Predictive Maintenance Solutions und ihre Chancen

Die Datenflut im Internet der Dinge explodiert, denn es macht inzwischen Kaffeeautomaten und Autoreifen ebenso „smart“ wie ganze Produktionslinien. Und während früher eine Anlage zunächst ausfallen musste, bis sie repariert wurde, melden heute Sensoren einen drohenden Defekt – noch ehe dieser auftritt. Diese Beispiele für Predictive Maintenance Solutions sparen Kosten und eröffnen Unternehmen ganz neue Geschäftsmodelle.

Predictive Maintenance Solutions können Unternehmen helfen, Kosten zu sparen und neue Geschäftsmodelle zu schaffen.

„In Waschraum 17 im dritten Stock gehen die Handtücher zur Neige, in Waschraum 21 im vierten Stock ist die Seife aufgebraucht und in 26 wird Toilettenpapier knapp.“ Rechtzeitig mit solchen Informationen ausgestattet, können Mitarbeiter des Reinigungspersonals ihre Rundgänge besser planen und deutlich effizienter arbeiten. Denn Waschräume gehören zu den wartungsintensivsten Räumen in Gebäuden. Entwickelt wurde diese Predictive-Maintenance-Lösung vom Fraunhofer-Institut für Integrierte Schaltungen IIS gemeinsam mit dem Fullservice-Anbieter CWS-boco International GmbH.

Neue Analysetechniken und Algorithmen bereiten dabei die vielfach unstrukturierten Daten und Messwerte so auf, dass sie zu verlässlichen Prognosen führen. Dies erlaubt es, Geräte, Maschinen und Nutzfahrzeuge zu warten, noch bevor sich ein (kritischer) Störfall ereignet.

Kein platter Reifen mehr dank Predictive Maintenance Solutions

So auch beim Reifenhersteller Continental, der eine Reifenplattform zur Fernüberwachung des Reifenzustands von Nutzfahrzeugen startet. Sensoren an den Pneus messen kontinuierlich Werte wie Druck und Temperatur, die Rückschlüsse auf den Reifenzustand zulassen, und übermitteln diese an die Plattform. Erreicht ein (oder mehrere) Parameter einen kritischen Wert, alarmiert ContiConnect vorab definierte Empfänger, die darauf reagieren können und so dem akuten Schaden zuvorkommen. An ähnlichen Predictive Maintenance Solutions arbeiten derzeit auch andere Hersteller, darunter Goodyear und Pirelli.

Costa Express betreibt Kaffeeverkaufsautomaten, die regelmäßig befüllt, sorgsam gereinigt und gewartet werden müssen, weil durch die Düsen frische Milch läuft. Die IoT-Plattform, die von Device Insight bereitgestellt wurde, hat in diesem Fall die Verfügbarkeit der Maschinen und den Service verbessert. Das Befüllen und Warten der Automaten erfolgen jetzt punktgenau, so dass kein Mitarbeiter und Kunde mehr auf seinen Kaffee, Espresso oder Cappuccino warten muss und dem Betreiber keine Umsätze entgehen.

Die IoT-Plattform als Basis für Predictive Maintenance Solutions

Eine IoT-Plattform wie CENTERSIGHT NG bildet die Infrastruktur für Predictive Maintenance Solutions und die Basis zum Erfassen, Managen und Analysieren von Datenströmen, die Maschinen, Anlagen, Fahrzeuge und Geräte liefern. Dabei übernimmt die Plattform auch die Rolle einer Schnittstelle hin zu ERP-, Produktions-, und Support-Systemen. Sie bietet alle Funktionen zur Prüfung von weltweiten Maschinen- und Anlagenparks: von der Störungserkennung, Störungsbehandlung, Benachrichtigung bis hin zur Datenanalyse und Visualisierung der Bewertung.

Dabei geht der Trend zu Edge-Computing: Daten werden mit CENTERSIGHT EDGE bereits vor Ort verarbeitet und nahezu in Echtzeit analysiert. Sollte eine Anomalie erkannt werden, wird dieses Ereignis unmittelbar an die Cloud-Plattform übertragen. Das reduziert das Datenvolumen und verkürzt Analysezeiten. Denn Predictive Maintenance ist nur möglich, wenn der Faktor Zeit maximal ausgeschöpft wird. IoT-Daten, die erst ausgewertet werden, wenn beispielsweise ein Aufzug wegen Materialverschleiß stecken bleibt, bieten keinen Mehrwert.

Um Unregelmäßigkeiten oder Anomalien vorausschauend nutzbar zu machen, stützt sich CENTERSIGHT NG unter anderem auf die Boolesche Logik. Mit den nach dem britischen Mathematiker George Boole (1815-1864) benannten relativ einfachen Booleschen Operatoren UND, ODER, NICHT und XOR (ENTWEDER ODER) lassen sich viele Aussagen oder Vorhersagen treffen.

Auch dazu ein simples Beispiel: WENN die Temperatur im Kühlhaus wiederholt auf über minus 18 Grad Celsius steigt UND Stromausfälle als Fehlerursache ausgeschlossen werden können, muss überprüft werden, ob die Kühldichtung nicht mehr richtig funktioniert oder Mitarbeiter einfach nur ständig vergessen, die Tür des Kühlhauses zu schließen.

Fazit

Solch simple Regelwerke werden mit dem Domänenwissen der Kunden erstellt und sind ein sehr praktikabler Einstieg in Predictive Maintenance Solutions. Darauf aufbauend können Algorithmen mithilfe des maschinellen Lernens weiter verfeinert werden. Predictive Maintenance und die Vernetzung von Komponenten und Produkten über IoT-Plattformen ermöglichen längst auch im Mittelstand neuartige Geschäftsmodelle – vor allem im Bereich der Verbesserung von Serviceleistungen. Denn: Senden Maschinen oder Anlagen eigenständig servicerelevante Informationen an den Hersteller oder Lieferanten und legen sie bei Bedarf auch gleich Tickets an, kann die Serviceabteilung aktiv werden, bevor der Kunde einen Defekt registriert. Ein idealer Ansatz, um die Kundenzufriedenheit zu steigern.

Für Sie empfohlen

Image
2024/04/18
News

Prozessoptimierung mit Weitblick: der Digital Product Passport

Warum der Digital Product Passport schon heute ein relevantes Tool ist, um Daten entlang der gesamte...
Image
2024/02/28
News

Die Asset Administration Shell – ein Universalwerkzeug für den Datenaustausch in der Industrie

Wie die Asset Administration Shell die Idee des Digital Twin in die industrielle Praxis übersetzt.
Image
2023/10/13
News

Von M2M zu IoT & AI: 20 Jahre Digitalisierung in der Industrie

Von M2M-Kommunikation zu IoT- und AI-gestützten Systemen in der Industrie. Ein Rückblick.