Unsere Maschinen und Technologien werden immer ausgefeilter, schneller und leistungsstärker. Allerdings werden sie zunehmend auch störanfälliger: Muss eine Fabrikstraße unvorhergesehen stillstehen, stoppt schnell die gesamte Werksproduktion – es drohen Schäden in Millionenhöhe. Eine sachgemäße Bedienung der Maschinen und regelmäßige Wartungs- und Inspektionszyklen gehören daher schon lange zum Pflichtprogramm jedes produzierenden Gewerbes. In Zeiten der Industrie 4.0 und dem IoT, dem Internet of Things, stehen allerdings längst weitere technische Hilfsmittel zur Verfügung: Das sogenannte Predictive Maintenance.
Predictive Maintenance
Was aber versteht man unter diesem weiteren, neuen Begriff? Die Grundidee ist schnell erklärt: Maschinen werden mit Sensoren ausgestattet, die melden, sobald sich ein Problem anbahnt bzw. eine Veränderung vom Üblichen auftaucht. Für einen erfolgreichen Einsatz von Predictive Maintenance Projekten ist neben den hochtechnisierten Sensoren eine ausgefeilte Mustererkennung in der Datenauswertung notwendig, um aus der Masse an Daten die für den Betrieb wichtigen Inhalte herauszufiltern.
In unserem Fachbereich Business Intelligence unterstützen wir bereits bei einigen Predictive Maintenance Projekten mit unserem Fachwissen zur Datenaufbereitung und –auswertung. So kommt zum Beispiel IBM PMQ mit SPSS zum Einsatz, um die von den Sensoren erfassten Daten mathematisch auszuwerten und den Unternehmen zur Verfügung zu stellen. Auch Szenarien mit KI-Lösungen, wie z. B. IBM Watson, sind denkbar und werden in den nächsten Jahren vermehrt Anwendung finden.
Datenauswertung – das Reporting bei Predictive Maintenance
In der Praxis kann das Reporting vollkommen unterschiedlich aussehen. Eine automatisch generierte E-Mail an den zuständigen Mitarbeiter ist ebenso möglich wie eine allgemeine tägliche Statusmeldung, bei der Auffälligkeiten besonders hervorgehoben werden. Auch das einfache Auslesen von Reportingdaten direkt an den Maschinen ist eine Variante, die zum Einsatz kommen kann.