Predictive Maintenance: Bald die Norm in der deutschen Industrie

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Predictive Maintenance: Bald die Norm in der deutschen Industrie

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
Predictive Maintenance etabliert sich in der deutschen Industrie und wird bald schon die Norm sein, zeigt eine von Reichelt Elektronik in Auftrag gegebene Studie. Wie Unternehmen die Technik derzeit nutzen und mit welchen Herausforderungen sie dabei kämpfen, lesen Sie hier.
Predictive Maintenance

Quelle: reichelt elektronik

Die Ausstattung oder Nachrüstung mit Sensoren gibt Unternehmen eine Vielzahl an Messgrößen an die Hand, die bei sinnvoller Auswertung einen großen Nutzen bringen können. Einer dieser gewinnbringenden Verwendungszwecke ist die vorausschauende Wartung, also die konkrete Planung von Wartungstätigkeiten nach tatsächlichem Zustand der Maschinen. Die Umfrage von Reichelt zeigt, dass diese Technologie in deutschen Unternehmen bereits weit verbreitet ist und auch in Zukunft noch stärker genutzt werden wird.

Predictive Maintenance kein Testlauf mehr

Predictive Maintenance wird bereits von der großen Mehrheit der Befragten eingesetzt: 78 Prozent der Entscheider bestätigen, die Technologie bereits zu verwenden. Dabei ist die vorausschauende Wartung längst kein Testlauf an einzelnen Maschinen mehr. Durchschnittlich wird das Verfahren bei knapp 60 Prozent der Produktionsanlagen angewandt. Über ein Drittel (38 Prozent) gibt an, dass sie die Wartung für den Großteil der Maschinen (60-99 Prozent) vorausschauend plant.

Als die größten Vorteile der Technologie nannten die meisten Unternehmen, dass sie die Qualität der Produktion erhöhen (42 Prozent) sowie einen Stillstand von Maschinen vermeiden (42 Prozent) können.

Wie Predictive Maintenance zur Norm wird

Die genannten Verbesserungen überzeugen zu weiteren Investitionen. Die Umfrage zeigt, dass 88 Prozent der Befragten, die bereits Predictive Maintenance nutzt, die Technologie in der Produktion ausweiten möchte. Unter den Unternehmen, die noch nicht vorausschauend warten, haben 53 Prozent die Einführung geplant. Der Großteil (35 Prozent) möchte diese Vorhaben allerdings nicht 2021 umsetzen.

Der Trend zur nachträglichen Implementierung von Sensoren zeigt sich auch an anderer Stelle: Gut ein Drittel der Unternehmen (34 Prozent) besitzt bereits Produktionsanlagen, die von Beginn an mit Predictive-Maintenance-Funktionen ausgestattet waren. Die anderen zwei Drittel (64 Prozent) mussten einige oder alle Maschinen erst mit Sensoren ausstatten.

Bereits in 10 Jahren – so die Meinung der Befragten – wird Predictive Maintenance die Norm für alle Produktionsmaschinen sein.

Wie Predictive Maintenance von Unternehmen genutzt wird

Zur Auswertung werden vor allem diese Sensordaten herangezogen:

  • Temperatur (57 Prozent)
  • Betriebsdauer (52 Prozent)
  • Druck (45 Prozent)
  • Vibrationen (36 Prozent)

„Aus diesen Messwerten lässt sich mit Hilfe von Algorithmen dann der Verschleiß und der voraussichtliche Ausfall einer Maschine errechnen. Auf dieser Grundlage können Betriebe die Wartung exakt so timen, dass Komponenten nicht bereits Wochen oder Monate zu früh ausgetauscht werden,“ erklärt Tobias Thelemann, Produktmanager bei Reichelt Elektronik. „Dieser Vorgang ist häufig Usus bei Wartungen, die routiniert in einem bestimmten Turnus (z.B. jährlich) durchgeführt werden. So wird nicht nur eine reibungslose Produktion gewährleistet, die Unternehmen sparen auch Kosten für Ersatzteile ein.“

Gründe für die Neuanschaffung

Angesichts dieser Anwendungsmöglichkeiten ist es nicht verwunderlich, dass die meistgenannten Gründe für die Investition in Predictive Maintenance bei Neueinsteigern folgende sind:

  • Vermeidung von Produktionsausfällen (45 Prozent)
  • Bessere Übersicht über und Planbarkeit von Wartungsarbeiten (39 Prozent)
  • Steigerung der Effizienz in der Produktion (39 Prozent)

Die Einführung einer neuen Technologie in den Betrieb ist auch immer mit Herausforderungen verbunden. Ganz konkret geben die befragten Unternehmen an, dass sie vor allem mit Wahl der richtigen Lösung oder des Produkts zu kämpfen haben (34 Prozent). Ähnlich herausfordernd sind fehlende technische Voraussetzungen (30 Prozent), Budgetgrenzen (31 Prozent) oder Probleme rund um die Datenauswertung (30 Prozent).

Zusammenfassend lässt sich hier allerdings festhalten, dass datenbasierte Entscheidungen zu Wartung und Produktionseffizienz in der Industrie 4.0 unerlässlich sind. Nur wer weiß, wie die Maschinen optimal laufen, kann seine Prozesse auch dahingehend anpassen.

Umfrage: Die Zahlen wurden vom internationalen Umfrageinstitut OnePoll für Reichelt Elektronik erhoben und umfassen 1.550 Teilnehmer aus Europa, davon 500 aus Deutschland.

Lesen Sie auch: Predictive Maintenance: Diese Messtechnik nutzt die französische Bahn

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Ihre Meinung zum Artikel

Abonnieren
Benachrichtige mich bei
guest
0 Comments
Inline Feedbacks
View all comments

Andere Leser haben sich auch für die folgenden Artikel interessiert

Werbung

Redaktionsbrief

Tragen Sie sich zu unserem Redaktions-Newsletter ein, um auf dem Laufenden zu bleiben.

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage
Werbung
Werbung

Aktuelle Ausgabe

Topthema: Ohne Daten keine Digitalisierung

Automatisierte Prozess- und Maschinenüberwachung mit Siemens Sinumerik Edge

Mehr erfahren

Tragen Sie sich jetzt kostenlos und unverbindlich ein, um keinen Artikel mehr zu verpassen!

    * Jederzeit kündbar

    Entdecken Sie weitere Magazine

    Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

    Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.