Blog 10 minuten

Predictive Maintenance – Die Wartungsstrategie der Zukunft

Arno Ham
June 23, 2021
D2C E-commerce

Ausfallzeiten oder Störungen von Maschinen und Geräten können die gesamte Produktion und Supply Chain zum Stillstand bringen. Um Ausfallzeiten so gering wie möglich zu halten, ist das Thema Wartung entscheidend. Die Instandhaltung sorgt dafür, dass die Maschinen die benötigten Teile mit konstanter Geschwindigkeit und in gleichbleibender Qualität produzieren. Noch besser wäre es natürlich, Maschinenausfälle oder gar einen ungeplanten Stillstand der Produktion vorneherein ausschließen zu können. Die Lösung hierfür heißt Predictive Maintenance, eine der Schlüsselinnovationen der Industrie 4.0.

In diesem Artikel möchte ich Ihnen das Thema der vorausschauenden Wartung näherbringen. Außerdem werde ich darauf eingehen, wie Predictive Maintenance mit E-Commerce zusammenhängt.

Sie können entweder den ganzen Artikel lesen oder einfach direkt zu dem Thema springen, das Sie interessiert.

Folgendes erwartet Sie in diesem Artikel:

    Was ist Predictive Maintenance?

    Predictive Maintenance (= vorausschauende Wartung) ist eine Wartungsstrategie, die Datenanalysewerkzeuge und -techniken verwendet, um Unregelmäßigkeiten im Betriebsablauf und mögliche Defekte in Anlagen, Maschinen und Prozessen zu erkennen, damit diese behoben werden können, bevor sie zu einem Ausfall führen.

    Die Funktionsweise der vorausschauenden Wartung

    Die Zustandsdaten der Maschinen können per Sensor erfasst und mit weiteren Daten kombiniert werden, um auf dieser Basis eine Analyse durchzuführen. Letztendlich kann basierend auf dieser Analyse eine Aktion vorgenommen werden, wie beispielsweise ein Maschinenteil auszutauschen.

    Anstatt z. B. Ihr Auto jedes Jahr anhand einer Checkliste überprüfen zu lassen, könnte dies auch automatisiert ablaufen. Das Auto und seine Systeme sammeln eine Menge Daten, die analysiert werden, um so bestimmte Muster erkennen zu können.

    So kann zum Beispiel festgestellt werden, dass die Öltemperatur ab und zu ein wenig zu hoch ist. Auf Basis von historischen Daten kann dann der Tag X vorausgesagt werden, an dem dies mit einer hohen Wahrscheinlichkeit wieder geschieht.

    Wie unterscheidet sich Predictice Maintenance von anderen, klassischen Wartungsstrategien?

    Die vorausschauende Wartung ermöglicht es Unternehmen, die Wartungsintervalle auf der Grundlage des tatsächlichen Zustands und betrieblichen Erfordernissen festzulegen.

    Bei der präventiven Wartung werden stattdessen nach einem Zyklus verschiedene Checks durchgeführt. So kann es passieren, dass ein Ersatzteil nur ausgetauscht wird, weil die Checkliste es so vorschreibt, nicht jedoch, weil es verschlissen ist.

    Bei der reaktiven Wartung werden darüber hinaus nur dann Wartungen oder sogar Reparaturen durchgeführt, wenn Defekte auftreten.

    Die vorausschauende Wartung im Fokus der Aufmerksamkeit

    Da sich die für die vorausschauende Wartung benötigten Technologien weiterentwickeln und immer verbreiteter, alltäglicher und erschwinglicher werden, wird Predictive Maintenance mehr und mehr für alle Arten von Industrien und Unternehmen verfügbar, nicht nur für große Konzerne.

    In der Vergangenheit war es eher etwas für die Early Adopters und Unternehmen, die sich die dafür benötigten teuren Maschinen und Sensoren leisten konnten (z. B. die Luftfahrtindustrie).

    Heute profitieren wir von dieser Technologie bereits bei kleinen Teilen und Geräten, die einen geringeren Einfluss haben, aber trotzdem wichtig sind, z. B. Kaffeemaschinen zu Hause.

    Somit wird es auch für kleinere Unternehmen kostengünstiger, die vorausschauende Wartung zu implementieren. Dies führt dazu, dass die Wartungsstrategie mehr und mehr für eine größere Zielgruppe einsetzbar ist.

    Auch die anhaltende COVID-19-Pandemie hat Predictive Maintenance beeinflusst:

    Die regelmäßige Wartung ist immer noch mit menschlichen Interaktionen verbunden und war daher teilweise nicht mehr durchführbar. Predictive Maintenance kann dem vorbeugen. Mit dem Ansatz der vorausschauenden Wartung ist es möglich, die erforderlichen Maßnahmen nur bei Bedarf persönlich zu erledigen. Der Prozess wird beschleunigt und Ressourcen können eingespart werden.

    Status Quo des Predictive Maintenance

    Nach einer repräsentativen Studie von BearingPoint ist Predictive Maintenance trotz großer Präsenz bislang selten in den Werkshallen angekommen. Während sich bereits 84 % der befragten Unternehmen (hauptsächlich aus den Bereichen Maschinenbau, Chemie/Pharma und Automobilindustrie) mit dem Thema Predictive Maintenance auseinandersetzen, hat erst jedes vierte erste Projekte umgesetzt. Nur wenige Unternehmen beschäftigen bereits die Mitarbeiter und Werkzeuge, die für die vorausschauende Wartung benötigt werden: Reliability Engineers und Datenwissenschaftler, statistische Softwarepakete und externe Datenquellen.

    Unternehmen sind vor allem in den Bereichen Konnektivität und Analytik aktiv – die übergreifende Optimierung von Wartungsaktivitäten steht noch nicht im Fokus. So sammeln 76 % der Befragten relevante Daten über Sensoren, 59 % werten diese Daten gezielt aus, aber nur rund 20 % optimieren auf dieser Basis die Wartung ganzheitlich.

    Wenn es darum geht, Predictive Maintenance zu implementieren, stehen den Unternehmen vor allem technische Herausforderungen im Weg – allen voran die IT-Sicherheit sowie die Auswahl und Verfügbarkeit von Daten. Die größte Herausforderung insgesamt ist jedoch der hohe Implementierungsaufwand.

    Zu sehen ist, dass vor allem größere Unternehmen, die über ausreichendes Budget verfügen, die Strategie bereits umsetzen. Für alle anderen stellt die Wartungsstrategie noch eine zu große Investition dar. Denn in Bezug auf die Auswirkungen ist es natürlich wichtiger, dass ein Flugzeug fliegt, als dass eine Kaffeemaschine zu Hause funktioniert. Meiner persönlichen Meinung nach gibt es noch viel Nachholbedarf bei den KMUs, die über Maschinen verfügen, die gewartet werden müssen.

    Einige unserer Kunden haben bereits Predictive Maintenance implementiert oder befinden sich momentan in der Implementierungsphase. Für die Mehrheit ist Predictive Maintenance aber noch Zukunftsmusik.

    Arno Ham Arno Ham | Chief Product Officer bei Sana Commerce

    Vor- und Nachteile von Predictive Maintenance

    Durch das Anbieten von Predictive-Maintenance-Lösungen können Hersteller den Nutzern ihrer Maschinen und Anlagen ermöglichen, eine höhere Rentabilität und Kosteneffizienz zu erzielen. Die folgenden Faktoren stellen dies sicher:

    • Perfektes Timing der Wartung: Durch die kontinuierliche Erfassung von Maschinendaten kann der optimale Zeitpunkt für die Wartung ermittelt werden.
    • Reduzierte Ausfallzeiten und dadurch eingesparte Kosten
    • Erhöhte Anlagenverfügbarkeit
    • Erhöhte Lebensdauer der Maschine durch vorausschauende Wartung
    • Gesteigerte Produktivität: Die Maschinenleistung wird durch die Analyse von Daten verbessert.
    • Austausch von nur den Teilen, die auch tatsächlich defekt sind
    • Kostenreduzierung für Ersatzteile und Betriebsmittel auf ein Minimum
    • Zeitersparnis: Der Außendienst weiß bereits im Vorfeld, welche Ersatzteile er bestellen muss, nicht erst, wenn er vor Ort einen Defekt erkennt.

    Hersteller, die Predictive Maintenance als Zusatzservice anbieten, können außerdem einen Wettbewerbsvorteil erzielen, verglichen zu Wettbewerbern, die dies nicht tun.

    Umweltperspektive: Durch die vorausschauende Wartung werden nur Teile der Maschine oder Anlage ausgetauscht, die wirklich ausgetauscht werden müssen. Anstatt einen Wechsel durchzuführen, nur weil die Standardprozedur dies so vorschreibt, obwohl die Teile noch vollfunktionsfähig sind. So lässt sich die Verschwendung von Material und Ressourcen vermeiden.

    Auch für die Kunden ergibt sich letztendlich ein großer Vorteil: Weniger Ausfallzeiten der Maschinen und damit weniger Frustration. Die Kundenzufriedenheit steigt.

    Mit der vorausschauenden Wartung gehen jedoch auch einige Herausforderungen einher.

    Die größte liegt dabei in der Einrichtung selbst.

    • Investition: Benötigte Prozesse/Systeme einzurichten und zu implementieren, kann eine ziemliche Investition und auch schwierig zu erreichen sein.
    • Datenintegration: Um die Wartungsstrategie umzusetzen, wird eine große Menge Daten benötigt. Und es braucht auch eine Menge Zeit, um diese Daten zu sammeln.
    • Prozess-Expertise: Aufgrund der Vielfalt und Individualität von Prozessen ist die Interpretation von Daten nicht zu unterschätzen. Je mehr Prozessexpertise vorhanden ist, desto besser werden relevante Zusammenhänge zwischen Anlagendaten und Produktionsprozessen erkannt. Dies wird einige Zeit in Anspruch nehmen, um für alle Branchen und Unternehmen verfügbar und zugänglich zu sein, wie es bereits für die größeren Unternehmen der Fall ist.
    • Signifikanz: Die beste Qualität der Vorhersagen wird erreicht, wenn eine gewisse Anzahl an Störungen analysiert werden kann. Eine Anlage oder Maschine mit seltenen Störungen oder Stillständen bietet jedoch zu wenige Daten für eine sichere Vorhersage.

    Voraussetzungen für die Nutzung von Predictive Maintenance

    Prinzipiell ist es für Hersteller sinnvoll, Predictive Maintenance für ihre Maschinennutzer anzubieten, aber nur, wenn diese bestimmte Rahmenbedingungen erfüllen können. Diese sind jedoch nicht für jedes Unternehmen umsetzbar.

    Die Technologie hinter der Wartungsstrategie

    Unternehmen brauchen eine ordentliche Aministration der Teile/Maschinen, die sie bei jedem Kunden am Laufen haben/verkaufen.

    Wir sehen Kunden, die die Aministration schön automatisiert in bestimmten Systemen oder zum Beispiel in ihrem ERP laufen haben. Aber wir haben auch Kunden, die die Daten in Sonderanfertigungssystemen oder sogar in Excel-Tabellen gesammelt haben. Für die Implementierung eines vorausschauenden Ansatzes ist Letzteres eindeutig nicht ausreichend.

    Arno Ham Arno Ham | Chief Product Officer bei Sana Commerce

    Irgendwann muss das Unternehmen anfangen, die benötigte Daten zu sammeln und eine Historie der Maschinen zusammenzustellen. Dann ist es einfacher und schneller, mit Predictive Maintenance zu beginnen.

    Eine Auftragshistorie der Kunden kann bereits hilfreich sein, denn darin kann gesehen werden, welche Teile das Unternehmen verwendet und welche bereits ausgetauscht wurden. Bei der Datensammlung handelt es sich also nicht nur um Daten, die von speziellen Sensoren stammen.

    Welche Unternehmen/Industriezweige sollten über die Anwendung des Ansatzes nachdenken?

    • Fertigung: Die größte Gruppe stellt hier ganz klar die Fertigungsindustrie dar. Manufacturing Unternehmen, die Maschinen und Geräte herstellen, die gewartet werden müssen, können Predictive Maintenance als zusätzlichen Service für Ihre Endverbraucher anbieten. Der Ansatz lohnt sich für alle möglichen Industrien der Fertigungsindustrie, von Elektronikunternehmen über Autos bis hin zu Booten, Reinigungsgeräten usw.
    • Distributoren: Unternehmen, die sich auf einen bestimmten Markt konzentrieren, z. B. den Vertrieb von Autos und dazugehörige Ersatzteile, können Predictive Maintenance als zusätzlichen Service anbieten.
    • Endnutzer und verbrauchende Unternehmen: Im Endeffekt ist der vorausschauende Ansatz für jeden Endnutzer oder jedes Unternehmen interessant, das Maschinen benutzt, bei denen eine Wartung ansteht (Transportunternehmen, Unternehmen, die Kaffeemaschinen nutzen, Schulen, Krankenhäuser etc.).

     

    Folgende Fragen sollten geklärt sein, bevor die Nutzung von Predictive Maintenance in Betracht gezogen wird:

    • Ist es notwendig für unsere Maschinen/Geräte/Anlagen?
    • Was ist der ungefähre Wert unserer Geräte?
    • Wie ist die bisherige Historie und Lebensdauer der Geräte?
    • Was zeigen unsere Aufzeichnungen über Geräteausfälle, Defekte, Verluste und Sicherheitsbedrohungen?
    • Kann es sich mein Unternehmen derzeit finanziell leisten, in vorausschauende Wartungstechnologie oder Spezialisten zu investieren?
    • Welche Art von vorausschauender Wartungsausrüstung ist am besten für die Bedürfnisse unseres Unternehmens geeignet?

    Die Vorteile der Verbindung von Predictive Maintenance und E-Commerce

    Wenn etwas kaputt geht, muss ein neues Teil eingeplant und bestellt werden, um es zu ersetzen. An dieser Stelle kommt E-Commerce ins Spiel. E-Commerce Plattformen sind heutzutage in der Lage, ERP- oder andere Systeme zu integrieren, die ein Signal geben können, dass etwas ersetzt werden muss.

    Mit E-Commerce kann der gesamten Predictive Maintenance-Prozess weiter automatisiert werden, indem die Software automatisch die zu ersetzenden Teile bestellt, sodass das Unternehmen die Teile zum richtigen Zeitpunkt erhält.

    ERP-Systeme sind meist der Ort, an dem viele für Predictive Maintenance benötigte Daten zusammenkommen. Im ERP können Sie sich einen schönen Überblick darüber verschaffen, was in der Vergangenheit prognostiziert und bestellt wurde. Wir bei Sana Commerce können diese Technologien zusammenführen und umsetzen.

    Arno Ham Arno Ham | Chief Product Officer bei Sana Commerce

    Wie beabsichtigt Sana Commerce die vorausschauende Wartung zu unterstützen?

    Wir haben bereits einige Kunden, die die Systeme kombinieren und bestimmte Formen der vorausschauenden Wartung im Einsatz haben. Aber um die vorausschauende Wartung in unsere Standardsoftwarelösung zu integrieren und sofort verfügbar zu machen, ist es noch ein Stück Weg. Mithilfe von Personalisierungen ist dies jedoch jetzt schon möglich.

    Dabei unterstützt uns vor allem unsere neue Lösung Sana Commerce Cloud. Mit Sana Commerce Cloud haben wir eine Plattform geschaffen, die Headless Commerce-Funktionen ermöglicht.

    Die komplette Lösung ist API-basiert. Für Predictive Maintenance bedeutet das konkret, dass Systeme Daten über Sensoren sammeln und Analysen durchführen, um zu erkennen, dass ein Teil nachbestellt werden muss. Durch die APIs kann dann direkt eine Bestellung eingeleitet werden.

    Außerdem haben unsere Kunden mit unserer ERP-Integration die Möglichkeit, die Bestellhistorie aus der Vergangenheit zu sehen und dort ihre Datenanalyse zu starten.

    Wir bei Sana Commerce hoffen, dass wir in Zukunft mehr Kunden haben, die den Predictive Maintenance-Ansatz verfolgen wollen. Eine Aufgabe für uns ist es auch, die Komplexität des Ansatzes zu reduzieren, sodass auch kleinere Unternehmen von der vorausschauenden Wartung profitieren können.

    Arno Ham Arno Ham | Chief Product Officer bei Sana Commerce

    Erfahren Sie mehr darüber, wie Sana Commerce Ihr Unternehmen im Predictive Maintenance unterstützen kann.

    Wie sieht die Zukunft der vorausschauenden Wartung aus?

    In den nächsten Jahren wird aufgrund der ständigen Weiterentwicklung und steigenden Verfügbarkeit von Technologien auch die Verfügbarkeit von Predictive Maintenance für KMUs steigen.

    Dies wird durch Modelle und Systeme erzielt werden, die durch mehr Datenquellen effizienter werden und so bessere Vorhersagen treffen.

    Laut der Studie von BearingPoint sind Investitionen in die Mitarbeiter und deren Weiterbildung sowie externe Kooperationen der Schlüssel zum Erfolg im Predictive Maintenance:

    Um die Herausforderungen der vorausschauenden Wartung zu überwinden ist die Weiterbildung der Mitarbeiter und Führungskräfte, die die Anlagen und Maschinen in Betrieb haben, wichtig. Denn Digitalisierung und Predictive Maintenance ist Chefsache.

    Darüber hinaus ist die Kooperation mit externen IT-Dienstleistern oder Data Engineers zwingend notwendig, um fehlende Erfahrungen und Expertise auszugleichen.

    Wie können Unternehmen den Ansatz der vorausschauenden Wartung in drei Schritten umsetzen?

    1. Frühzeitig mit der Erhebung von Daten beginnen
    2. Ordnungsgemäße Administration und Systeme nutzen, in denen gesehen werden kann, wo und welche Maschinen/Anlagen stehen (welcher Kunde nutzt welche Maschinen/Teile)
    3. Wenn Sie ein Sana Commerce Kunde sind oder eines der von uns unterstützten ERP-Systeme nutzen: Sprechen Sie uns an und lassen Sie uns zusammen herausfinden, was wir tun können, um all diese Dinge zusammenzubringen und Predictive Maintenance für Sie Realität werden zu lassen!

    E-Commerce in der Fertigungsindustrie – Studie 2020/21

    Chancen, Herausforderungen und Kundenanforderungen