Wenn man sich heute umhört, wird viel über Condition Monitoring und Predictive Maintenance gesprochen. Das Ziel ist es immer, die Wartungs- und Instandhaltungszyklen so zu optimieren, dass die Tätigkeiten genau zum richtigen Zeitpunkt durchgeführt werden. Eine solche digitalisierte Instandhaltung ist sicherlich das Ideal, jedoch bedingt sie eine Vernetzung aller Maschinen und Anlagen. Technisch ist hierzu schon sehr viel möglich, sei es mit Hilfe von nachrüstbaren Sensoren, durch das Ertüchtigen von Leittechniken oder anderen Wegen.
Jedoch sollte bei diesen Überlegungen, die Erfahrung der Mitarbeiter vor Ort auf keinen Fall zu kurz kommen. Das „geschulte Auge“ eines erfahrenen Technikers liefert heute schon einen präzisen Überblick über den Zustand einer Anlage. Die Kunst ist, dieses Wissen zu erfassen und auswertbar zu machen.
Hier setzt eine Erweiterung der speedikon® C Instandhaltung an: eine Rückmeldung des Ausführenden über den Zustand der Anlage zum Zeitpunkt der Maßnahme wird erfasst und bildet die Grundlage für die Neuberechnung von Wartungszyklen. Über einfache Auswahlkataloge kann der Bearbeiter eine standardisierte Rückmeldung über die zeitliche Notwendigkeit der durchgeführten Maßnahme geben. Für Maßnahmen, die laut Bearbeiter zu früh durchgeführt wurden, kann der zukünftige Zyklus gegebenenfalls verlängert. Andererseits kann der zukünftige Zyklus für überfällige Maßnahmen auch verkürzt werden.
Systemseitig wird definiert und überwacht, ob und für welche Anlagen oder Bauteile eine Veränderung der Zyklen überhaupt möglich ist. Bei vielen Bauteilen gelten gesonderte rechtliche oder herstellerabhängige Prüf- und Wartungszyklen, die nicht oder nur unter bestimmten Bedingungen angepasst werden können. Für alle anderen Anlagen obliegt es dem Verantwortlichen, eine entsprechende Abwägung zwischen dem steigenden Ausfallrisiko und den reduzierten Wartungskosten zu treffen.
Während heute schon Kostenaussagen für die Zukunft von speedikon® C errechnet werden, beschäftigen wir uns in der Forschung mit KI-Methoden, um die Ausfallwahrscheinlichkeit zu ermitteln. Ziel ist es, dass ein Algorithmus auf Grundlage des kundeneigenen Anlagenpools und der jeweiligen Nutzung, den optimalen Wartungszeitpunkt bestimmt, der sowohl die Kosten als auch das Ausfallrisiko minimiert.
Und schon sind wir wieder am Anfang: nur wir machen Predictive Maintenance ohne zwingenderweise viel Sensorik zu verbauen.
Wenn Sie sich für dieses Thema näher interessieren, oder sogar an der erwähnten Forschung partizipieren möchten, nehmen Sie Kontakt mit uns auf.