(openPR) Eine optimierte Produktionsorganisation, längere Betriebszeiten von Maschinen und die Reduktion von ungeplanten Ausfallzeiten: Dies sind aktuelle Herausforderungen für Unternehmen aus der Fertigungsindustrie, die den Einsatz von Predictive Analytics beziehungsweise Predictive-Maintenance-Systemen vorantreiben. „Dabei dienen Fertigungsdaten, zumeist Sensordaten von Maschinen, als Auswertungsbasis. Diese werden dann mit anderen Informationen, wie etwa Logistik- oder Wetterdaten etc., angereichert “, erklärt Jörg Kremer, Analytics-Experte bei der Münchner mip GmbH. „Damit soll die Produktionsqualität insgesamt verbessert werden.“
Im Zuge von Digitalisierung, Internet of Things und Industrie 4.0 umgesetzte Maßnahmen zeigen bereits, dass sich durch vernetzte Sensoren sowie Anlagen, die mit eingebetteten Systemen ausgestattet sind, deutliche Kostenersparnisse erzielen lassen. Das US-Department of Energy (DOE) geht davon aus, dass mit der vorausschauenden Wartung Einsparungen von acht bis zwölf Prozent erzielt werden können. Zudem lassen sich laut DOE mit Predictive Maintenance die Wartungskosten um bis zu 30 Prozent reduzieren sowie bis zu drei Viertel der Betriebsausfälle verhindern. Auch die Produktion kann sich damit um bis zu 25 Prozent erhöhen (Quelle: US-Department of Energy: „O&M Best Practices Guide, Release 3.0”). Der Verband Deutscher Maschinen- und Anlagenbau (VDMA) misst Predictive Maintenance ebenfalls eine große Bedeutung bei und bezeichnet die vorausschauende Wartung als wichtigen Bestandteil von Industrie 4.0 (Quelle: VDMA: „Predictive Maintenance 4.0 kommt an”. 24.02.2016).
Weitere Zahlen dazu in diesem Video: http://bit.ly/Predictive-Analytics-in-der-Fertigung
Optimale Qualitätssicherung, passende Serviceverträge, geringere Lagerkosten
Mithilfe der Analyse-Plattformen werden Informationen zu kritischen Verschleißteilen über Messinstrumente in Echtzeit aufgezeichnet und zentral ausgewertet. So lassen sich Wartungs- oder Servicepläne genau anpassen und beispielsweise. unnötige, kostenintensive Einsätze von Technikpersonal verhindern. Für Reparatur und Wartung benötigte Bauteile müssen nicht länger kostenintensiv für den Notfall gelagert werden.
Auch für Anbieter von Wartungs- und Servicedienstleistungen sind derartige Lösungen interessant: „Predictive Analytics hilft zum Beispiel bei der Entscheidung über die Laufzeit und Konditionen bei der Verlängerung von Serviceverträgen“, so Kremer. „Hier sind anhand des Anlagen- beziehungsweise Maschinenzustands präzise Prognosen zu Risiken, Ausfällen und Wartungsbedarf möglich.“ Zusätzlich lassen sich heute Wetterdaten und sonstige Umwelteinflüsse in das Serviceangebot integrieren. Kremer: „Solche Analysen bilden dann die Basis für die Entscheidung, ob der Vertrag zu den bisherigen Konditionen weiterlaufen kann oder geändert werden muss.“
Zudem muss sich zum Beispiel der Maschinenbau gerade beim Thema Service allmählich nach Alternativen umsehen, so eine Studie: Die bisher im Schnitt 42 Prozent Umsatz mit Ersatzteilen und Wartungsarbeiten werden aufgrund der wachsenden Standardisierung der Anlagen und Teile zurückgehen (Quelle: Roland Berger Strategy Consultants: „Evolution of Service“). Experten sehen hier in der Kombination von Fernwartung und der intelligenten Analyse sowie Verwertung von Maschinendaten eine Chance für den Maschinenbau, um in diesem Bereich verstärkt Produkte und Dienstleistungen anzubieten. Kremer sieht noch eine weitere Entwicklung: „Bisher werden mit Predictive Maintenance besonders Ausfallzeiten verringert beziehungsweise vermieden und Kosten der Qualitätssicherung reduziert. Künftig wird es zunehmend zu automatisierten Abläufen kommen, sodass spürbar Personalkosten eingespart werden können.“
Mehr Informationen unter mip.de/predictive-analytics-in-der-fertigung/
