Von geplanter zur vorausschauenden Wartung: Schritt-für-Schritt-Transformations-Roadmap

Wie bewegen sich Fertigungs- und andere Industrieorganisationen von traditioneller, geplanter Wartung zu proaktiver, vorausschauender Wartung? Welche ersten Schritte sind für diesen Wandel nötig? Welche Phasen durchläuft die Reise – vom initialen Business Case und Design über Data Readiness, kulturelle Adoption bis hin zum Skalieren?

In diesem Film erkunden Senseyes Alexander Hill und Rob Russell mit Peter Gagg (MCP Consulting Group), warum Predictive Maintenance nicht einfach eine technische Herausforderung mit technologischer Lösung ist, sondern eine fortlaufende Reise aus Wissenserwerb, kultureller Akzeptanz und immer stärkerer Kollaboration zwischen Menschen und smarten Systemen.

Transkript

Alexander Hill, Senseye: Wartungsprozesse neu zu gestalten ist schwierig – wir würden nie propagieren, bestehende Wartungspraxis abzuschmeißen und direkt in PdM zu springen. Alte Weisheit: Überwartung ist immer billiger als Ausfall – das stimmt.

Ein Gleichgewicht zwischen geplanter und vorausschauender Wartung muss gefunden werden. Dann, schrittweise, wächst das Vertrauen in das System und die Business Outcomes (Geld sparen, Effizienz steigern) – man kann einige teure, aber bewährte Präventivmaßnahmen reduzieren.

Diesen kulturellen Wartungswandel muss man langsam vollziehen, während Vertrauen in System und Ergebnisse wächst.

Rob Russell, Senseye: Wartung baut sich in Reifegrad-Schichten auf: reaktiv → geplant → präventiv → proaktiv. Ein entscheidender Shift: Nicht als Stufen sehen, die man durchläuft, sondern den richtigen Wartungsansatz für das richtige Asset wählen.

Peter Gagg, MCP Consulting Group: Predictive Maintenance löst nicht alle Probleme einer Organisation. Es muss an den richtigen Stellen zur richtigen Zeit eingesetzt werden.

Condition-Monitoring-Tools, um geplante Wartungsaufgaben durch PdM-Aufgaben zu ersetzen, sind wichtig. Aber um zu wissen, welche Equipment von PdM profitieren, braucht man Techniken wie FMECA (Failure Mode, Effects & Criticality Analysis) und RCM (Reliability-Centered Maintenance), um die richtige Kombination an Wartungsaufgaben zu bestimmen: PdM, präventiv, Run-to-Failure oder sogar Design-Out von wiederkehrenden Ausfällen.

Rob Russell: Wir denken in: Design, Deploy, Operate, Refine. Design-Schritte: Asset-Selektion + Wertschätzung der verschiedenen Ausfallmodi, die erfasst werden müssen. Das informiert Entscheidungen über richtige Datentypen und -informationen.

Diese Infos fließen in Deploy-Phase: Mit Control Engineers und IT-Teams Datenerfassung implementieren und Cloud-Streaming ermöglichen.

Alexander Hill: Dann füttern wir Senseye mit Daten – automatisierter Prozess. Senseye lernt, baut Steady-State-Modelle der Maschinen/Assets auf und prognostiziert dagegen.

Rob Russell: KI-Einsatz ist fundamental. Er ermöglicht Analytics im großen Maßstab und Detektion von Dingen in Daten, die für Menschen zu subtil sind. Was wirklich entscheidend ist: Es passiert human-centric – Information wird so geliefert, dass Endnutzer sie zugänglich finden und in ihren täglichen Arbeitsprozess integrieren können.