Review: Mathematische Modelle für bessere Prognosen bei Predictive Maintenance

Björn Lorenz17.08.2018

Die vorausschauende Wartung – neudeutsch: Predictive Maintenance – gilt als eines der wichtigsten Einsatzgebiete von Internet of Things (IoT)-Technologien im Maschinen- und Anlagenbau. Grund genug für den FASA e.V., das Thema beim 29. Industriearbeitskreis „Kooperation im Anlagenbau“ auf die Agenda zu setzen. Der FASA e.V. ist ein Zweckverband zur Förderung des Maschinen- und Anlagenbaus, der vom Forschungsinstitut Fraunhofer IFF und dem Thinktank der COSMO CONSULT-Gruppe, maßgeblich unterstützt wird.  

IoT benötigt leistungsstarke Datenanalysen

Beim Predictive Maintenance werden kritische Verschleißteile mit Sensoren laufend überwacht, um ungeplante Wartungstermine zu vermeiden. Neben der Sensorik spielt dabei vor allem die Software eine zentrale Rolle, denn die Sensoren liefern unzählige Daten, von denen meist nur ein kleiner Teil benötigt wird. Lösungen für die Datenanalyse helfen, die relevanten Werte herauszufiltern und entscheidungsorientiert aufzubereiten. „Uns interessieren nur bestimmte Ereignisse – etwa, wann werden in der Zukunft kritische Grenzwerte überschritten, die einen Ausfall ankündigen“, erklärt Stefan Rohkohl von COSMO CONSULT, „Diese Informationen sollten zeitnah, flexibel und in der notwendigen Tiefe bereitstehen, etwa mobil als grafische Analyse auf Smartphones oder Tablets. Das ist eine der wichtigsten Kernforderungen des Arbeitskreises.“

Mathematische Modelle für bessere Prognosen

Einen Schritt weiter ging die COSMO CONSULT indem sie mit mathematischen Optimierungsverfahren, mit denen man aus den Sensordaten mehr Nutzen ziehen kann: Während bei der Datenverfolgung nur reale Ereignisse – etwa das Überschreiten eines zuvor definierten Grenzwertes – Handlungsbedarf auslösen, kann man mit mathematischen Modellen Eintrittswahrscheinlichkeiten für bestimmte Situationen anhand von Mustern berechnen. Auf diese Weise lassen sich etwa drohende Ausfälle prognostizieren oder optimale Wartungszyklen ermitteln – und zwar, ohne dass erst etwas passieren muss. Maschinenstillstände oder Qualitätsabweichungen in der Produktion können so deutlich reduziert werden. Durch die bessere Planbarkeit lassen sich zudem Wartungsmaßnahmen bündeln, womit die Kosten für Verschleißteile und Servicetechniker sinken, ohne dabei den Produktionsprozess zu tangieren. „Unsere Prognosemodelle begleiten den Lebenszyklus von Fahrzeug- oder Maschinenparks. Wir aggregieren Daten, schaffen Transparenz und können Abhängigkeiten frühzeitig erkennen. Die von uns entwickelten mathematischen Optimierungsmodelle – etwa zu Datamining oder Operations Research – sind eng miteinander verzahnt. Sie ebnen den Weg zu datengetriebenen Prozessen und führen bereits unmittelbar nach Einführung zu nachweisbaren Kosteneinsparungen“, unterstreicht Roland Abele von COSMO CONSULT.

Andere Vorträge beschäftigten sich mit der elektronischen Chargenverfolgung bei Flanschdichtungen, der Netzinfrastruktur in Industrieparks oder innovativen Konzepten für Sicherheitsprüfungen im Maschinen- und Anlagenbau, bevor der 29. Industriearbeitskreis am späten Dienstagnachmittag zu Ende ging.

Denken Sie auch darüber nach, wie Sie Ihre Maschinen und Anlagen mit Predictive Maintenance effizienter warten können? Dann lassen Sie uns darüber sprechen. Rufen Sie uns einfach an oder schicken Sie uns eine E-Mail.

Beitrag teilen