Suchen

Expertenbeitrag

Andreas Ertel

Andreas Ertel

Client Technologist, OEM Solutions, Dell | EMC Germany

Predictive Maintenance mit IoT und Big Data

Don't call us, we call you

| Autor/ Redakteur: Andreas Ertel / Redaktion IoT

Unternehmen sind heute auf eine hohe Verfügbarkeit ihrer Anlagen und Maschinen angewiesen. Predictive Maintenance kann Störungen rechtzeitig erkennen und sogar vorhersagen. Auf diese Weise lassen sich Ausfallzeiten und Wartungskosten erheblich reduzieren.

Die Industrie hat heute einen großen Bedarf an effizienten Wartungsprozessen
Die Industrie hat heute einen großen Bedarf an effizienten Wartungsprozessen
( Dell Inc. )

Angesichts immer komplexerer Produkte, die über einen langen Produktlebenszyklus funktionieren sollen, rückt die Instandhaltung in den Fokus der Unternehmen. Zum einen müssen sie für die eigenen Anlagen eine hohe Betriebsbereitschaft sicherstellen, um ungeplante Unterbrechungen im Produktionsfluss zu vermeiden. Gerade in Just-in-Time-Szenarien, bei kurzen Projektlaufzeiten und engen Terminplänen ist eine hochentwickelte Instandhaltung Voraussetzung für den Erfolg. Zum anderen gehören entsprechende Services mittlerweile auch zu den unverzichtbaren Leistungen, vor allem in Verbindung mit Garantie- und Gewährleistungszusagen, die häufig mit Wartungsvorschriften verbunden sind.

Mit einer Ad-hoc-Wartung nach Augenmaß – "rufen Sie einfach an, wenn was nicht läuft" – wird man sich in diesem Markt schwerlich behaupten können. Gefragt ist eine Wartung, die sich nicht an festen Zyklen orientiert, sondern die an tatsächliche Betriebszustände anknüpft. Predictive Maintenance, also vorausschauende Wartung, weiß, wann in Bauteilen oder Komponenten eine Störung auftreten wird, und leitet entsprechende Maßnahmen ein; im Idealfall weiß der Hersteller vor dem jeweiligen Anwender, ob und wann es zu einem Störfall kommt. Es heißt nun: "Don't call us, we call you."

Die Industrie hat heute einen großen Bedarf an effizienten Wartungsprozessen, und mit den Konzepten von Industrie 4.0 und mit dem Internet der Dinge (IoT) stehen entsprechende technische Antworten zur Verfügung. Seit Maschinen und Anlagen umfassend mit hoch entwickelter Sensorik ausgestattet sind, seit diese einfach in eine überall verfügbare Infrastruktur eingebunden werden kann, stehen Betriebsdaten in Hülle und Fülle zeitnah zur Verfügung. Kein System ist zu klein, keine Einsatzbedingungen sind zu schwierig, um sich nicht für die Erfassung zu eignen.

Mit diesen Betriebsdaten kann man zum einen den Zustand einzelner Anlagen exakt kontrollieren, und so individuelle Fehler rechtzeitig erkennen. Zum anderen fallen durch diese umfassende Datensammlung so viele Daten über alle Systeme und die jeweiligen Einsatzbedingungen an – beispielsweise Umgebungstemperatur oder Luftfeuchtigkeit –, dass eine per­fekte Datenbasis für statische Verfahren entsteht. Damit lassen sich dann mit entsprechenden Algorithmen Wahrscheinlichkeiten für Störfälle ermitteln. Man kann nun zum Beispiel folgern, dass ein Störfall auftreten könnte, weil unter gegebenen Betriebsbedingungen bei einem bestimmten Einsatzprofil in der Vergangenheit 70 Prozent aller Systeme ausgefallen sind; daher führt der Hersteller nun vorsorglich eine Wartungsmaßnahme aus und tauscht vielleicht eine Komponente, die individuell problemlos läuft.

Innovative Wartung

Auf Basis von IoT-Technologien und mit Big-Data-Analytics können Betreiber und Hersteller von Maschinen und Anlagen innovative Lösungen für eine vorausschauende Wartung aufbauen. Dadurch lassen sich ungeplante Ausfallzeiten, aber auch die Maintenance-Kosten deutlich reduzieren.

Ausgangspunkt für einen Predictive-Maintenance-Prozess bildet die Datenerhebung (Data Acquisition), bei der das Sensor-Netzwerk die Betriebsdaten an ein IoT-Gateway, beispielsweise ein Dell Edge Gateway 5000, sendet. Dieses Gateway nimmt gleich vor Ort für die Daten der Sensoren eine Qualitätskontrolle und Integritätsprüfung vor, aggregiert sie und leitet sie an Backend-Systeme weiter. Dort werden Daten aus unterschiedlichen Quellen zusammengeführt (Data Collection and Aggregation). Für die eigentliche detaillierte Auswertung (Data Analytics) sorgen dann Big-Data-Lösungen, die auf den Storage-Systemen laufen. Die Aufbereitung der Analyseergebnisse erfolgt schließlich mit Visualisierungsfunktionen, wie sie Business-Intelligence-Tools bereitstellen.

OEM Dell

Mit einer derartigen Lösung können auch bestehende Anlagen nachgerüstet werden; sie können auch zunächst nur für einzelne Maschinen oder Prozessschritte implementiert werden. Eine inkrementelle Strategie ist also ohne weiteres möglich. Wichtig ist dabei, dass sich das IoT-Gateway softwaremäßig anpassen lässt, denn so können die Betreiber über individuelle Applikationen festlegen, welche Daten aus dem Produktionsprozess welche Maintenance-Aktionen auslösen sollen.

Über den Autor

Andreas Ertel

Andreas Ertel

Client Technologist, OEM Solutions, Dell | EMC Germany