Predictive Maintenance: wie aus Sensordaten planbare Wartungstermine werden
Ein Stillstand, den niemand eingeplant hat, kostet mehr als einer, der im Wartungsplan steht. Predictive Maintenance macht einen Teil der ungeplanten Stillstände zu geplanten Terminen.
Predictive Maintenance: Definition und Abgrenzung
Predictive Maintenance, auf Deutsch vorausschauende Wartung, ist eine Instandhaltungsstrategie, die den Zeitpunkt eines Eingriffs aus dem gemessenen Zustand der Anlage ableitet und nicht aus dem Kalender. Ein Modell schätzt aus Sensor- und Wartungsdaten, wie viel Restlebensdauer eine Komponente noch hat, und die Instandhaltung legt den Eingriff in ein Zeitfenster, in dem er wenig kostet.
Vier Vorgehensweisen lassen sich unterscheiden. Bei der reaktiven Instandhaltung wird erst nach dem Ausfall repariert. Die vorbeugende Instandhaltung tauscht Teile nach festem Intervall und damit entweder zu früh, solange das Teil noch intakt ist, oder zu spät. Die zustandsorientierte Instandhaltung stützt sich auf Condition Monitoring, misst also den aktuellen Zustand und schlägt Alarm, wenn ein Grenzwert überschritten ist. Die vorausschauende Wartung baut darauf auf und gibt zusätzlich an, wann aus einem auffälligen Wert voraussichtlich ein Ausfall wird.
Der Unterschied zwischen Grenzwertalarm und Prognose entscheidet über den Nutzen. Ein Grenzwertalarm meldet einen Zustand, der bereits eingetreten ist. Je nach Schadensbild bleibt dann wenig Zeit, und es folgt die Eilreparatur. Gibt die Prognose dagegen mehrere Tage Vorlauf, kann die Instandhaltung Ersatzteile bestellen, das Personal einplanen und den Eingriff in die Schwachlast legen, also in eine auftragsschwache Schicht.
So funktioniert Predictive Maintenance
Technisch ist die vorausschauende Wartung eine Kette aus Datenerfassung, Aufbereitung, Modell und Einbindung in den Betrieb, und das Vorhaben kann an jedem dieser Glieder scheitern.
| Schritt | Was passiert | Was dabei herauskommt |
|---|---|---|
| 1. Daten zusammenführen | Sensorwerte (Vibration, Temperatur, Stromaufnahme, Zykluszeiten), Fehlercodes und die Wartungshistorie mit den tatsächlichen Ausfällen werden verknüpft | ein Datenbestand je Anlage, in dem Ausfälle datiert sind |
| 2. Signale bilden | aus Sekundenwerten entstehen Kennzahlen je Schicht: Trend, Streuung, Ausreißer und Lastwechsel | Merkmale, die den Verschleiß sichtbar machen |
| 3. Restlebensdauer schätzen | Ein Modell der Überlebenszeitanalyse (Survival-Modell) schätzt, wie wahrscheinlich ein Ausfall in den kommenden Wochen ist. Ein neuronales Netz für Zeitreihen (LSTM) kann im Sensorverlauf ein Muster erkennen, das einem Ausfall vorausgeht | eine Ausfallwahrscheinlichkeit je Anlage und Zeitraum |
| 4. Gegen den Kalender prüfen | das Modell wird mit dem bestehenden Wartungsplan verglichen, und zwar nach Vorwarnzeit und Fehlalarmen | die Antwort, ob die Prognose besser ist als das feste Intervall |
| 5. In die Instandhaltung einbinden | die Warnung geht als Auftragsempfehlung mit Anlage, Zeitraum und vorgeschlagenem Wartungsfenster in das Instandhaltungssystem | eine Entscheidung, die ein Zuständiger trifft |
| 6. Überwachen und nachtrainieren | die Trefferquote wird laufend gemessen, und nach Umbauten oder bei neuen Materialien wird das Modell neu trainiert | ein Modell, das Umbauten und Materialwechsel an der Anlage nachvollzieht |
Am leichtesten lässt sich Schritt 4 überspringen, doch ohne den Vergleich mit dem einfachen Wartungsplan weiß niemand, ob das Modell sein Geld wert ist. Fragen Sie deshalb jeden Anbieter, auch uns, an welchem Maßstab die Prognose gemessen wurde und wie viele Fehlalarme auf eine berechtigte Warnung kamen. Einen seriösen Anbieter erkennen Sie daran, dass er beide Antworten vorlegt, bevor er über das Modell spricht, und dass er Ihnen auch sagt, wann sich das Vorhaben für Sie nicht rechnet.
An Schritt 5 entscheidet sich anschließend, ob jemand auf die Prognose reagiert, denn eine Warnung braucht einen Auftrag im Instandhaltungssystem und einen Zuständigen.
Rechenbeispiel: 48 Anlagen, 900 Stunden ungeplanter Stillstand
Das folgende Beispiel ist eine Modellrechnung für ein fiktives Unternehmen aus unserer Produktionsserie und enthält keine Kundenzahlen. Ein metallverarbeitender Betrieb fährt 48 Anlagen im Dreischichtbetrieb, sechs davon sind Engpassanlagen.
Die vollständige Modellrechnung in sechs Phasen| Annahme | Wert |
|---|---|
| Ungeplante Stillstandsstunden im Jahr | 900 |
| Folgekosten je ungeplanter Stunde (Mischsatz aus entgangenem Deckungsbeitrag an den Engpassanlagen und Leerlauf des Personals an den übrigen Anlagen) | 750 Euro |
| Ungeplante Stillstandskosten im Jahr | 675.000 Euro |
| Vorwarnzeit des Modells im Median | 11 Tage |
| Anteil der ungeplanten Stunden, der dadurch planbar wird | 32 Prozent |
Mit elf Tagen Vorlauf im Median kann die Instandhaltung einen Teil der Eingriffe in die Schwachlast legen. Die Modellrechnung setzt an, dass so 288 der 900 ungeplanten Stunden zu geplanten werden und 612 Stunden ungeplant bleiben. Bei 750 Euro Folgekosten je ungeplanter Stunde ergeben die 288 Stunden einen Bruttonutzen von 216.000 Euro im Jahr.
Alle Werte der Tabelle sind Annahmen. Die Stunden und den Stundensatz können Sie in Ihrem Betrieb erheben. Den Anteil der Stunden, die durch die Vorwarnung planbar werden, muss das Modell dagegen erst nachweisen. Deshalb gehört zu jeder solchen Rechnung die Gegenprobe:
| Szenario | Planbar gewordener Anteil | Planbar gewordene Stunden | Bruttonutzen im Jahr |
|---|---|---|---|
| vorsichtig | 20 Prozent | 180 | 135.000 Euro |
| Modellrechnung | 32 Prozent | 288 | 216.000 Euro |
| günstig | 40 Prozent | 360 | 270.000 Euro |
Wie ein solches Prognosemodell in einer Fertigung aussieht, mit Ausfallkurve, Wartungsmeldung und Pilot an einer Linie, zeigt der Anwendungsfall Predictive Maintenance in der Produktion.
Für Ihre eigene Überschlagsrechnung genügen zwei Zahlen aus Ihrem Betrieb und eine Annahme für den planbaren Anteil:
Bruttonutzen im Jahr = ungeplante Stillstandsstunden × Folgekosten je Stunde × planbar gewordener Anteil
Brutto heißt der Wert, weil in dieser Formel bewusst zwei Posten fehlen, die von Betrieb zu Betrieb stark schwanken. Der erste sind die Fehlalarme, weil jede Warnung, auf die kein Schaden folgt, einen unnötigen Eingriff kostet. Der zweite sind die Kosten des geplanten Eingriffs, vor allem seiner Stillstandsstunden, denn der Eingriff findet weiterhin statt, wenn auch zu einem günstigeren Zeitpunkt. Beide Posten gehören in die Evaluation, bevor ein Modell in den Betrieb geht.
Die Amortisationszeit in Jahren ergibt sich, wenn man den Einmalaufwand durch den Betrag teilt, der vom Bruttonutzen eines Jahres nach Abzug der laufenden Kosten bleibt, also der Kosten für den Betrieb des Modells, für Fehlalarme und für die geplanten Eingriffe. Fallen in Ihrem Betrieb etwa nur 36 ungeplante Stunden an und gelten Stundensatz und planbarer Anteil wie im Beispiel, liegt der Bruttonutzen bei 8.640 Euro im Jahr, und dieser Betrag rechtfertigt kein Projekt. In diesem Fall ist der Wartungsplan nach Kalender die wirtschaftlichere Lösung, und wir sagen Ihnen das auch.
Wann sich Predictive Maintenance lohnt und wann nicht
Vorausschauende Wartung lohnt sich dort, wo drei Bedingungen zusammenkommen: Der ungeplante Stillstand ist teuer, der Verschleiß kündigt sich in messbaren Größen an, und die Ausfälle der Vergangenheit sind dokumentiert.
An der dritten Bedingung entscheidet sich das Vorhaben zuerst. Ein Modell lernt die Restlebensdauer aus den Abschnitten zwischen zwei Ausfällen. Sind die Ausfallzeitpunkte in der Wartungshistorie nicht erfasst oder stehen sie nur als Freitext in einem Schichtbuch, fehlt einem datengetriebenen Modell der Restlebensdauer die Grundlage. Dann beginnt das Vorhaben mit einer sauberen Störungserfassung, und das Modell folgt später.
Vier Fehlschlüsse liegen nahe:
- Mehr Sensoren ersetzen keine Ausfallhistorie. Zusätzliche Messpunkte liefern neue Signale, aber keine datierten Ausfälle, aus denen ein Modell die Restlebensdauer lernen könnte.
- Ein Pilot an einer unkritischen Anlage beweist wenig. Der Nutzen entsteht an den Engpassanlagen, und deshalb gehört auch der Pilot dorthin.
- Seltene Ausfälle reichen nicht für eine Prognose der Restlebensdauer. Fällt ein Anlagentyp nur alle paar Jahre aus, fehlen dem Modell die Beispiele. In diesem Fall führt eine Zustandsüberwachung mit Grenzwerten weiter oder eine Anomalieerkennung, die den Normalbetrieb lernt.
- Eine Warnung ohne Zuständigen bleibt ohne Folgen. Vor dem Start muss feststehen, wer entscheidet, ob auf die Prognose hin eine Schicht umgeplant wird.
Wir raten von einem Projekt ab, wenn der Stillstand wenig kostet, wenn sich der Schaden nicht ankündigt oder wenn die Historie fehlt und sich in absehbarer Zeit nicht aufbauen lässt.
Vorausschauende Wartung im Data-Science-Prozess
Ein solches Vorhaben durchläuft die sechs Phasen von CRISP-DM, einem Vorgehensmodell für Data-Science-Projekte. Die Modellierung ist darin eine der sechs Phasen. Die Geschäftsfrage aus Phase 1 legt fest, welcher Anteil der Stillstände überhaupt vermeidbar ist. In Phase 2 wird geprüft, ob die Ausfälle sauber datiert sind. Phase 3, die Datenaufbereitung, bildet aus Sekundenwerten die Signale, an denen das Modell den Verschleiß erkennt. In Phase 4 wird das Modell gebaut und am Wartungsplan nach Kalender gemessen, bevor Phase 5 prüft, ob die Vorwarnzeit zum Handeln reicht. Phase 6 bringt die Warnung in das Instandhaltungssystem und überwacht, ob die Prognose nach Umbauten noch stimmt.
Alle sechs CRISP-DM-Phasen im Überblick Phase 3: Datenaufbereitung Phase 6: Deployment und MonitoringHäufige Fragen zu Predictive Maintenance
Was ist Predictive Maintenance?
Predictive Maintenance, auf Deutsch vorausschauende Wartung, bedeutet, dass ein Modell aus Sensor- und Wartungsdaten schätzt, wann eine Komponente voraussichtlich ausfällt, damit der Eingriff vorher und zu einem günstigen Zeitpunkt stattfindet. Vom Condition Monitoring unterscheidet sie sich durch die Vorwarnzeit, von der Wartung nach Kalender durch den Bezug auf den gemessenen Zustand der Anlage.
Was ist der Unterschied zwischen Predictive Maintenance und Condition Monitoring?
Condition Monitoring misst den aktuellen Zustand und meldet, wenn ein Grenzwert überschritten ist. Die vorausschauende Wartung nutzt dieselben Messwerte, sagt aber zusätzlich voraus, wann aus der Auffälligkeit ein Ausfall wird. Der Unterschied liegt also in der Vorwarnzeit, und von ihr hängt ab, ob der Eingriff planbar ist.
Welche Daten braucht vorausschauende Wartung?
Benötigt werden laufende Sensorwerte wie Vibration, Temperatur und Stromaufnahme, die Fehlercodes der Steuerung und eine Wartungshistorie, in der vergangene Ausfälle mit Datum stehen. Auf die Historie kommt es besonders an, weil sie sich nicht nachträglich messen lässt. Ohne dokumentierte Ausfälle fehlt einem datengetriebenen Modell der Restlebensdauer die Grundlage.
Für welche Anlagen eignet sich vorausschauende Wartung?
Sie eignet sich für Anlagen, deren Ausfall teuer ist und deren Verschleiß sich in Messwerten ankündigt, zum Beispiel Engpassanlagen mit rotierenden oder thermisch belasteten Komponenten. Ob eine Anlage dazugehört, zeigt die Überschlagsrechnung aus Stillstandsstunden, Folgekosten je Stunde und planbarem Anteil. Bei günstigen oder redundanten Anlagen spricht sie eher für den Wartungsplan nach Kalender.
Was kostet Predictive Maintenance und wann rechnet es sich?
Die Rechnung hat drei Größen: ungeplante Stillstandsstunden, Folgekosten je Stunde und den Anteil, der durch die Vorwarnung planbar wird. Multipliziert ergeben sie den Bruttonutzen im Jahr. Dem stehen der Einmalaufwand, der laufende Betrieb sowie die Kosten von Fehlalarmen und geplanten Eingriffen gegenüber. Ob sich das Vorhaben rechnet, zeigt sich erst, wenn diese Kosten vom Bruttonutzen abgezogen sind.
Braucht vorausschauende Wartung neue Sensoren?
Nicht zwingend. Zeichnen Steuerungen und Leitsysteme Stromaufnahme, Temperatur und Zykluszeiten bereits auf, ist der erste Schritt eine Bestandsaufnahme dieser Daten und ihrer Lücken. Neue Sensorik lohnt sich erst, wenn feststeht, welches Signal fehlt und an welcher Anlage es den Ausfall früher anzeigen würde.
Wie lange dauert es, bis Predictive Maintenance Ergebnisse liefert?
Die Dauer hängt von der Datenlage und vom Piloten ab. Sind die Ausfälle der vergangenen Jahre datiert und die Sensorwerte lückenlos, lässt sich die Prognose früh an bekannten Ausfällen prüfen. Fehlt die Störungserfassung, muss die Historie erst entstehen. Der Pilot zeigt danach, ob sich die Vorwarnzeit im laufenden Betrieb bestätigt. Eine belastbare Zeitangabe gibt es deshalb erst nach dem Datencheck.
Womit beginnt ein Projekt zur vorausschauenden Wartung?
Es beginnt mit einer Geschäftsfrage und einem Datencheck. Zuerst wird beziffert, was eine ungeplante Stunde kostet und an welchen Anlagen sie anfällt. Danach wird geprüft, ob die Ausfallhistorie für eine Prognose ausreicht. Erst dann folgt ein Pilot an einer Engpassanlage, der die Prognose am bestehenden Wartungsplan misst.
Rechnen Sie Ihren Stillstand mit uns durch
Zwei Zahlen aus Ihrem Betrieb und eine vorsichtige Annahme genügen für eine erste Einschätzung, ob sich Predictive Maintenance bei Ihnen rechnet.
Kostenloses Erstgespräch buchen