlaufkosten für die Implementierung von Programmen zur Wartung von Anlagen sind gering, aber die Kosten für die Reparatur von Anlagen im Rahmen von Programmen zur Wartung von Anlagen sind hoch, da Teile unter Umständen ausgetauscht werden müssen, anstatt sie zu reparieren, und nicht ohne Weiteres verfügbar sind, was zu langen und ungeplanten Ausfallzeiten führen kann. Die ausfallbedingte Wartung ist eine Art "Plan B".
Wie die vorausschauende Wartung reduziert auch die vorbeugende oder zeitabhängige Wartung das Auftreten und die Auswirkungen von Anlagenausfällen.
Bei der vorausschauenden Wartung werden die Wartungsaufgaben in Abhängigkeit vom Zustand der Komponenten durchgeführt.
Bei der vorbeugenden Wartung werden regelmäßige Wartungsarbeiten geplant, die möglicherweise unnötig sind, wie z. B. der Austausch eines Teils auf der Grundlage der vom Hersteller geschätzten Lebensdauer des Teils. Vorbeugende Wartung ist wichtig für unternehmenskritische und Sicherheitssysteme.
Die Begriffe zustandsorientierte Wartung (condition-based maintenance = CBM) und vorausschauende Wartung werden manchmal synonym verwendet, unterscheiden sich jedoch geringfügig.
In beiden Fällen geht es um das regelmäßige Monitoring von Sensor-Daten, um einen möglichen Fehler oder ein Problem mit einer Komponente zu erkennen.
Bei der vorausschauenden Wartung werden Formeln verwendet, die Echtzeit-Sensordaten und historische Daten kombinieren, um Vorhersagen über zukünftige Wartungsanforderungen zu treffen. So können z. B. prädiktive Analysealgorithmen abschätzen, wie lange es dauert, bis ein Tank aufgetankt werden muss, und einen Zeitplan für die Wartung in der Zukunft aufstellen.
CBM stützt sich auf Echtzeitmessungen, um Maßnahmen zu ergreifen, wenn die Sensordaten nicht innerhalb des optimalen Bereichs liegen, z. B. wenn der Kraftstoffvorrat in einem Tank zu gering ist. In diesem Fall hat das Wartungsteam möglicherweise nicht die Ressourcen, um den Tankvorgang zu diesem Zeitpunkt durchzuführen, so dass die Maschine vorübergehend stillgelegt wird.
Zusammengenommen können vorausschauende Wartung und CBM Unternehmen dabei helfen, Anlagen auf aktuelle und künftige Fehlfunktionen zu überwachen.
Prädiktive Wartungsmodelle gehen noch einen Schritt weiter als herkömmliche prädiktive Wartungsmodelle. Systeme zur vorausschauenden Wartung sagen potenzielle Anlagenausfälle voraus und schlagen Möglichkeiten vor, diese in der Zukunft zu verzögern oder abzumildern. Die Ergebnisse eines Programms zur vorausschauenden Wartung können zum Beispiel darauf hinweisen, dass ein Förderband in den nächsten Monaten wahrscheinlich ausfallen wird.
Bei einem präskriptiven Wartungsansatz würden die Ergebnisse Informationen darüber enthalten, wie das Förderband betrieben werden könnte, um seine Lebensdauer zu verlängern, z. B. durch Verringerung der Geschwindigkeit, und um die unvermeidlichen Ausfallzeiten für die Wartungsteams zum Austausch von Teilen zu reduzieren.
Aufgrund der Kosten für die Implementierung von Lösungen zur vorausschauenden Wartung konzentrierten sich herkömmliche vorausschauende Systeme auf die kritischsten und wertvollsten Anlagen eines Unternehmens. Die vorausschauende Wartung von weniger kritischen und weniger wertvollen Anlagen umfasste in der Regel unregelmäßige Zeitpläne und stichprobenartige Überprüfungen durch die Wartungsteams.
In modernen vorausschauenden Wartungssystemen ermöglichen IoT-Technologien wie mehrere drahtlose Verbindungsoptionen, kostengünstige MEMS-Sensoren (Micro Electro-Mechanical System), die Integration mit externen Systemen, Cloud Computing, erhöhte Cloud-basierte Speicherkapazität und künstliche Intelligenz die zuverlässige vorausschauende Wartung mehrerer Anlagen in großen Produktionsnetzwerken.
Mit benutzerdefinierten Warnmeldungen und Datenvisualisierung können Sie Probleme mit dem Zustand und der Leistung Ihres Netzwerks schnell erkennen und verhindern.
Vorausschauende Wartungssysteme sind besonders wichtig für den sicheren und zuverlässigen Betrieb von Anlagen in kritischen Bereichen wie Öl und Gas, Bergbau, Luftfahrt und industrielle Fertigung sowie bei Kernkraftwerken und Energieversorgern.
Systeme zur vorausschauenden Wartung sind weit verbreitet:
Einige Anwendungsfälle für Systeme zur vorausschauenden Wartung sind:
Vorausschauende Wartung hilft Unternehmen dabei:
Benachrichtigungen in Echtzeit bedeuten eine schnellere Fehlerbehebung, so dass Sie handeln können, bevor ernstere Probleme auftreten.
Sensoren zur Zustandsüberwachung überwachen die Gesundheit, den Zustand und das Verhalten von Komponenten, indem sie Informationen über Variablen wie Temperatur, Korrosion, Druck, Vibration, Lärm und Lautstärke sammeln. Diese Variablen sind Zustandsindikatoren.
Bei der Entwicklung von Programmen zur vorausschauenden Wartung legen Datenwissenschaftler fest, welche Zustandsindikatoren am nützlichsten sind, um zwischen dem normalen und dem fehlerhaften Betrieb einer bestimmten Komponente zu unterscheiden.
Werkzeuge wie Infrarot-, Öl-, Vibrations-, Motorschaltkreis-, Laser-Shift-Alignment- und Ultraschall-Analysatoren messen Zustandsindikatoren von verschiedenen Arten von Sensoren:
In modernen vorausschauenden Wartungssystemen verwenden Modelle des maschinellen Lernens (ML) historische Sensordaten und Informationen über die Leistung einer Anlage, um Muster und Grundlinien des normalen Verhaltens zu erstellen. Diese Modelle suchen dann nach Abweichungen und Anomalien in der Echtzeitleistung von Anlagen und machen Vorhersagen darüber, ob und wann eine Komponente ausfallen könnte.
ML-Algorithmen verwenden nicht nur Daten von Sensoren, sondern auch von externen Quellen, z. B. Informationen aus Berichten von Bedienern vor Ort, historische Daten aus einer ERP-Lösung (Enterprise Resource Planning) oder situative Daten wie ungünstige Wetterbedingungen, die sich auf den Betrieb bestimmter Komponenten auswirken können.
Arbeitsaufträge enthalten Anweisungen für Wartungsteams zur Reparatur von Komponenten. Reparaturarbeiten können per Fernzugriff durchgeführt werden, z. B. das Schließen eines Ventils, oder durch menschliches Eingreifen, z. B. den physischen Austausch eines Teils.
Arbeitsaufträge werden über ein CMMS erstellt, entweder automatisch oder manuell. CMMS speichern auch historische Daten über die Anlagenleistung und helfen bei der Automatisierung des Zeitplans für routinemäßige und korrigierende Wartungsaufgaben. Sie bieten einen zentralen Knotenpunkt zur Organisation von Arbeitsabläufen und zur Speicherung von Informationen aus externen Anwendungen wie Bestands- und Personalverwaltungssystemen.
Die Erstellung eines Programms zur vorausschauenden Wartung erfolgt in der Regel in den folgenden Schritten:
Zunächst ermitteln Management und IT-Teams kritische und wertvolle Anlagen und dokumentieren den optimalen Betrieb dieser Anlagen, einschließlich des Bereichs der gewünschten Werte für bestimmte Parameter, wie z. B. die Position der Flügel einer Windturbine bei bestimmten Wetterbedingungen. Diese Informationen liefern grundlegende Messungen für den gewünschten Betrieb einer Anlage.
Zweitens wird eine CMMS-Datenbank mit Informationen über jede Anlage gefüllt. Historische Aufzeichnungen über die Wartung von Anlagen, Erkenntnisse des Wartungs- und Betriebspersonals sowie Ausrüstungsinformationen von Herstellern bieten wertvolle Einblicke in potenzielle Fehlermöglichkeiten.
Drittens ermitteln Systemanalytiker mit Hilfe der Fehlermöglichkeits- und -einflussanalyse (FMEA) die möglichen Gründe für den Ausfall von Systemkomponenten, die Wahrscheinlichkeit des Auftretens von Fehlern (von extrem wahrscheinlich bis unwahrscheinlich) und die möglichen Folgen (von Lebensgefahr bis hin zu leichten Anlagenschäden). Die Arbeitsaufträge werden entsprechend dieser Einstufung nach Priorität geordnet.
Viertens installieren Techniker Geräte für das Condition Monitoring wie Sensoren und SPS.
Fünftens erstellen Datenwissenschaftler prädiktive Algorithmen, um das Echtzeitverhalten und den Zustand einer Anlage im Vergleich zu ihrem Basisbetrieb zu bewerten. Der Arbeitsablauf bei der Erstellung eines prädiktiven Algorithmus besteht in der Erfassung von Sensordaten, der Vorverarbeitung in ein Format, aus dem nützliche Zustandsindikatoren für eine bestimmte Anlage extrahiert werden können, der Einspeisung von Zustandsindikatoren in ein ML-Modell und schließlich der Bereitstellung des Algorithmus, zunächst für Pilotanlagen, um den Algorithmus zu testen.
Sechstens werden automatische Korrekturmaßnahmen und Anweisungen für Techniker formuliert, um auf Warnungen über mögliche Komponentenausfälle zu reagieren.
Ein häufig verwendeter Rahmen für die Entwicklung eines vorausschauenden Wartungsprogramms ist das Modell der zuverlässigkeitszentrierten Wartung (RCM). Nicht alle Ausrüstungen können kosteneffizient durch präventive Wartungstechniken instand gehalten werden, und nicht alle Ausrüstungen benötigen eine vorausschauende Wartung. RCM hilft Unternehmen dabei, die Hauptursachen für potenzielle Ausfälle zu analysieren und effizientere Wartungsprogramme für verschiedene Arten von Anlagen und unterschiedliche Anforderungen zu entwickeln.
Die Ziele einer RCM-Analyse sind die Identifizierung von Ausfallarten, die Priorisierung von Ausfallarten in Bezug auf Risiko und Kosten, die Auswahl der besten Verfahren zur Abschwächung von Ausfällen und die Erhaltung der gewünschten Funktionalität eines Systems.
RCM ist nicht dasselbe wie eine vorausschauende Wartung. Mit RCM können Unternehmen den Nutzen verschiedener Arten von Wartungstechniken, wie z. B. vorausschauende, vorbeugende oder reaktive Wartung für bestimmte Anlagen unter verschiedenen Bedingungen, d. h. für verschiedene Ausfallarten, analysieren.
So kann beispielsweise ein bestimmtes Gerät anfällig für Verschleiß an der Verkabelung sein und eine vorausschauende Wartung erfordern. Ein anderes Gerät ist vielleicht in hohem Maße auf eine zuverlässige Verbindung zur Cloud angewiesen und benötigt alternative Verbindungsoptionen, um unerwartete Systemausfälle zu vermeiden. Wieder ein anderes Gerät benötigt vielleicht eine regelmäßige, vorbeugende Wartung, um die strengen Sicherheitsvorschriften einzuhalten.
RCM wurde in der kommerziellen Luftfahrtindustrie entwickelt, um die Zuverlässigkeit und Sicherheit der Ausrüstung zu verbessern. Es basiert auf der Norm JA1011 der Society of Automotive Engineers (SAE), die 1978 vom US-Verteidigungsministerium veröffentlicht wurde. SAE JA1011 ist die am weitesten verbreitete Norm für die Entwicklung von Systemen zur vorausschauenden Wartung.
PRTG ist eine umfassende Monitoring-Software für Netzwerke und überwacht Ihre gesamte IT-Infrastruktur.
Die Entwicklung und Implementierung einer Lösung zur vorausschauenden Wartung kann zeitaufwändig, arbeitsintensiv und kostspielig sein. Wenn Sie auf der Suche nach einem Monitoring-Tool sind, das Sie bei Ihrem Programm zur vorausschauenden Wartung unterstützt, wenden Sie sich an die Monitoring-Experten vonPaessler, um Ihre Anforderungen zu besprechen.
PRTG kann nahezu jedes Objekt überwachen, das eine IP-Adresse hat. Lesen Sie hier eine Fallstudie darüber, wie PRTG-Produkte die gesamte Infrastruktur einer wasserwirtschaftlichen Anlage überwachen.
