Das Grundprinzip von Predictive Maintenance

Im Rahmen des Zukunftsprojektes Industrie 4.0 spielt die „Smart Factory“ eine tragende Rolle. Diese beschreibt die Vision von sich selbst organisierenden Fertigungsanlagen. Bereits heute werden in der Produktion Industrieroboter eingesetzt. Dabei treten im Laufe der Produktion immer wieder Störungen auf, die zu Ausfallzeiten oder sogar Produktionsstillständen führen. Unerwartete und nicht notwendige Mehrkosten und Lieferverzögerungen sind die Folge. Die statische Wartung in festen Intervallen hilft nur bedingt und führt zu weiteren unnötigen Stillstandszeiten und Verbrauch von Ersatzteilen. Durch eine vorausschauende Wartung – auch Predictive Maintenance genannt – ist es möglich, eventuelle Störungen zu erkennen, bevor sie tatsächlich eintreten. Dabei lässt sich nicht nur vorhersagen wann und wo eine Störung auftreten könnte, sondern auch in welcher Art diese zu beheben ist. Das Grundprinzip von Predictive Maintenance sieht dabei wie folgt aus:

Datenerfassung an den Produktionseinheiten

Eine Produktionseinheit wird mit einer Reihe von Sensoren ausgestattet und somit im laufenden Betrieb überwacht. Die dabei entstehenden Messdaten werden in einer Datenbank abgelegt. Sie liefern eine möglichst lückenlose historische Beschreibung der Aktivität der Produktionseinheit und deren Umweltbedingungen. Zusätzlich hierzu werden alle aufgetretenen Störungs- und Wartungsereignisse aufgezeichnet.

Datenanalyse und Prognose

Durch eine computerbasierte Analyse der verfügbaren Datenmenge wird eine mathematische Modellbeschreibung der Daten erzeugt. Dabei kommen spezielle Algorithmen des Maschinellen Lernens zum Einsatz, die automatisch die in den Messdaten enthaltenen Zusammenhänge und Muster erfassen und hinsichtlich der analysierten Störungen abbilden können. Dieses Modell bildet die in den Messdaten enthaltenen Zusammenhänge und Muster bezüglich der analysierten Störungen ab. Durch Anwendung des gelernten Modells kann auf Grundlage der aktuell erfassten Messdaten eine Prognose für das zukünftige Auftreten von Störungen erstellt werden. Beim wahrscheinlichen Eintreten von betriebskritischen Zuständen kann somit rechtzeitig eine Warnung ausgegeben werden. Dieses Wissen fließt dann in die Planung und Umsetzung der nächsten Wartungsmaßnahme ein. Auf diese Weise können wartungsbedürftige Bauteile ausgetauscht werden, bevor sie ausfallen können und so den gesamten Produktionsprozess gefährden.

Der Autor: Dr. Daniel Voigt ist Advanced Analytics Consultant bei der TIQ Solutions GmbH