Predictive Maintenance (PdM) ist die Wartung, die die Leistung und den Zustand von Geräten während des normalen Betriebs überwacht, um die Wahrscheinlichkeit von Ausfällen zu verringern. Predictive Maintenance, auch bekannt als zustandsbasierte Wartung, wird seit den 1990er Jahren in der Industrie eingesetzt.

In Wirklichkeit ist Predictive Maintenance jedoch viel älter, obwohl ihre Geschichte nicht formell dokumentiert ist. Laut Control Engineering „könnte der Beginn der vorausschauenden Wartung (PdM) gewesen sein, als ein Mechaniker zuerst sein Ohr an den Griff eines Schraubendrehers legte, das andere Ende einer Maschine berührte und erklärte, dass es klang, als würde ein Lager schlecht laufen.“

Das Ziel der vorausschauenden Wartung ist die Fähigkeit, zuerst vorherzusagen, wann ein Geräteausfall auftreten könnte (basierend auf bestimmten Faktoren), gefolgt von der Verhinderung des Ausfalls durch regelmäßig geplante und korrigierende Wartung.

Predictive Maintenance kann nicht ohne Condition Monitoring existieren, das als kontinuierliche Überwachung von Maschinen während der Prozessbedingungen definiert ist, um den optimalen Einsatz von Maschinen sicherzustellen. Es gibt drei Facetten der Zustandsüberwachung: online, periodisch und remote. Online-Zustandsüberwachung ist definiert als die kontinuierliche Überwachung von Maschinen oder Produktionsprozessen, wobei Daten zu kritischen Drehzahlen und sich ändernden Spindelpositionen erfasst werden („Zustandsüberwachung rotierender Maschinen“, Istec International).

Periodische Zustandsüberwachung, die durch Schwingungsanalyse erreicht wird, „gibt Einblick in das sich ändernde Schwingungsverhalten von Anlagen“ mit einer Trendanalyse („Condition Monitoring rotierender Maschinen“, Istec International). Schließlich ermöglicht die Fernzustandsüberwachung, wie der Name schon sagt, die Überwachung von Geräten von einem entfernten Standort aus, wobei Daten zur Analyse übertragen werden.

Vor der Einrichtung eines Programms zur vorausschauenden Wartung muss eine Organisation mehrere Schritte unternehmen, darunter:

• Analyse des Bedarfs und der Gerätehistorie

• Überprüfung aller verfügbaren Aufzeichnungen zu Ausfallzeiten, Gerätedefekten, Verlusten (Ertrag und Energie), potenziellen Bußgeldern und Sicherheit am Arbeitsplatz

• Festlegung von Definitionen und Konzepten sowie Erstellung eines Falles für PdM

• Aufklärung wichtiger Interessengruppen und Beschaffung von Buy-in

• Abschluss eines Geräteinventars und Bewertung der aktuellen Ausrüstungsbedingungen

• Auswahl der Ausrüstung für die anfängliche Implementierung des Programms

• Entwicklung von Systemdetails basierend auf auf einzelne Systeme und/oder Komponenten

• Bewertung vorhandener vorbeugender oder vorausschauender Wartung

• Entscheidung, welche Systeme einbezogen werden sollen und worauf zu prüfen ist

• Definition der Kritikalität des Programms und Festlegung der PdM-Häufigkeit und des Zeitplantyps

• Bewertung der erwarteten Ressourcen und Zuordnung von Personalrollen und -verantwortlichkeiten

• Organisation des Programms und Integration in das Scheduling-System

• Schulung und Beschaffung von Buy-in aus Betrieb und Wartung

• Modernisierung der Ausrüstung und durchführung von Schulungen

• Erstellen eines computergestützten Instandhaltungsmanagementsystems (CMMS)

Rund 65 Prozent des in der Predictive Maintenance Survey 2019 von Reliable Plant befragten Wartungspersonals gaben an, dass sie Predictive Maintenance einsetzen. Predictive Maintenance ist nach der Implementierung und Ausführung ein Eckpfeiler eines erfolgreichen Instandhaltungsprogramms.

Der Unterschied zwischen Predictive Maintenance und Preventive Maintenance

Während viele Wartungsprogramme ein bisschen von beidem verwenden, gibt es mehrere Unterschiede zwischen Predictive Maintenance und Preventive Maintenance. Vorbeugende Wartung umfasste die Inspektion und Durchführung von Wartungsarbeiten an Maschinen, unabhängig davon, ob die Ausrüstung wartungsbedürftig war. Dieser Wartungsplan basiert entweder auf einem Nutzungs- oder einem Zeitauslöser. Zum Beispiel wird eine Heizung jedes Jahr vor dem Winter gewartet, oder ein Auto muss alle 5.000 Meilen gewartet werden.

Außerdem erfordert die vorbeugende Wartung nicht die Komponente der Zustandsüberwachung, die die vorausschauende Wartung benötigt. Da keine Zustandsüberwachung erforderlich ist, erfordert ein vorbeugendes Wartungsprogramm nicht so viel Kapital in Technologie und Schulung. Schließlich erfordern viele vorbeugende Wartungsprogramme eine manuelle Datenerfassung und -analyse.

Während die vorbeugende Wartung anhand des durchschnittlichen Lebenszyklus eines Vermögenswerts bestimmt wird, wird die vorausschauende Wartung anhand voreingestellter und vorbestimmter Bedingungen bestimmter Geräte unter Verwendung verschiedener Technologien identifiziert. Vorausschauende Wartung erfordert auch mehr Investitionen in Menschen, Schulungen und Ausrüstung als vorbeugende Wartung, aber die Zeit- und Kosteneinsparungen werden auf lange Sicht größer sein.

Vor- und Nachteile der vorausschauenden Wartung

Wie bereits erwähnt, sind die Vorteile der vorausschauenden Wartung aus Kosteneinsparungsperspektive enorm und umfassen die Minimierung geplanter Ausfallzeiten, die Maximierung der Gerätelebensdauer, die Optimierung der Mitarbeiterproduktivität und die Steigerung des Umsatzes (Immerman, „The Impact of Predictive Maintenance on Manufacturing“). Ein weiterer Vorteil von Predictive Maintenance ist die Fähigkeit, sowohl ein Wartungsteam als auch eine Organisation zu transformieren, da die Implementierung von PdM es Asset Managern ermöglicht, die Ergebnisse zu verbessern und Prioritäten wie Rentabilität und Zuverlässigkeit besser in Einklang zu bringen.

Einer der Hauptnachteile der vorausschauenden Wartung ist der Zeitaufwand für die Bewertung und Implementierung eines PdM-Zeitplans. Da Predictive Maintenance eine komplexe Initiative ist, muss das Anlagenpersonal nicht nur darin geschult werden, die Geräte zu verwenden, sondern auch, wie die Analysen (oder Daten) interpretiert werden.

Während viele Unternehmen bestehende Mitarbeiter in der vorausschauenden Wartung schulen, gibt es Zustandsüberwachungsunternehmen, die sich darauf spezialisiert haben, die erforderlichen Arbeiten durchzuführen und die Ergebnisse für eine Einrichtung zu analysieren. Neben den Schulungskosten beinhaltet Predictive Maintenance eine Investition in Instandhaltungstools und -systeme. Diese Kosten sind mit der Einführung der Cloud-basierten Technologie im Laufe der Zeit gesunken.

Vorausschauende Wartung vs. Inspektion auf Defekte

Seit einiger Zeit besteht eine beträchtliche Verwirrung über die geeignete Methode zur Inspektion auf das Vorhandensein eines bestimmten Fehlermodus. Soll ich eine Art sensorische Inspektion durchführen? Soll ich eine quantitative Inspektion durchführen? Soll ich eine oder mehrere Condition-Monitoring-Technologien anwenden? Sollte ich eine Kombination dieser Techniken anwenden, um die bedingte Wahrscheinlichkeit zu maximieren, den Defekt zu finden?

Wie erkenne ich das Vorhandensein eines Schlüsselfehlers, um die Zeit zu maximieren, die meine Planungsabteilung für die Entwicklung der Auftragsverfahren, die Erstellung von Arbeitsaufträgen, die Bestellung der Teile sowie die Planung und den Abschluss der Arbeiten benötigt, bevor die bedingte Ausfallwahrscheinlichkeit zu hoch wird? Eine Erläuterung der Arten von Inspektionen und ihrer Ergänzung trägt wesentlich dazu bei, zu klären, welche am besten geeignet sind.

Arten von Defektinspektionstechniken

Sensorische Inspektionen gelten seit langem als das Rückgrat jedes guten Inspektionsprogramms und jeder guten Wartungsarbeit. Es wurde angenommen, dass das Senden von jemandem oft genug, um nach Problemen mit Maschinen zu suchen, dazu führen würde, dass Defekte rechtzeitig erkannt würden, um ungeplante Ausfallzeiten zu minimieren. Der Inspektor würde Sicht, Ton und Berührung verwenden, um festzustellen, ob sich seit der letzten Inspektion etwas geändert hat. Jede Änderung würde von einem Handwerker beim nächsten geplanten Ausfall aufgezeichnet, gemeldet und untersucht.Während es einen enormen Nutzen gibt, jemanden zur Durchführung von Inspektionen zu schicken, gibt es so viele Lücken in dieser Strategie, dass sie niemals als Rückgrat des Inspektionsprogramms betrachtet werden sollte. Sensorische Inspektionen identifizieren in der Regel nur die offensichtlichsten und drastischsten Probleme. Für eine sensorische Inspektion ist es nahezu unmöglich, interne Defekte in Maschinen frühzeitig zu erkennen.

Erweiterte sensorische Inspektionen

Erweiterte sensorische Inspektionen füllen diese Grauzone. Sie sind sowohl eine sensorische Inspektion als auch eine quantitative Messung mit zustandsüberwachenden Eigenschaften. Diese Inspektionen verwenden Instrumente wie Punktradiometer, Blitzlichter, Handvibrationsstifte und einfache Ultraschallmessgeräte, um Defekte weiter oben in der PF-Kurve zu erkennen. Während diese Werkzeuge die Kraft der menschlichen Sinne vervielfachen, haben sie ihre Grenzen. Diese einfachen Tools ermöglichen zwar die Erkennung verschiedener Fehlermodi, sollten jedoch kein umfassendes Zustandsüberwachungsprogramm ersetzen.

Quantitative Inspektionen

Quantitative Inspektionen können nützliche Informationen liefern, wenn es darum geht, Daten für Trends zu generieren und die charakteristische Lebensdauer eines Fehlermodus zu bestimmen. Quantitative Inspektionen brauchen jemanden, der etwas misst. Sehr häufige quantitative Inspektionen umfassen die Messung der Temperatur einer Dichtung an einer Pumpe oder die Messung des Rückplattenspiels an einem Pumpenlaufrad. Diese Messungen liefern dem Planer und Ingenieur Daten und helfen, den Bedarf an weiteren Wartungsmaßnahmen zu ermitteln.

Wenn ein quantitatives Inspektionsverfahren richtig konzipiert ist, werden Grenzwerte und typischerweise erwartete Messungen detailliert beschrieben. Jede Inspektion, bei der jemand etwas messen muss, sollte die minimalen, maximalen und typischen Werte haben, wobei bedingte Aufgaben definiert sind, wenn die Grenzwerte überschritten werden. Eine quantitative Inspektion, die mit der richtigen Inspektionshäufigkeit durchgeführt wird, führt jedoch selten zu einer Messung, die die Grenzwerte überschreitet.

Predictive Maintenance als Defektinspektionstechnik

Condition Monitoring, auch bekannt als Predictive Maintenance (PdM), ist die Anwendung zustandsbasierter Überwachungstechnologien, statistischer Prozesssteuerung oder Geräteleistung zur Früherkennung und Beseitigung von Gerätedefekten, die zu ungeplanten Ausfallzeiten oder unnötigen Ausgaben führen können.

Und im Allgemeinen müssen Sie dies durchführen, während sich das Gerät im normalen Betrieb befindet, mit wenig bis gar keiner Prozessunterbrechung. Der Zweck dieser Werkzeuge (Schwingungsanalyse, Infrarot-Thermographie, Motorkreisanalyse, etc.) ist zu finden mängel nicht gefunden durch zuvor verfügbaren inspektionen methoden, während die maschine ist in normalen betrieb.

Wenn Sie die verfügbare Technologie nutzen, können Sie den Zustand von Teilen und das Vorhandensein von Defekten beurteilen, die bisher nicht erkannt werden konnten. Ein Beispiel für den Vorteil, den diese Werkzeuge im Bereich der quantitativen oder sensorischen Prüfungen haben, ist der Einsatz der Schwingungsanalyse zur Feststellung des Vorhandenseins eines Defekts an einem Wälzlager.

Bisher verließen sich Mechaniker und Mühlenbauer auf „Lift Checks“, um das Spiel in einem Lager zu bestimmen. Unglücklicherweise, Diese Technik gilt nur für Lagerfehler, die zur Entfernung von Material aus den Laufbahnen des Lagers führten; Dieses Lager wäre ziemlich schlecht dran, Tausendstel Zoll Spiel darin zu haben.

Die Ermüdung des Untergrunds ist bei der Schwingungsanalyse leicht zu erkennen, und zu diesem Zeitpunkt der Fehlerausbreitung hat sich kein Materialabtrag von den Laufbahnen ergeben. Dies ist das häufigste Beispiel für die Vorteile von Predictive Maintenance-Technologien.

Es gibt verschiedene Arten von Defektinspektionstechniken, die an einer Maschine angewendet werden können, und jede hat ihre Vor- und Nachteile. Diese Techniken sind jedoch kein exakter Ersatz für einander. Jeder bestimmt das Vorhandensein des Defekts an verschiedenen Stellen entlang der P-F-Kurve und gibt der Planungsfunktion als Ergebnis jeweils unterschiedliche Zeitmengen, um auf den Defekt zu reagieren.

Eine Fehlermoden-, Effekt- und Kritikalitätsanalyse (FMECA) kann Ihnen helfen, zu bestimmen, welche Inspektionstechniken wie oft und mit welchem Grad an Redundanz angewendet werden sollten. Denken Sie daran, der Trick besteht darin, das Risiko mit der Strenge in Einklang zu bringen. Wie viel Risiko Sie bereit sind, bei einem bestimmten Fehlermodus einzugehen, und wie viel Sie bereit sind, für die Inspektion zu zahlen, bestimmt die geeignete Strategie.

Predictive Maintenance Technologies

Wie der Name schon sagt, besteht das Ziel von Predictive Maintenance darin, vorherzusagen, wann eine Wartung erforderlich ist. Während es keine magische 8-Kugel gibt, gibt es mehrere Zustandsüberwachungsgeräte und -techniken, die eingesetzt werden können, um einen Ausfall effektiv vorherzusagen und eine erweiterte Warnung für die Wartung am Horizont bereitzustellen.

Infrarot-Thermografie

Die Infrarot-Thermografie (IR), die als zerstörungsfreie oder nicht-invasive Prüftechnologie bekannt ist, ist in der vorausschauenden Wartung weit verbreitet. Mit IR-Kameras kann das Personal hohe Temperaturen (auch bekannt als Hotspots) in Geräten erkennen. Verschlissene Komponenten, einschließlich fehlerhafter Stromkreise, geben typischerweise Wärme ab, die als Hotspot auf einem Wärmebild angezeigt wird („Predictive Maintenance“, Lean Manufacturing Tools).

Durch die schnelle Identifizierung von Hotspots können Infrarotinspektionen Probleme lokalisieren und kostspielige Reparaturen und Ausfallzeiten vermeiden. Infrarot-Technologie gilt als „eine der vielseitigsten Predictive Maintenance-Technologien zur Verfügung … verwendet, um alles von einzelnen Komponenten von Maschinen, Anlagen, Dächer und sogar ganze Gebäude zu studieren“, (Steuerungstechnik). Weitere Anwendungen für die Infrarottechnologie umfassen die Erkennung thermischer Anomalien und Probleme mit Prozesssystemen, die auf Wärmespeicherung und / oder -übertragung angewiesen sind.

Akustische Überwachung

Mit akustischen Technologien kann das Personal Gas-, Flüssigkeits- oder Vakuumlecks in Geräten auf Schall- oder Ultraschallebene erkennen. Als weniger teuer als Ultraschall-Technologie, Sonic-Technologie ist nützlich für mechanische Geräte, aber in ihrer Verwendung begrenzt. Die Ultraschalltechnologie hat mehr Anwendungen und ist zuverlässiger bei der Erkennung mechanischer Probleme.Es ermöglicht einem Techniker, „Reibung und Spannung in rotierenden Maschinen zu hören, die eine Verschlechterung früher vorhersagen können als herkömmliche Techniken“ („Predictive Maintenance“, Wikipedia), indem er mithilfe von Instrumenten Geräusche im 20- bis 100-Kilohertz-Bereich in „akustische oder visuelle Signale“ umwandelt, die von einem Techniker gehört / gesehen werden können. Diese hohen Frequenzen sind die genauen Frequenzen, die durch abgenutzte und untergeschmierte Lager, fehlerhafte elektrische Geräte, undichte Ventile usw. erzeugt werden.“ (Wright, „How to Leverage Multiple Predictive Maintenance Technologies“).Während sowohl Schall- als auch Ultraschalltests teuer sein können, gibt es eine andere Form der akustischen Überwachung, die durchaus erschwinglich ist: die Ohren eines Technikers. „Etwas so Einfaches wie das Erkennen eines Öllecks oder eines Getriebes, das seltsam klingt, könnte und führt oft dazu, einen katastrophalen Ausfall zu verhindern und Zehntausende von Dollar an Verlusten zu vermeiden“ (Wright, „How to Leverage Multiple Predictive Maintenance Technologies“).

Vibrationsanalyse

Die Vibrationsanalyse wird hauptsächlich für rotierende Hochgeschwindigkeitsgeräte eingesetzt und ermöglicht es einem Techniker, die Vibrationen einer Maschine mithilfe eines Handanalysators oder in das Gerät integrierter Echtzeitsensoren zu überwachen. Eine Maschine, die im Spitzenzustand arbeitet, weist ein bestimmtes Vibrationsmuster auf. Wenn Komponenten wie Lager und Wellen zu verschleißen beginnen und ausfallen, erzeugt die Maschine ein anderes Vibrationsmuster. Durch die proaktive Überwachung des Geräts kann ein geschulter Techniker die Messwerte mit bekannten Fehlermodi vergleichen, um festzustellen, wo Probleme auftreten.

Zu den Problemen, die mit der Schwingungsanalyse erkannt werden können, gehören Fehlausrichtungen, verbogene Wellen, unwuchtete Komponenten, lose mechanische Komponenten und Motorprobleme.

Die Sicherstellung, dass Techniker geschult werden, ist von entscheidender Bedeutung, da es schwierig sein kann, Maschinenausfälle mithilfe von Vibrationsanalysen vorherzusagen. Viele Organisationen bieten eingehende Schulungen an, um Einzelpersonen auf die Zertifizierung als Schwingungsanalytiker vorzubereiten. Der einzige Nachteil bei der Verwendung der Vibrationsanalyse sind die Kosten, die mit der Implementierung mit einem PdM-Programm verbunden sind.

Ölanalyse

Die Ölanalyse ist ein effektives Werkzeug in der vorausschauenden Wartung. Es ermöglicht einem Techniker, den Zustand des Öls zu überprüfen und festzustellen, ob andere Partikel und Verunreinigungen vorhanden sind. Einige Ölanalysetests können die Viskosität, das Vorhandensein von Wasser oder Verschleißmetallen, die Partikelzahl und die Säurezahl oder Basenzahl aufdecken.

Einer der Vorteile der Ölanalyse besteht darin, dass die ersten Tests eine Basis für eine neue Maschine bilden. Bei richtiger Durchführung kann die Ölanalyse eine Vielzahl von Ergebnissen liefern, die dazu beitragen, die vorausschauende Wartung erfolgreich zu gestalten.

Andere Technologien

Neben diesen Techniken können Anlagen auch andere Technologien wie die Motorzustandsanalyse verwenden, die den Betriebs- und Laufzustand von Motoren detailliert beschreibt; und Wirbelstromanalyse, die Änderungen der Rohrwanddicke in Zentrifugalkühlern und Kesselsystemen identifiziert. Endoskopinspektionen, KMGS, Datenintegration und Zustandsüberwachung können ebenfalls zur vorausschauenden Wartung beitragen. Obwohl es verschiedene Technologien gibt, die Ihre PdM-Bemühungen unterstützen, ist es wichtig, die richtige auszuwählen, um den Erfolg sicherzustellen.

Business Case für Predictive Maintenance

Um Kapitalrenditen zu erzielen und Maschinen mit maximaler Effizienz am Laufen zu halten, müssen Anlagen mehr Wert auf Predictive Maintenance legen. Laut dem Wall Street Journal „kosten ungeplante Ausfallzeiten die industriellen Hersteller jährlich schätzungsweise 50 Milliarden US-Dollar. Geräteausfälle sind die Ursache für 42 Prozent dieser ungeplanten Ausfallzeiten. Ungeplante Ausfälle führen zu übermäßiger Wartung, Reparatur und Austausch von Geräten.“Da Betrieb und Management auf Kostensenkung und Produktivitätssteigerung ausgerichtet sind, wird die Notwendigkeit einer vorausschauenden Wartung deutlich, da es schwierig ist, kostengünstige, langfristige Entscheidungen für eine Anlage zu treffen.

Der Wert von Predictive Maintenance ergibt sich aus einem kosten- und/oder zeitsparenden Ansatz, da die Wartung nur bei Bedarf durchgeführt wird. In der Tat, mehrere Studien von den USA. Das Energiemanagementprogramm des US-Energieministeriums ergab, dass ein ordnungsgemäß funktionierendes Programm zur vorausschauenden Wartung Einsparungen zwischen 30 und 40 Prozent gegenüber der reaktiven Wartung und 8 bis 12 Prozent gegenüber der vorbeugenden Wartung bietet.

Damit eine PdM-Strategie erfolgreich ist, müssen mehrere Kriterien berücksichtigt und erfüllt werden. Erstens sollte das Engagement von oben nach unten kommen. Die gesamte Organisation muss sich dazu verpflichten, die vorausschauende Wartung zu einem obligatorischen Bestandteil der normalen Zeitpläne zu machen. Alle Prozessbediener müssen auch geschult und in die Durchführung der erforderlichen Wartungsprüfungen einbezogen werden. Darüber hinaus muss die gesamte Organisation die tatsächlichen Kosten und Auswirkungen einer schlechten Wartung verstehen. Schließlich müssen PdM-Verfahren sofort implementiert werden, damit die Organisation die Vorteile nutzen kann.

Während viele die Bedeutung der vorausschauenden Wartung für hochwertige Maschinen erkennen, ist PdM auch für die Überwachung kleinerer, alltäglicher Anlagen wie Kaffeemaschinen, Drucker, Frankiermaschinen und mehr geeignet. In der Realität kann eine ganze Anlage von der Implementierung einer vorausschauenden Wartung profitieren.

Anwendungen für Predictive Maintenance

Die größte Anwendung für Predictive Maintenance liegt im verarbeitenden Gewerbe. Da Produktionsanlagen weiterhin der Nachfrage nach Produktivitätssteigerungen ausgesetzt sind, wurden mehrere Wartungsstrategien entwickelt und implementiert. Die meisten davon waren jedoch reaktiv. Viele Einrichtungen besitzen eine Denkweise von „Wenn es nicht kaputt ist, repariere es nicht.“ Leider trägt diese Denkweise zu ungeplanten Wartungs- und Ausfallzeiten bei.

Wie bereits erwähnt, begannen Anlagen Anfang der 1990er Jahre mit der Implementierung von Predictive Maintenance. Damals erschwerten „die mangelnde Verfügbarkeit von Sensoren, die Daten generieren, sowie mangelnde Rechenressourcen für die Erfassung und Analyse der Daten die Implementierung von PdM“ („Predictive Maintenance in Manufacturing Overview“, Microsoft Azure).

Mit der Einführung des Internets der Dinge (IoT), des maschinellen Lernens, des Cloud Computing und der Big Data-Analyse hat die Fertigungsindustrie bei der Implementierung von Predictive Maintenance Fortschritte erzielt, was zu einer erhöhten Verfügbarkeit und Qualitätskontrolle, einer Optimierung der Wartungswege, einer verbesserten Arbeitssicherheit und einer höheren Produktivität geführt hat. Da Hersteller mit engen Margen und Zeitrahmen arbeiten, ist der Gedanke an ungeplante Ausfallzeiten unerwünscht geworden. Predictive Maintenance kann eine Lösung bieten.

Eine weitere Anwendung von PdM liegt im Bahnbereich, insbesondere im Zusammenhang mit der digitalen Transformation der Bahnindustrie. Da Züge eine hohe Anfangsinvestition haben, liegt der Schwerpunkt darauf, sie so lange wie möglich in Betrieb zu halten. Predictive Maintenance ermöglicht es Bahnunternehmen, durch eine Vielzahl von Technologien und Software, die die Betriebskosten senken und die Lebensdauer der Flotte verlängern, den größtmöglichen Nutzen aus ihrer Zugflotte zu ziehen.

Im Eisenbahnsektor wird Predictive Maintenance eingesetzt, um Probleme mit linearen, festen und mobilen Anlagen zu erkennen; verbessern Sie die Sicherheit und verfolgen Sie die Erkennung von Lücken durch fahrzeugkabinenbasierte Überwachungssysteme. und identifizieren Sie die Art des Track-Assets, unter dem sich die Lücke befindet, sowie einen Hinweis auf den Schweregrad der Lücke.

Laut einem Artikel in MaintWorld „wird erwartet, dass die zuverlässige Instandhaltung von Eisenbahnen in Zukunft auf intelligente Transportsysteme und miteinander verbundene Lösungen wie vorausschauende Wartung und integrierte Sicherheitstools angewiesen ist, um kritische Probleme wie Sicherheit, Verspätungen und Gesamtsystemkapazität zu verbessern“ (Peycheva, „Railway Goes Smart with Predictive Maintenance and Industry 4.0 CMMS“).

Während die Modernisierung ihrer Instandhaltungssysteme traditionell nur langsam voranschreitet, wird die Öl- und Gasindustrie zu einem wichtigen Befürworter der vorausschauenden Instandhaltung. Jeden Tag sammeln Öl– und Gasunternehmen riesige Datenmengen über Sensoren – insbesondere drahtlose Sensoren – auf Ölfeldern auf der ganzen Welt. Da der Öl- und Gasbetrieb komplexer wird, wird es schwieriger, den Zustand der Ausrüstung zu erkennen, insbesondere an abgelegenen Offshore- und Tiefwasserstandorten.

In einem Whitepaper aus dem Jahr 2015 hat MapR Technologies Inc. „Öl- und Gasunternehmen haben eine große Chance, die Effizienz zu steigern und die Betriebskosten durch bessere Anlagenverfolgung und vorausschauende Wartung zu senken.“Predictive Maintenance könnte als Wettbewerbsvorteil für Öl- und Gasunternehmen sowie die damit verbundenen Dienstleistungsunternehmen angesehen werden, insbesondere in Zeiten einer Rezession, in denen Unternehmen gezwungen sind, Wege zu finden, effizienter und effektiver zu arbeiten. Predictive Maintenance betrifft natürlich nicht nur die Fertigungs-, Bahn-, Öl- und Gasindustrie. In anderen Anwendungen wird PdM verwendet, um:

• Verhindern Sie Versorgungsausfälle mithilfe von Drohnen und Sensoren, die Versorgungsnetze abbilden

• Erkennen Sie einen Temperaturabfall in einer Dampfleitung, der auf ein potenzielles Druckleck hinweist

• Erfassen Sie erhöhte Temperaturen in Schalttafeln, um Komponentenausfälle zu verhindern

• Messen Sie die versorgungs- und nachfrageseitige Leistung an einem gemeinsamen Kopplungspunkt zur Überwachung des Stromverbrauchs

• Lokalisieren überlastungen in schalttafeln

• Identifizieren motor stromstärke spikes oder überhitzung von schlechte lager oder isolierung ausfälle

• Finden Sie dreiphasige Leistungsungleichgewichte durch harmonische Verzerrung, Überlastung, Verschlechterung oder Ausfall einer oder mehrerer Phasen

IIoT– und PdM–Integration

Einer der wichtigsten Faktoren – wenn nicht der wichtigste Faktor – für ein erfolgreiches Programm zur vorausschauenden Wartung ist die Nutzung und Integration des industriellen Internets der Dinge (IIoT). Laut einem Bericht von Deloitte ist „das Internet der Dinge (IoT) vielleicht das größte Stück des PdM-Puzzles … IoT übersetzt physische Aktionen von Maschinen in digitale Signale mit Sensoren wie Temperatur, Vibration oder Leitfähigkeit … Sobald die physischen Aktionen über Sensoren in digitale Signale übersetzt wurden, werden sie verarbeitet, aggregiert und analysiert. Mit der Erschwinglichkeit von Bandbreite und Speicher können riesige Datenmengen übertragen werden, um nicht nur ein vollständiges Bild der Assets in einer einzelnen Anlage, sondern eines gesamten Produktionsnetzwerks zu erhalten “ (Coleman et al., „Predictive Maintenance und die Smart Factory“). Um erfolgreich zu sein, setzt Predictive Maintenance auf Sensoren zur Erfassung und Analyse von Daten aus verschiedenen Quellen, wie z. B. einem KMG und Sensoren für kritische Geräte. Mit diesen Daten ist das IIoT in der Lage, „fortschrittliche Vorhersagemodelle und Analysetools zu erstellen, um Fehler vorherzusagen und proaktiv zu beheben. Darüber hinaus können neue maschinelle Lerntechnologien im Laufe der Zeit die Genauigkeit der Vorhersagealgorithmen erhöhen, was zu einer noch besseren Leistung führt “ (Coleman et al., „Predictive Maintenance und die Smart Factory“).

In Kombination mit vorausschauender Wartung hat das IIoT die Fähigkeit, Geräteausfälle im Voraus zu erkennen. Mit der Einführung von Industrie 4.0 in der Fertigung sind Einrichtungen bestrebt, das IIoT zu nutzen, um bessere Einblicke in den Betrieb zu erhalten.

Predictive Maintenance und Return on Investment

Die Implementierung von Predictive Maintenance erfordert erhebliche Investitionen in Geld, Personal und Bildung. Während diese anfänglichen Investitionen für ein Unternehmen entmutigend erscheinen mögen, überwiegt der Return on Investment (ROI) von Predictive Maintenance bei weitem die Vorlaufkosten.Laut einem aktuellen Bericht von Deloitte haben mehrere Einrichtungen eine 5-10-prozentige Kosteneinsparung bei den Materialausgaben für Betrieb und Wartung, Reparatur und Betrieb (MRO), eine 5-10-prozentige Reduzierung der Gesamtwartungskosten und reduzierte Lagerhaltungskosten erzielt. Weitere Daten des US-Energieministeriums zeigen auch, dass die Implementierung eines funktionalen PdM-Programms das Potenzial hat, den ROI um das Zehnfache zu steigern, die Wartungskosten um 25 bis 30 Prozent zu senken, die Ausfälle um 70 bis 75 Prozent zu senken und die Ausfallzeiten um 35 bis 45 Prozent zu senken.“Was die Wartungskosten betrifft, so kostet die vorbeugende Wartung 13 USD pro Stunde und die vorausschauende Wartung 9 USD pro Stunde, was die vorausschauende Wartung zu einer günstigeren Option macht“ (Ulbert, „The Difference Between Predictive Maintenance and Preventive Maintenance“).

Coleman, Chris, Satish Damodaran und Ed Deuel. „Predictive Maintenance und die Smart Factory.“ Deloitte. 2017. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/process-and-operations/us-cons-predictive-maintenance.pdf
„Zustandsüberwachung von rotierenden Maschinen. In: “ Istec International. Zugriff am 1. November 2018. https://www.istec.nl/en/condition-monitoring-rotating-machines/.

Steuerungstechnik. „Predictive Maintenance Technologien.“ Zugriff am 4. November 2018. https://www.controleng.com/single-article/predictive-maintenance-technologies/72faca6f85ddaef6b4479583b2741e6c.html.

Immerman, Graham. „Die Auswirkungen von Predictive Maintenance auf die Fertigung.“ MachineMetrics. Zugriff am 1. November 2018. https://www.machinemetrics.com/blog/the-impact-of-predictive-maintenance-on-manufacturing.

Werkzeuge für die schlanke Fertigung. „Vorausschauende Wartung.“ Zugriff am 2. November 2018. http://leanmanufacturingtools.org/427/predictive-maintenance/.

Peycheva, Ralitsa. „Die Bahn wird smart mit Predictive Maintenance und Industrie 4.0 CMMS.“ MaintWorld. Oktober 11, 2017. Zugriff am 4. November 2018. .

„Predictive Maintenance in der Fertigung im Überblick.“ Microsoft Azure. 1. Mai 2018. Zugriff am 4. November 2018. https://docs.microsoft.com/en-us/azure/industry/manufacturing/predictive-maintenance-overview.

„Vorausschauende Wartung mit Hadoop für die Öl- und Gasindustrie“, MapR Technologies Inc., Mai 2015. https://mapr.com/resources/predictive-maintenance-using-hadoop-oil-and-gas-industry/.Ulbert, Sebastian, „Der Unterschied zwischen Predictive Maintenance und Preventive Maintenance“, Coresystems, 15.September 2015. Zugriff am 2. November 2018. https://www.coresystems.net/blog/the-difference-between-predictive-maintenance-and-preventive-maintenance.In:Wall Street Journal. Zugriff am 2. November 2018. https://partners.wsj.com/emerson/unlocking-performance/how-manufacturers-can-achieve-top-quartile-performance/.In:Wikipedia. „Predictive Maintenance.“ Accessed October 11, 2018. https://en.wikipedia.org/wiki/Predictive_maintenance.

Wright, Jeremy. „How to Leverage Multiple Predictive Maintenance Technologies.“ Machinery Lubrication. Accessed November 1, 2018. https://www.machinerylubrication.com/Read/29819/predictive-maintenance-technologies