antriebstechnik 3/2018

SPECIAL I PREDICTIVE MAINTENANCE
fahren oder aber das letzte aus ihm rauszuholen, um die Ware
rechtzeitig am Zielort zu haben? Alle drei Optionen sind potenziell
mit Kosten und Risiken verbunden („competing goals“). Die
Frage ist nur, welche Option macht in der konkreten Situation am
meisten Sinn?
Die Potenziale für den Einsatz solcher datengetriebener Wartung
sind enorm. Ein weiteres aktuelles Beispiel macht dies deutlich: So
wird IBM dem Logistik-Bereich der amerikanischen Armee (Logistics
Support Activity – LOGSA) helfen, aus über fünf Milliarden Datenpunkten
von On-Board Sensoren „Vehicle Maintenance Failures“
vorherzusagen. Darüber hinaus übernimmt die Army Watson
IoT-Lösungen, die unstrukturierte, strukturierte und Sensor-Daten
direkt aus militärischen Assets analysieren. Damit wird LOGSA zukünftig
besser in der Lage sein, der Armee sowohl Predictive als
auch Prescriptive Wartungsinformationen zur Verfügung zu stellen.
Mit diesen neuen Technologien bekommt das alte Thema Wartung
einen vollkommen neuen Spin. Und im Kontext von Industrie
4.0 wird damit eine weitere wichtige Lücke geschlossen. Dies ist
definitiv auch eine Chance für die etablierten Unternehmen, nicht
nur ihre Wartung zu optimieren, sondern mithilfe einer digitalen
„Re-Inven tion“ auch neue Umsatzquellen zu erschließen. Das gilt
insbesondere für den export orientieren Wirtschaftsstandort in
Mittel europa. Hier war Innovation schon immer gleichzusetzen mit
Wettbewerbsvorteilen.
der Wälzlager. Das ist keine Vision mehr, sondern funktionierende
Realität.
www.ibm.com/watson
Intelligente Einblicke in „fuzzy“-Umgebungen
Der Übergang ist fließend – und trotzdem spektakulär: Denn während
Maintenance-Software bisher nur die Analyse strukturierter
Sensordaten zugelassen hat, gehen intelligente Wartungs-Anwendungen
noch einen Schritt weiter: Dem Prinzip KI-basierter
Systeme folgend, deren Merkmale ver stehen – bewerten – lernen
sind, ist nun auch die Entwicklung „mitdenkender“, vorausschauender
Wartung keine Vision mehr. KI­ basierte IoT-Plattformen
kombinieren hierfür strukturierte (Maschinen-)Daten mit der
Masse an unstrukturierten Informationen wie schriftlichen Aufzeichnungen,
Sprache, Geräusche, Vibrationen, Bilder, Videos und
Bewegungen, analysieren und bewerten sie. Damit ermöglichen
sie neue Sichtweisen auch auf komplexe, „fuzzy“-Umgebungen.
Zudem gewinnen diese Anwendungen im Training mit Experten
den Kontext-bezogenen nötigen Sachverstand und können damit
den Verantwortlichen vor Ort bei der Einordnung von Ereignissen
und bei der Entscheidungsfindung unterstützen. Ein echter Paradigmenwechsel
also.
Tools für professionelle
Instandhaltung
Von Predictive zu Prescriptive
Die nächste Stufe ist Prescriptive Maintenance. Die Idee dahinter
ist noch viel komplexer: Bei Prescriptive geht es nicht mehr nur
um Prognosen, in welchem Zeitraum gewartet bzw. etwas ausgetauscht
werden soll, sondern um die genaue Berechnung, welches
Zeitfenster dafür das betriebswirtschaftlich optimalste bzw. kostengünstigste
wäre. Darüber hinaus geht es um den richtigen Zeitpunkt
für die Ersatzteilplanung und -beschaffung, und um ganz
grundsätzliche Fragen: Etwa, ob Wartungsintervalle lokal oder global
optimiert werden sollen und wie Lieferketten und Wartung am
besten miteinander zu verzahnen sind.
Folgendes Beispiel kann das verdeut lichen: Macht es bei Problemen
mit dem Antrieb eines Schiffsmotors mehr Sinn, ihn
gleich zu reparieren, oder ihn zu schonen und langsamer zu
TRUMMETER ®
Riemenspannung
messen LEAKSHOOTER ®
Druckluftleckagen
suchen
VSHOOTER ®
Maschinenverschleiß
erkennen
Jetzt bestellen: 0621 3705-249
www.hilger-kern.de
industrieelektronik@hilger-kern.de