Predictive Maintenance:
Den Ausfall sehen, bevor er passiert
Nicht „Wartung nach Plan" – sondern „Wartung, wenn die Daten es sagen". Survival-Modelle und LSTM lernen aus Sensor- und Wartungshistorie die Restlebensdauer jeder Anlage und warnen, bevor der teure ungeplante Stillstand eintritt.
01 Das Problem – Ungeplanter Stillstand ist der teuerste Stillstand
Warum starre Wartungsintervalle Geld in beide Richtungen verbrennen
Wartung nach festem Intervall ist immer falsch: Zu früh tauscht man intakte Teile, zu spät steht die Linie. Der ungeplante Ausfall ist dabei am teuersten – Produktionsausfall, Eil-Ersatzteile, Sonderschichten und verlorene Termine summieren sich pro Stunde.
Die Signale für einen kommenden Ausfall stehen längst in Ihren Daten: Vibration, Temperatur, Stromaufnahme, Zykluszeiten, Fehlercodes. Kein Mensch wertet das für 48 Anlagen rund um die Uhr aus. Ein Modell schon.
Und am Ende wird die Anlage doch repariert – nur ungeplant, unter Zeitdruck und mitten in der Schicht.
02 Das Modell – Restlebensdauer statt starrer Intervalle
Survival-Analyse schätzt die Ausfallwahrscheinlichkeit über die Zeit, LSTM erkennt das Muster im Sensorverlauf
Anlagen mit Vorwarnung (> Schwelle): 7 von 48 Mediane Vorwarnzeit vor Ausfall: 11 Tage
Das Survival-Modell (Gradient Boosted Cox) liefert je Anlage eine Ausfall-Wahrscheinlichkeit über die nächsten Wochen. Das LSTM erkennt im hochfrequenten Sensorverlauf die Anomalie, die dem Ausfall vorausgeht. Zusammen ergeben sie eine belastbare Vorwarnzeit – im Schnitt 11 Tage, genug für planbare Wartung in der Schwachlast.
03 Business Impact – Weniger ungeplante Stunden
Der Hebel: Aus ungeplantem wird geplanter Stillstand
Keine Hausnummer: Jede Annahme stammt aus dem Muster-Betrieb und ist zentral hinterlegt. Mit Ihren echten Zahlen ändert sich nur die Eingabe, nicht die Methode.
| Position | Wert |
|---|---|
| Ungeplante Stillstandsstunden / Jahr | 900 h |
| Stillstandskosten je Stunde | €3.200 |
| Basis: Ungeplante Stillstandskosten / Jahr | €2.880.000 |
| Hebel: Reduktion durch Predictive Maintenance | 32 % |
| Ergebnis: Einsparung / Jahr | €921.600 |
Annahmen eines Muster-Betriebs – in einem realen Projekt ersetzen Ihre Daten diese Werte.
Geplante Wartung kostet einen Bruchteil: Sie passiert in der Schwachlast, mit vorbereiteten Ersatzteilen und ohne Sonderschicht. Das Modell verschiebt nicht die Wartungsmenge – es verschiebt sie auf den richtigen Zeitpunkt.
04 Nächste Schritte
Vom Modell zum Instandhaltungs-Cockpit
Wir lesen Sensor- und Wartungshistorie aus MES/Leitsystem – read-only, ohne Eingriff in die Steuerung.
Ein kritischer Anlagentyp wird modelliert. In 4 Wochen sehen Sie die Vorwarnungen gegen reale Ausfälle validiert.
Automatischer Hinweis ins Instandhaltungssystem: „Anlage X – Ausfallrisiko in Y Tagen, empfohlenes Wartungsfenster Z."