Bild: IBM

Bild: IBM

Diese drei As entscheiden damit nicht selten auch über die Reputation und Wettbewerbsfähigkeit eines ganzen Unternehmens. „Zero Downtime“ lautet die Vorgabe. Ein Ziel, das durch den Einsatz von Predictive Maintenance erreichbar wird - wenn die richtigen Daten aus den Anlagen und Prozessen mit den richtigen Analyse-Algorithmen kombiniert werden.

Der Automobilkonzern Daimler setzt IBM Predictive Maintenance beispielsweise in der Zylinderkopfproduktion ein und schaffte damit eine 25-prozentige Steigerung der Produktivität. Auch die BMW Group arbeitet mit einer Lösung, um Schwachstellen im Produktionsprozess zu erkennen. Nur zwei Beispiele stellvertretend für immer mehr Unternehmen, die, egal ob Mittelstand oder Großkonzern, gegenwärtig an Strategien arbeiten, wie und wo sie mit Predictive Maintenance ihre KPIs verbessern können. IBM unterstützt ihre Kunden nicht nur mit der entsprechenden Software, sondern bringt das entsprechende Branchen-Know-how und die Beratung mit ein.

Mit vorausschauender Wartung kann zudem richtig viel Geld gespart werden. So haben wir gemeinsam mit einem bedeutenden Investitionsgüterhersteller ein Projekt realisiert, bei dem durch den Einsatz einer Predictive Maintenance Lösung tatsächlich bemerkenswerte Einsparungen erzielt wurden: Das Unternehmen hat es mit Hilfe unserer Software geschafft, allein durch die Identifizierung einer Störung noch vor dem Anlagen-Ausfall in nur zwei Wochen eine Million Euro zu sparen und innerhalb von vier Monaten einen Return-on-Investment von sagenhaften 400 Prozent zu erzielen.

Warum ist das so? Die Welt hat Wartung lange nach Planung gelebt. Wir alle fahren brav und vorsorglich nach einem bestimmten Rhythmus mit unserem Auto zur Inspektion, auch Maschinen und Anlagen werden routinemäßig gewartet. Der Haken: Wir geben das Auto in die Werkstatt wenn ihm möglicherweise überhaupt nichts fehlt, wir warten Maschinen, wenn sie es noch gar nicht brauchen und merken trotzdem zu spät, dass nebenan eine geschäftskritische Anlage ausfällt, weil wir Warnsignale übersehen haben. In den Unternehmen lauten die Stichworte dafür Continuous Monitoring und präventive Instandhaltung. Das ist für die meisten immer noch Stand der Technik. Sie ist teuer, ineffizient und mittlerweile auch nicht mehr State-of-the-Art. Denn der Zustand von Autos, Maschinen und Anlagen folgt keinem starren Schema – ihre Zuverlässigkeit ist abhängig von den unterschiedlichsten Faktoren. Faktoren, die wir heute mit relativ wenig Aufwand messen, überwachen und analysieren können. Das gilt für ältere Maschinen und Anlagen, die mittlerweile meist problemlos mit der notwendigen intelligenten Sensorik nachgerüstet werden können, aber erst recht für sogenannte Cyber-Physikalische-Systeme (CPS), die von vorneherein bereits damit ausgestattet sind. Sie alle liefern Daten für eine am aktuellen Zustand des Objekts ausgerichtete Wartung.

IBM geht den nächsten Schritt

Ein Problem nahezu aller Predictive-Maintenance-Lösungen ist jedoch ihre Unfähigkeit, mit unterschiedlichen Datenformaten und Quellen gleichermaßen umzugehen: Sie können Texte nicht lesen, Sprache nicht verstehen, Bilder nicht interpretieren – das aber sind rund 80 Prozent aller weltweit generierten Informationen. IBM bietet hier mit dem kognitiven System Watson eine vollkommen neue Perspektive. Auch für die vorausschauende Wartung. Denn damit wird es erstmals möglich, beispielsweise ganze Handbücher oder handschriftlich formulierte Wartungsberichte in Einheit mit den reinen Maschinedaten integriert auszuwerten. Ein echter Paradigmenwechsel für Predictive Maintenance also.
Ein weiterer Punkt ist die Inanspruchnahme und Auswertung externer Datenquellen. IBM schließt zu diesem Zweck immer mehr Kooperationen mit Datenanbietern, wie beispielsweise The Weather Company. Damit kann die vorausschauende Wartung noch weiter verfeinert und optimiert werden. Und genau hier liegt auch der Schlüssel für eine neue Ära kognitiver Wartung, die „Zero Downtime“ in ihrer DNA buchstäblich verankert.