Vorausschauende Instandhaltung

Anlagenbetreiber setzen vermehrt auf vorausschauende Instandhaltung. Mit Daten aus der Zustandsüberwachung und innovativen Software-Lösungen lassen sich optimale Wartungszeitpunkte festlegen.

Die Schweizer Cassantec AG mit Zweitsitz in Berlin präsentiert eine Prognoselösung für Störungen an Maschinen. Cassantec Prognostics, wie der Algorithmus heißt, liefert für Predictive Maintenance die zeitliche Komponente: Mit dem Tool prognostiziert das Unternehmen, wann an Anlagen Störungen auftreten.

Viele Branchen arbeiten an „Predictive Maintenance“-Initiativen. Digitale Vernetzung von Maschinen ermöglicht es, Zustandsdaten permanent zu erfassen und mit Software-Lösungen wie Cassantec Prognostics sinnvoll zu veredeln. Mithilfe der zustandsbasierten Verfügbarkeitsprognosen optimieren Anwender ihr Anlagenmanagement und verfügen über Risikoprofile zukünftiger Störungen. „Entsprechend angepasste Instandhaltungspläne sorgen für die Einsparung unnötiger Kosten. Zum Beispiel werden Teile nicht nach einem starren Turnus ausgetauscht, sondern wenn ihr Zustand dies notwendig macht. So vermeiden Nutzer von Cassantec Prognostics unnötige Ausfallzeiten ihrer Anlagen“, erklärt Moritz von Plate, CEO der Cassantec AG, und führt weiter aus: „Das aktive Managen von Restlebensdauern der Anlagen ist ein großer wirtschaftlicher Vorteil für Unternehmen. Unsere Software zeigt dem Anwender mittels Ampelsystem, zu welchem Zeitpunkt eine Störung auftritt.“

Prognoseberichte sind in diesem Zusammenhang über einen Zeitraum von Monaten, manchmal auch Jahren, möglich.

Vorausschauende Instandhaltung als Schlüssel

Der gezielte Einsatz von Predictive Maintenance generiert großes Einsparungspotenzial bei geplanten Reparaturen und bei Wartungskosten im Vergleich zu ungeplanten Reparaturen. Damit einher gehen kürzere Ausfall- und Instandsetzungszeiten, sinkende Servicekosten, schnellerer Fertigungsfluss sowie eine höhere Produktivität. „Die Entwicklungspotenziale sind dabei längst noch nicht vollständig ausgeschöpft. Zudem trägt maschinelles Lernen zur weiteren Verbesserung bei“, weiß von Plate.