Predictive Maintenance, Vorausschauende Wartung

Predictive Maintenance: Lösungen für neue Geschäftsmodelle

Service mit Weitblick schafft zufriedene Kunden

Die Datenflut im Internet der Dinge explodiert, denn es macht inzwischen Kaffeeautomaten und Autoreifen ebenso „smart“ wie ganze Produktionslinien. Und während früher eine Anlage zunächst ausfallen musste, bis sie repariert wurde, melden heute Sensoren einen drohenden Defekt – noch ehe dieser auftritt. Predictive Maintenance – vorausschauende Wartung – ist eine Schlüsselinnovation von Industrie 4.0. Sie spart Kosten und eröffnet Mittelständlern neue Geschäftsmodelle.

„In Waschraum 17 im dritten Stock gehen die Handtücher zur Neige, in Waschraum 21 im vierten Stock ist die Seife aufgebraucht und in 26 wird Toilettenpapier knapp.“ Rechtzeitig mit solchen Informationen ausgestattet, können Mitarbeiter des Reinigungspersonals ihre Rundgänge besser planen und deutlich effizienter arbeiten. Denn Waschräume gehören zu den wartungsintensivsten Räumen in Gebäuden. Entwickelt wurde diese Predictive-Maintenance-Lösung vom Fraunhofer-Institut für Integrierte Schaltungen IIS gemeinsam mit dem Fullservice-Anbieter CWS-boco International GmbH.

Neue Analysetechniken und Algorithmen bereiten dabei die vielfach unstrukturierten Daten und Messwerte so auf, dass sie zu verlässlichen Prognosen führen. Dies erlaubt es, Geräte, Maschinen und Nutzfahrzeuge zu warten, noch bevor sich ein (kritischer) Störfall ereignet.

Kein platter Reifen mehr

So auch beim Reifenhersteller Continental, der eine Reifenplattform zur Fernüberwachung des Reifenzustands von Nutzfahrzeugen startet. Sensoren an den Pneus messen kontinuierlich Werte wie Druck und Temperatur, die Rückschlüsse auf den Reifenzustand zulassen, und übermitteln diese an die Plattform. Erreicht ein (oder mehrere) Parameter einen kritischen Wert, alarmiert ContiConnect vorab definierte Empfänger, die darauf reagieren können und so dem akuten Schaden zuvorkommen. An ähnlichen Konzepten arbeiten derzeit auch andere Hersteller, darunter Goodyear und Pirelli.

Ein Kunde von Device Insight betreibt Kaffeeverkaufsautomaten, die regelmäßig befüllt, sorgsam gereinigt und gewartet werden müssen, weil durch die Düsen frische Milch läuft. Die IoT-Plattform CENTERSIGHT® NG hat in diesem Fall die Verfügbarkeit der Maschinen und den Service verbessert. Das Befüllen und Warten der Automaten erfolgen jetzt punktgenau, so dass kein Mitarbeiter und Kunde mehr auf seinen Kaffee, Espresso oder Cappuccino warten muss und dem Betreiber keine Umsätze entgehen.

Edge Computing: Ganz dicht am Objekt

Eine IoT-Plattform wie CENTERSIGHT® NG bildet die Infrastruktur zum Erfassen, Managen und Analysieren von Datenströmen, die Maschinen, Anlagen, Fahrzeuge und Geräte liefern. Dabei übernimmt die Plattform auch die Rolle einer Schnittstelle hin zu ERP-, Produktions-, und Support-Systemen. Sie bietet alle Funktionen zur Prüfung von weltweiten Maschinen- und Anlagenparks: von der Störungserkennung, Störungsbehandlung, Benachrichtigung bis hin zur Datenanalyse und Visualisierung der Bewertung.

Dabei geht der Trend zu Edge-Computing: Daten werden mit CENTERSIGHT® EDGE bereits vor Ort verarbeitet und nahezu in Echtzeit analysiert. Sollte eine Anomalie erkannt werden, wird dieses Ereignis unmittelbar an die Cloud-Plattform übertragen. Das reduziert das Datenvolumen und verkürzt Analysezeiten. Denn Predictive Maintenance ist nur möglich, wenn der Faktor Zeit maximal ausgeschöpft wird. IoT-Daten, die erst ausgewertet werden, wenn beispielsweise ein Aufzug wegen Materialverschleiß stecken bleibt, bieten keinen Mehrwert.

Um Unregelmäßigkeiten oder Anomalien vorausschauend nutzbar zu machen, stützt sich CENTERSIGHT® NG unter anderem auf die Boolesche Logik. Mit den nach dem britischen Mathematiker George Boole (1815-1864) benannten relativ einfachen Booleschen Operatoren UND, ODER, NICHT und XOR (ENTWEDER ODER) lassen sich viele Aussagen oder Vorhersagen treffen.

Auch dazu ein simples Beispiel: WENN die Temperatur im Kühlhaus wiederholt auf über minus 18 Grad Celsius steigt UND Stromausfälle als Fehlerursache ausgeschlossen werden können, muss überprüft werden, ob die Kühldichtung nicht mehr richtig funktioniert oder Mitarbeiter einfach nur ständig vergessen, die Tür des Kühlhauses zu schließen.

Fazit: Solch simple Regelwerke werden mit dem Domänenwissen der Kunden erstellt und sind ein sehr praktikabler Einstieg in Predictive Maintenance. Darauf aufbauend können Algorithmen mithilfe des maschinellen Lernens weiter verfeinert werden. Predictive Maintenance und die Vernetzung von Komponenten und Produkten über IoT-Plattformen ermöglichen längst auch im Mittelstand neuartige Geschäftsmodelle – vor allem im Bereich der Verbesserung von Serviceleistungen. Denn: Senden Maschinen oder Anlagen eigenständig servicerelevante Informationen an den Hersteller oder Lieferanten und legen sie bei Bedarf auch gleich Tickets an, kann die Serviceabteilung aktiv werden, bevor der Kunde einen Defekt registriert. Ein idealer Ansatz, um die Kundenzufriedenheit zu steigern.

 

Quelle Titelbild: Device Insight

Neueste Beiträge

  • Weiter geht es mit unserer Reihe "Business Model Innovation für das Internet of Things". Nachdem wir in Teil 1 die Grundlagen und Erfolgsfaktoren des Business Model Design Prozesses erklärt haben, zeigen wir in Teil 2, auf welchen Stufen der Innovation neue IoT-Geschäftsmodelle eingeordnet werden können. ...

  • Viele Unternehmen wollen das Internet of Things (IoT) nutzen, um ihr bestehendes Geschäftsmodell zu modernisieren oder auch ganz neue Services und Produkte für ihre Kunden zu schaffen. Doch wie geht man hierbei vor und welche Schritte muss man auf dem Weg zum erfolgreichen IoT-Geschäftsmodell beachten? Das wollen wir in unserer Reihe „Business Model Innovation für das Internet of Things“ zeigen....

  • Startschuss für die IoT News, den neuen Newsletter von Device Insight! Mit den IoT News wollen wir Sie regelmäßig mit Neuigkeiten, Tipps und Praxisbeispielen rund um das Internet of Things und Industrie 4.0 versorgen....



X
Twittern
Teilen
Pin
Teilen