Expertenbeitrag

 Karin Pfeiffer

Karin Pfeiffer

Journalistin

IIoT-Geschäftsmodelle Predictive Maintenance: Mehr Wunsch als Wirklichkeit?

Autor: Karin Pfeiffer

Maschinenbauer und ihre Zulieferer haben das Thema Predictive Maintenance auf dem Schirm. Nur wissen die meisten offenbar noch nicht, welche Rolle sie spielen könnten – geschweige denn, wohin die Reise geht. Doch gibt es bereits interessante erste Ansätze.

Firmen zum Thema

Vier von fünf Unternehmen beschäftigen sich zwar bereits intensiv mit dem Thema Predictice Maintenance. Aber nur 40 Prozent haben schon konkret etwas zu bieten.
Vier von fünf Unternehmen beschäftigen sich zwar bereits intensiv mit dem Thema Predictice Maintenance. Aber nur 40 Prozent haben schon konkret etwas zu bieten.
(Bild: Any-Motion)

Wunsch und Wirklichkeit? Bei Predictive Maintenance (PM) kommt das derzeit noch nicht in Deckung. Vier von fünf Unternehmen beschäftigen sich zwar bereits intensiv mit dem Thema. Aber nur 40 Prozent haben in puncto vorausschauende Wartung schon konkret etwas zu bieten. Die Mehrzahl steckt noch mitten in der Entwicklung von Technologien und Services – oder ist sogar noch untätig. Das zumindest ist das Ergebnis der gemeinsamen Studie „Predictive Maintenance: Service der Zukunft – und wo er wirklich steht“ von VDMA, Deutsche Messe und Roland Berger aus diesem Frühjahr.

Bildergalerie
Bildergalerie mit 5 Bildern

Die technische Realisierbarkeit von PM ist nach Meinung der befragten Maschinenbauer und ihrer Zulieferer weitestgehend beherrscht. Es gibt ausgefeilte Sensorik, leistungsfähige Kommunikationsnetzwerke und Computing-Plattformen, etwa für die kontinuierliche Messung von Betriebsparametern und das Erfassen von Echtzeit-Infos über den Betriebszustand: „Predictive Maintenance baut auf Condition Monitoring auf“, so die Studien-Autoren von Roland Berger. Zukunftsorientierte Ausfall- und Verschleißprognosen erfolgten jedoch bisher nicht.

Technik wird weitgehend beherrscht

„Wenn über PM diskutiert wird, ist oft Condition Based Monitoring gemeint: die permanente Überwachung von Maschinendaten, auf deren Basis ermittelt werden kann, ob eine Wartung angezeigt ist“, erklärt Dr. Holger Schlüter, promovierter Elektroingenieur und Associate Director Internet of Things (IoT) der Lufthansa Industry Solutions, die nicht seltene Sicht auf die Dinge im Markt. „Man kann allerdings nicht voraussagen, wann sie oder einzelne Komponenten ausfallen. Dazu müssen in der Regel weitere (externe) Informationsquellen herangezogen werden.“

Mit der Verarbeitung von Massendaten und deren Abgleich mit Fehlerbildern über stochastische Algorithmen können Muster in den Betriebsparametern erkannt, simuliert und interpretiert werden, skizzieren dies die Experten von Roland Berger. Und erst diese Muster ermöglichen die Prognose der Rest-Lebensdauer von Maschinenkomponenten, worin jede Menge Mehrwert für Hersteller, Kunden und auch noch deren Klientel steckt – und das quer durch alle Industrien.

Aventics minimiert Ausfallzeiten

Mit PM ließe sich beispielsweise die ohnehin sehr gute Zuverlässigkeit pneumatischer Anwendungen noch weiter erhöhen, meint Dr. Peter Saffe, Leiter Strategic Sales beim Pneumatik-Spezialisten Aventics. „Produkte, die ausgetauscht werden sollen, melden sich selbst beim Anwender oder Hersteller.“ Das minimiert Ausfallzeiten. „Zusätzlich lassen sich Erkenntnisse darüber gewinnen, mit welchen Maßnahmen Verschleiß verhindert werden kann. Sogar eine Überwachung unzulässiger Betriebssituationen ist damit erheblich einfacher.“

Und wo solche Daten fließen, könnte sich auch die Qualität in der Produktion selbst verbessern, wie etwa die Prescriptive-Maintenance-and-Quality-Lösung von IBM in einer Leichtmetallgießerei von Daimler zeigt. In einem Stuttgarter Werkt produziert der Automobilbauer täglich circa 10.000 Zylinderköpfe und legt IBM zufolge für jeden einen Datensatz an, der die genaue Analyse des Produktionsprozesses über alle Stationen ermöglicht. Über 500 automatisierte Merkmale sammele Daimler, darunter die im Produktionsprozess anfallenden Maße, Zeiten, Temperaturen, die eingesetzten Werkzeuge und mehr. Die Identifikation der entscheidenden Prozessparameter seien die eigentliche Herausforderung gewesen.

Mit einer SPSS Data-Mining-Lösung von IBM gelang es, die Fehlerquote in der Zylinderkopfproduktion binnen 16 Wochen um 50 Prozent zu senken und die Produktivität um 25 Prozent zu steigern. Vergleichbare Predictive-Maintenance-Projekte seien für andere Kunden reproduzierbar, heißt es bei der IBM, die kürzlich auch die erste Watson-basierte Plattform mit kognitiven Services vorgestellt hat.

Antriebsstrang 4.0: Automatische Wälzlagerdiagnose

Aventics hat bereits erste verkaufsfähige Produkte wie den Smart Pneumatics Monitor vorgestellt, der vorausschauend Anlagenzustand und Verschleiß erkennen soll. Schaeffler bietet Unternehmensangaben zufolge mit dem Smart Eco System eine durchgängige Hard- und Software-Infrastruktur von sensorisierten Komponenten bis zu digitalen Services und Geschäftsmodellen. Die Cloud-Infrastruktur bietet Zugriff auf digitale Services wie Anlagenzustand, Restlaufzeitberechnung und automatische Wälzlagerdiagnose. Mit dem sogenannten Technologie-Demonstrator „Antriebsstrang 4.0“ vernetzt Schaeffler bestehende Technik mit neuen digitalen Services.

Die funktionsübergreifende Sicht auf die Dinge halten die Experten für besonders wichtig.

Im Digital Lab von Lufthansa Industry Solutions etwa erproben Software-Entwickler, Ingenieure, Vertriebsmitarbeiter, IT-, IoT- und Big-Data-Experten mit Kunden Konzepte und Prototypen für neue digitale Produkte und Services. Ziel ist es, in einer Industrie-4.0-Umgebung Sensortechnik, Vernetzung, Kommunikation und eine intelligente Datenanalyse im Sinne einer kostengünstigen Gesamtlösung zu kombinieren. „So entwickeln wir intelligente Lösungen, zum Beispiel um Füllstände oder Erschütterungen zu erfassen und zu monitoren. Das ermöglicht Reparaturen, bevor Schäden an Geräten die Produktion lahmlegen“, erklärt Dr. Schlüter. Und gemeinsam mit Balluff hat Lufthansa Industry Solutions Smart Mold-ID entwickelt. Mit dem autarken System können Betreiber von Spritzgussmaschinen ihre Produktion besser überwachen. Die Sensoren zeichnen während des Spritzgussvorgangs Prozessparameter wie Temperatur, Durchfluss und Ruck auf, die in die Cloud übertragen und dort gespeichert werden.

Sensorik und AI: Künftig null Störfälle?

Omrons Vision lautet „Null Störfälle“. Um Lerntechnologien für die Auswertung großer Datenmengen zu entwickeln, setzt Omron dabei auf die Kombination von 4M-Sensorik und AI-Technologien. Und Turck wiederum steigert nach eigenem Bekunden mit der Ultraschallsensor-Serie RU mit IO-Link die Anlagenverfügbarkeit durch vorausschauende Wartung an Förderbändern.

Einen weiteren Ansatz könnten Digital Twins wie etwa das Modell von Rockwell liefern. Das digitale Modell eines Produkts, Systems oder Prozesses ermöglicht es, Tests sowie virtuelle Vergleiche von Echtzeitabläufen vor der Inbetriebnahme durchzuführen. So lassen sich die Produktionszeit, Abfall und Ausschuss reduzieren sowie die Effizienz optimieren.

Nur einige Beispiele, laut Studie existieren bereits zahlreiche Ansätze und erste Lösungen in allen Branchen des Maschinen- und Anlagenbaus. Und nicht nur dort. T-Systems etwa agiert bereits mit Services auf diesem Feld.

Ohne Digitalisierungs-Experten und Data Scientists läuft also vermutlich nichts. Und auch sie brauchen dafür einen anspruchsvollen Mix aus Fähigkeiten, weiß Dr. Frank Kienle. Der Senior Data Scientist beim Anbieter von cloudbasierten Predictive Applications Blue Yonder listet auf: Mathematik mit Wissen in Statistik sowie maschinellen Lernverfahren, Programmieren inklusive der stabilen Überführung in operationale Services und das Verständnis über Geschäftsprozesse sowie deren Einbindung in eine entsprechende Strategie. Die Crux: „Personen, die alle drei Bereiche abdecken, sind sehr selten. Es gibt aktuell leider auch nur sehr wenige Studienprogramme, die alle drei Bereiche ansprechen.“

Es "droht" der Einstieg neuer Wettbewerber

Kein Wunder also, dass laut PM-Studie ein klarer Trend zur Kollaboration erkennbar ist. 69 Prozent der Befragten halten eine Kooperation mit spezialisierten externen Partnern für besonders wichtig, insbesondere im Bereich von Software und Datenanalyse. Sogar eine Zusammenarbeit mit den direkten Wettbewerbern schließen 40 Prozent nicht kategorisch aus.

Mit PM-Technologien wie Sensorik, Vernetzung und Rechenpower bahnen sich neue Wartungs- und Produktionsstrategien an. Das macht allerdings auch den Einstieg neuer Wettbewerber aus der digitalen Welt wahrscheinlicher.

Und da überrascht auch ein zentrales Ergebnis der Studie kaum: Bei Maschinenbauern und Komponentenlieferanten herrscht derzeit noch große Unsicherheit hinsichtlich der eigenen Position und Rolle im künftigen PM-Ökosystem. Die Autoren: „Für den digitalen Maschinenbau steht viel auf dem Spiel.“

(ID:44842512)

Über den Autor

 Karin Pfeiffer

Karin Pfeiffer

Journalistin