Big Data
Predictive Maintenance – so geht’s!
Die in der Produktion gesammelten Daten alleine reichen noch nicht aus, um Predictive Maintenance in die Realität umzusetzen. Der Artikel beschreibt alle notwendigen Schritte – vom Einlesen der Daten bis zur Integration prädiktiver Modelle in bestehende IT-Systeme.
Die überproportional zunehmende Menge an Daten, die heute während des Produktionsprozesses anfällt, ist einer der Haupttreiber für globale Megatrends wie Smart Industry, Industrie 4.0 oder das Industrial Internet of Things (IIoT). Günstige und platzsparende Sensorik wird quasi überall dort verbaut, wo sich potenziell interessante Messgrößen vermuten lassen – enorme Speicherkapazitäten sorgen dafür, dass kein Bit und Byte verloren geht. Doch was geschieht mit all den Messdaten? Wie tragen sie bereits heute dazu bei, den Produktionsprozess und die daran beteiligten Maschinen zu verbessern?
Ein Anwendungsbereich, der bereits heute von vielen innovativen Unternehmen erfolgreich umgesetzt worden ist, ist die vorausschauende Wartung oder Predictive Maintenance. Dabei werden mathematische Modelle verwendet, um auf Basis der laufend eingelesenen Maschinen- und Produktionsdaten Voraussagen über den Zustand der Anlage abzuleiten (Health Monitoring). Diese werden dann in der Regel genutzt, um Service-Intervalle optimal zu planen, Produktionsausfälle zu vermeiden oder zu minimieren und um den Produktionsumsatz zu maximieren.
Die technische Umsetzung von Predictive Maintenance lässt sich dabei in vier grobe Schritte unterteilen. Im ersten Schritt werden die Daten eingelesen. Das kann direkt von der an der Maschine verbauten Industriesteuerung – zum Beispiel über OPC UA oder MQTT – erfolgen oder mittels Zwischenschritt über eine Datenbank oder Cloud. Im zweiten Schritt erfolgt die Vorverarbeitung der Daten. Dies kann etwa die Glättung von verrauschten Sensorsignalen, die Interpolation von fehlenden Messpunkten oder die Transformation in den Frequenzbereich sein. Da die Vorverarbeitung in vielen Fällen zeitkritisch ist und die zu übertragenden Datenmengen reduziert, erfolgt dieser Schritt oft noch direkt auf dem Embedded Controller oder der Echtzeit-SPS. Der dritte Schritt umfasst die eigentliche Prädiktion auf Basis von Vorhersagemodellen, etwa mittels Machine Learning. In der Praxis wird der Predictive-Maintenance-Workflow direkt in das bestehende IT-System der Produktionsanlage integriert.
- Predictive Maintenance – so geht’s!
- Einlesen und Vorverarbeiten
- Machine Learning als Basis
- Integration in bestehende IT-Systeme
- Neue Businessmodelle
