Industrieanzeiger 09/10.2019
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Helden<br />
mögen keinen<br />
Waschtag.<br />
fähige Kommunikationsnetzwerke und eine<br />
hochperformante IT-Architektur – für die<br />
Verarbeitung von Big Data und deren Abgleich<br />
mit bekannten Fehlerbildern sowie<br />
mit statistische Voraussagen.<br />
Und Sie?<br />
Vorbeugend versus vorausschauend:<br />
ein Systemvergleich<br />
Ähnlich wie Predictive Maintenance versuchen<br />
auch klassische Wartungskonzepte<br />
Ausfallzeiten zu vermeiden oder zumindest<br />
die Kosten zu minimieren. Dazu gibt es zwei<br />
Ansätze: Reaktiv und präventiv. Reaktive<br />
Konzepte greifen erst bei tatsächlichen Fehlern<br />
oder Störungen ein. Solche Services lassen<br />
sich zwar ohne viel Aufwand umsetzen,<br />
Feste Wartungspläne: eine Abwägung zwischen<br />
Kosten und Risiken. Bild: fotohansel/Fotolia<br />
Klare Handlungsanweisung:<br />
Austauschen!<br />
Bild: NicoElNino<br />
sind jedoch nur empfehlenswert, wenn unvorhergesehene<br />
Ausfälle keinerlei Einfluss<br />
auf nachfolgende Produktionsprozesse ausüben.<br />
Präventive Wartung definiert dagegen<br />
starre Wartungsintervalle auf Basis von Erfahrungen<br />
oder Herstellerangaben. Ausgangspunkt<br />
ist die Abwägung der Materialund<br />
Wartungskosten versus den Kosten eines<br />
drohenden Ausfalls. Deshalb werden<br />
Verschleißteile zu einem bestimmten Zeitpunkt<br />
unabhängig von ihrem tatsächlichen<br />
Zustand ausgetauscht. Auf Dauer muss das<br />
Unternehmen vermeidbare Kosten tragen,<br />
die durch Predictive Maintenance eingespart<br />
werden könnten. Dazu kommt: Selbst<br />
enge Wartungsintervalle schützen nicht vor<br />
unerwarteten Maschinenausfällen durch<br />
vorzeitigen Verschleiß oder Materialfehler.<br />
Sowohl bei reaktiven wie auch bei präventiven<br />
Wartungskonzepten werden üblicherweise<br />
keine Prozessdaten gesammelt und<br />
ausgewertet. Damit lassen sich die verschiedenen<br />
Modelle nicht kontinuierlich verbessern<br />
bzw. auf einer exakten Datenbasis an<br />
die jeweiligen Produktionsparameter anpassen.<br />
Sie sind mithin statisch.<br />
Very Big Data<br />
Predictive Maintenance-Strategien benötigen<br />
Daten, sehr viele Daten. Dazu gehören<br />
nicht nur die eigentlichen Sensorinformationen<br />
aus der Maschine, sondern sämtliche<br />
relevanten Parameter: von der Wareneingangskontrolle,<br />
den vorangegangenen Prozessschritten<br />
sowie Umgebungsfaktoren wie<br />
Luftdruck, Temperatur, Feuchtigkeit, bis hin<br />
zur Tageszeit und den Mitarbeitern. Je umfassender<br />
die Datenerhebung, desto aussagestärker<br />
die Voraussagen für die folgenden<br />
Wartungs-Aktivitäten. Mit dieser Aufgabe<br />
dürfte der klassische IT-Verantwortliche<br />
überfordert sein, was die Einschaltung<br />
Mietberufskleidung.<br />
Sauber. Clever. DBL.<br />
DBL – Deutsche<br />
Berufskleider-Leasing GmbH<br />
info@dbl.de | www.dbl.de<br />
<strong>Industrieanzeiger</strong> <strong>09</strong>/10.19