Predictive Maintenance / KI: Die intelligente Wartung

Mit vorausschauenden Maß­nahmen bei Wartung und Instandhaltung können Unternehmen Produktionsausfälle verhindern. Hier hilft eine auf der erweiterten Fuzzy-Logik beruhende Entscheidungssoftware kombiniert mit künstlichen neuronalen Netzen.

Intelligente Wartung Bildquelle: © Bild: Computer&AUTOMATION, Quellen: Shutterstock / Sergey Tarasov, Fotolia / Rainer Plendl

Die Maximierung der Verfügbarkeit von Fertigungs- oder Energieanlagen ist eine große Herausforderung für viele Betriebe. Fallen Maschinen in eng getakteten Produktions- und Logistikprozessen aufgrund unvorhergesehener Schäden oder unplanmäßiger Wartungsarbeiten aus, geraten Unternehmen hinsichtlich der mit ihren Geschäftspartnern vereinbarten Ziele schnell unter Druck. Auch das Einlagern von Ersatzteilen, welches in der Regel zu viel und zu langfristig Kapital bindet, gilt längst als nicht mehr weit genug reichender Lösungsansatz.

Zusammenhänge in Einklang bringen

1_Definieren der abgesicherten Zustandsklassen und Zielfunktionen für die einzelnen Kriterien Bildquelle: © PSI FLS Fuzzy Logik & Neuro Systeme

Im Vorfeld werden die abgesicherten Zustandsklassen und Zielfunktionen für die einzelnen Kriterien definiert.

Vor diesem Hintergrund steht der Ansatz der vorausschauenden Instandhaltung immer stärker im Fokus. Dieser verspricht, die häufig komplexen Zusammenhänge in Einklang zu bringen und hat mit den neuen Technologien und Chancen der vierten industriellen Revolution weiter an Auftrieb gewonnen. 

Eine Studie von McKinsey sieht in Predictive Maintenance sogar eines der wichtigsten Anwendungsfelder für das Internet of Things (IoT) und rechnet bis 2025 mit einem Einsparungspotenzial von bis zu 630 Mrd. US-Dollar. So sei mit 20 bis 40 % weniger Wartungskosten für Produktionsanlagen und Medizinprodukte, 50 % weniger Ausfallzeiten und 10 bis 40 % weniger Wartungskosten für zum Beispiel Airlines durch zustandsorientierte Wartung auszugehen. Daneben werde der Investitions­bedarf durch die längere Lebensdauer von Produkten und Anlagen um 3 bis 5 % sinken. Die Basis hierfür bilden vor allem die Chancen, welche sich durch die zunehmende Vernetzung von Produktionssys­temen sowie einer systematischen Nutzung von mittels Sensoren gelieferten Maschinendaten ergeben. 

Der Markt bietet hierfür inzwischen praxisbewährte Systeme, wie beispielsweise die Entscheidungssoftware ‚Qualicision‘ von PSI FLS Fuzzy Logik & Neuro Systeme. Kombiniert mit künstlichen neuronalen Netzen ermöglicht sie die prädiktive oder auch automatisch situative Instandhaltung auf Basis großer Datenmengen im Sinne von Big Data.