Köln, Freitag, 11.05.2018

+++Großes Potenzial bietet die Digitalisierung für die vorausschauende Wartung.+++Werden automatisiert erhobene Daten analysiert, lassen sich damit Maschinenausfälle vermeiden. Standards helfen, Sensordaten zu nutzen und auszuwerten.+++

 

Oft werden technische Mängel an Maschinen und Anlagen erst im Rahmen von regelmäßigen Wartungsarbeiten entdeckt – damit wird zwar größerer Schaden vermieden, aber Maschinenstillstand und Instandsetzungskosten entstehen in jedem Fall. Schlimmer noch: Eine Maschine fällt urplötzlich aus, die Produktion steht, Termine können nicht eingehalten werden, und die ganze Planung gerät durcheinander.

 

Maschinendaten erfassen hilft Wartungsarbeiten minimieren

Die Auswertung digitaler Mess- und Produktionsdaten von Maschinen und Anlagen ist nicht nur die Basis für die Erfassung der Maschinenleistung, sondern bietet auch die Möglichkeit, Wartungsinformationen zu erhalten. Damit wird „Predictive Maintenance“ („vorausschauende Wartung“) möglich. So werden beispielsweise frühzeitig schleifende Maschinenelemente durch niedrigere Drehzahlen erkannt oder Daten aus Temperatursensoren genutzt, um defekte Lüftersteuerungen festzustellen. Diese präventive Erkennung kann Prozessunterbrechungen und Wartungsarbeiten minimieren und führt damit zu sinkenden Produktions- und Servicekosten.

 

Mit Retro-Fit Lösungen einfach digitalisieren

Obwohl viele Maschinen und Anlagen heute standardmäßig eigentlich solche Sensordaten bereitstellen, bleibt dieses Optimierungspotenzial zumeist ungenutzt. Dabei ist in vielen Fällen der Aufwand für diesen großen Schritt in Richtung Digitalisierung verhältnismäßig gering und bei älteren Maschinen oft auch im Rahmen so genannter „Retro-Fit“-Lösungen möglich – also einer Modernisierung oder einem Ausbau der bestehenden Anlagen. Benutzerfreundliche, freie Softwarelösungen und einheitliche Standards vereinfachen solche Maßnahmen zusätzlich. Nicht umsonst gilt Predictive Maintenance als eine entscheidende Schlüsselinnovation von Industrie 4.0.

Autor: Alexander Graß