Predictive Maintenance: Chancen und Herausforderungen: Bild: Weidmüller

Daten sind das Gold der vorausschauenden Wartung - Predictive Maintenance soll die Produktion auf ein anderes Level bringen. Bild: Weidmüller

Bei Predictive Maintenance (PM) übermitteln Sensoren Messwerte von Maschinen und Anlagen an eine Wartungsinstanz und ziehen aus diesen ermittelten Daten, Rückschlüsse auf den Zustand der einzelnen Komponente und auf kommende Ausfälle. Dabei ist es möglich, bis zu einem halben Jahr im Voraus einen Ausfall vorherzusagen. Und das geht so: Über einen längeren Zeitraum, werden vorher festgelegte Komponenten überwacht. Diese senden kontinuierlich Signale aus. Eine Software wertet diese Signale, nach vorher vom Maschinenbediener festgelegten Determinanten, als kritisch oder unkritisch aus. Dabei bewegen sich die Signale bei einem unkritischen Zustand gleichmäßig in einem bestimmten Rahmen. Weichen sie von diesem ab, signalisiert das System, je nach Stärke der Abweichung, einen kritischen oder sehr kritischen Zustand. Dabei muss das System zwischen einem Fehler, gemäß DIN ISO 31051 und einem Schaden, DIN ISO 17359 Beiblatt 1 unterscheiden können. Denn ein Fehler führt zu einem sofortigen Ausfall der geforderten Funktion einer Komponente, während bei einem Schaden nur eine Abweichung des Istwertes vom Sollwert innerhalb einer akzeptablen Toleranz vorliegt. Das heißt, bei einem Fehler ist sofortiges Handeln notwendig, ein Schaden dagegen ist zu beobachten und bei passender Gelegenheit zu beseitigen, denn die Komponente läuft noch über einen mehr oder weniger langen Zeitraum zuverlässig.

So weisen Getriebe beispielsweise zwingend nach einer gewissen Laufzeit Schäden auf, die ihre Funktion jedoch nur minimal negativ beeinflussen. Deshalb ist die Kernaufgabe von PM, die zulässigen Toleranzen zwischen kritischen und unkritischen Werten exakt festlegen zu können. Detektiert kann vieles werden: Schäden an Gehäusen, an Wellen, Wälz- und Gleitlagern, Verzahnungsschäden sowie innere und äußere Leckagen. Aber „es kann auch Fehler geben, die es Wert sind, mit Predictive Maintenance überwacht zu werden, die man aber mit heutigen Technologien noch nicht detektieren kann“, bringt Dr. Ralph Werner, Manager Reliability Engineering Industrial Market bei SKF, die Grenzen von PM ins Spiel.

Stillstand vermeiden

Sinn der ganzen Sache ist, durch das Erkennen von hochkomplexen Zusammenhängen, Stillstandszeiten plan- und vermeidbar zu machen, so eine höhere Standzeit zu erreichen und damit eine Kostenreduktion vorzunehmen. Doch die Wartungsinstanz kann nicht nur Störungen vor deren Auftritt melden, sondern bei Schäden auch Produktionsprozessanpassungen vorschlagen und weiß, wann Instandhaltungstermine anstehen und ob diese überhaupt schon notwendig sind oder ausnahmsweise ausgelassen werden können – beispielsweise bei einem hohen Produktionsaufkommen, bei dem ein Wartungsstillstand mehr als ungelegen käme. Das heißt, dass nur noch dann gewartet wird, wenn es notwendig ist und Wartungszyklen nicht mehr ungeplant stattfinden. Für das Erkennen von solch hochkomplexen Zusammenhängen, ist es mit ein paar Sensoren und einer browserbasierten Software allein nicht getan.

Remote Diagnostic Center (RDC) von SKF. Bild: SKF
Wartung für den Kunden - Analyse der eintreffenden Daten im Remote Diagnostic Center (RDC) von SKF. Bild: SKF

Und so liegen die Nachteile auf der Hand. Das System muss an die Anlagensteuerung geknüpft werden, funktioniert ohne Softwareunterstützung nicht und aufgrund der komplexen Logiken innerhalb der Software, sieht das System oft ohne erkennbaren Grund Probleme vorher – auch abhängig von hochqualifiziertem Bedienpersonal, das die komplexen Abläufe verstehen muss. So bestehen diese vor allem im Verständnis der Einstellungen von kritischen und unkritischen Zuständen. Für die Vorhersagezuverlässigkeit „können wir für unsere Cloudumgebung eine Verfügbarkeit geben und einen Mean Time Between Failures (MTBF – Bezeichnung für die mittlere Betriebsdauer zwischen Ausfällen für instandgesetzte Komponenten) für unterschiedliche Anlagenkomponenten, Sensoren oder Analyseeinheiten“, erklärt Dr. Werner und ergänzt: „Aber nicht für das komplette Überwachungsumfeld inklusive Analyse und Gewährleistung der rechtzeitigen Vorhersagbarkeit.“ Somit muss ein Anlagenbetreiber mit einem hohen finanziellen, zeitlichen und personellen Aufwand beim Einstieg in PM rechnen.