Predictive Maintenance
RWTH Aachen bietet Handlungsleitfaden
Einen generischen Handlungsleitfaden für die erfolgreiche Anwendung von Predictive Maintenance hat das WZL der RWTH Aachen entwickelt. Er steht nun zum Download bereit.
Das Worst-Case-Szenario eines jeden Serienproduzenten ist ein Produktionsstillstand. Ein Stillstand von fünf Minuten beispielsweise in der Automobilproduktion verursacht im Durchschnitt Kosten in Höhe von 100.000 Euro. In diesem Zusammenhang spielen Wartung und Instandhaltung eine wichtige Rolle. Damit Maschinen, Anlagen und Produktionslogistik nicht ausfallen, müssen diese entsprechend rechtzeitig gewartet werden.
Mithilfe von Sensor-, Übertragungs- und Datenspeichertechnik ist die vorausschauende Wartung von Produktionsprozessen, sprich: Predictive Maintenance, heute schon in einigen Branchen Realität und zeigt hohe Potenziale vor allem im Kontext von Industrie 4.0 auf.
Generischer Handlungsleitfaden
Für erfolgreiche Predictive-Maintenance- Anwendungen ist eine enge und partnerschaftliche Zusammenarbeit zwischen Serienproduzenten und Werkzeugbaubetrieben unabdingbar. Gemeinsam können die Vorteile aus Werkzeug- und Prozesswissen synergetisch in der Serienproduktion erarbeitet und genutzt werden. Damit Unternehmen eigenständig vorausschauende Wartungssysteme und Dienstleistungen im Bereich von Predictive Maintenance entwickeln und anbieten können, hat die Abteilung Unternehmensentwicklung des Lehrstuhls für Produktionssystematik am Werkzeugmaschinenlabor WZL der RWTH Aachen daher in Zusammenarbeit mit Serienproduzenten und Werkzeugbaubetrieben einen generischen Handlungsleitfaden erarbeitet.
Zur Zielgruppe des Leitfadens zählen insbesondere Unternehmen, die vermehrt werkzeugbedingte Ausfälle in ihrer Serienproduktion durch wiederholte, unvorhergesehene Störeinflüsse verzeichnen. Predictive Maintenance kann helfen, Störfälle wie Werkzeugversagen zu prognostizieren und darauf basierend konkrete Maßnahmen abzuleiten. Für Werkzeugbaubetriebe ergibt sich dadurch die Chance, ihr bestehendes Dienstleistungsportfolio um Predictive-Maintenance-Lösungen zu erweitern und zusätzliche Geschäftsfelder zu erschließen.
Vorgehen für unternehmensspezifische Umsetzung
Die Funktionsweise von Predictive Maintenance beruht auf der Erhebung, Übertragung, Speicherung und echtzeitnahen Verwertung umfangreicher Datenmengen. Auf Basis komplexer Analyseverfahren und Algorithmen können Abweichungen in den aufgenommenen Betriebsparametern eines Maschine-Werkzeug-Systems identifiziert und notwendige Wartungen antizipiert werden. Da sowohl die technische Umsetzung als auch die Einbettung der technischen Lösungen in das bestehende Produkt- und Serviceportfolio oftmals große Herausforderungen für Serienproduzenten und Werkzeugbaubetriebe darstellen, liegt dem Leitfaden eine umfassende Studie zugrunde, die neben konkreten Forschungsergebnissen auch auf Expertenwissen der teilnehmenden Partner aus der Industrie beruht.
Der generische Leitfaden stellt dabei in drei Phasen mit insgesamt sechs Schritten ein systematisches Vorgehen zur Entwicklung von Predictive Maintenance Lösungen dar. Im Rahmen der Analysephase werden zu-nächst alle relevanten Voraussetzungen und Anforderungen an eine Predictive-Maintenance-Lösung aufgenommen. Diese werden in der Gestaltungsphase in werkzeug-, infrastruktur- und dienstleistungsseitige Lösungen überführt. Abschließend erfolgt in der Umsetzungsphase die Inbetriebnahme, das Anlernen des Algorithmus sowie die Definition von Interaktionspunkten und Workflows.
Große Potenziale für Maschinenverfügbarkeit
Bei der Erarbeitung des Leitfadens hat sich gezeigt, dass der Einsatz einer Predictive-Maintenance-Lösung große Potenziale zur Erhöhung der Maschinenverfügbarkeit bietet. Durch eine signifikante Reduktion ungeplanter Ausfälle verringern sich gleichzeitig die Instandhaltungskosten. So ist eine besser planbare, zustandsgerechte Instandhaltung in der Serienproduktion möglich. Gleichzeigt bietet sich für Werkzeugbaubetriebe die Möglichkeit, durch entsprechende Dienstleistungen das Angebot auszuweiten, sich wirksam vom Wettbewerb zu differenzieren und ihre Profitabilität zu steigern. Durch den kooperativen Aufbau von Predictive-Maintenance Lösungen können folglich beide Seiten gleichermaßen von entsprechenden Dienstleistungskonzepten profitieren.














