Interview zu Predictive Maintenance

Interview mit Alexander Thamm zum Predictive Maintenance.

Wartung und Instandhaltung sind ein Milliardenmarkt. Schon heute generieren viele Unternehmen über 30% ihres Umsatzes mit After-Sales Prozessen. Über die zunehmende Bedeutung der Datenauswertung, der Digitalisierung und Predictive Maintenance sprach Alexander Thamm in einem Interview mit Silvia Stettmayer und Wolfgang Berger vom Magazin Technik in Bayern – dem Regionalmagazin für VDI und VDE.

Datenbasierte Predictive Maintenance

In dem Interview gibt Alexander Thamm Beispiele für Predictive Maintenance: „Die Motoren der MTU in Friedrichshafen haben zum Beispiel unterschiedliche Applikationen: die einen laufen in großen Tankern, die anderen in einem Bergbaubetrieb. Hier sind die Verschleißgrade vollkommen unterschiedlich, je nach Anwendung. Hier muss man auch eine etwas individualisierte Wartung vornehmen. Was wir jetzt auf Basis der Daten jeder einzelnen Maschine machen können, sind zwei spannende Themen. Das eine ist das Vorkommen von Grundwahrscheinlichkeiten. Um beim Beispiel des Motors zu bleiben, dann schauen wir uns die Daten der gesamten Baureihe an und errechnen generell die Überlebenswahrscheinlichkeit, sprich die Lebensdauern. Diese Algorithmen kommen tatsächlich aus der Medizin, auch aus der Krebsforschung. Jetzt kann man ganz konkret aufgrund der Sensordaten identifizieren, welchen Wartungsbedarf dieser eine Motor hat. Das ist dann die individualisierte, datenbasierte Wartung. Mit dieser Methode kann man verschleißbedingte Probleme ganz gut vorhersagen. Das andere Thema sind die unvorhergesehenen Ausfälle. Wir kennen alle das sog. Montagsauto. Hier kann man wirklich aufgrund von Sensorwerten sehr oft kurzfristig erkennen, dass ein Problem kommt, auf dass man reagieren muss.“

Revolution bei der präventiven Wartung

Alexander Thamm über die Bedeutung und Veränderung von Predictive Maintenance durch den Einsatz von Big Data: „Ich glaube schon an eine Art von Revolution, weil es früher einen sehr guten Experten mit seiner Maschine gab, der auch eine präventive Wartung gemacht hat, einfach weil er merkte, dass etwas nicht stimmt. Und dieses Wissen war in seinem Kopf. Heute schaffe ich durch Big Data ein weltweites Forum aller dieser Köpfe, die sich mit einer einheitlichen Sprache austauschen und voneinander lernen können. Ich schaffe eine Art Wissenspool über verschleiß- und nutzungsbedingte Probleme für gewisse Arten von Maschinen. Diese Möglichkeit hatte ich früher nicht. Und dann schaffe ich durch die Daten die Objektivierung eines subjektiven Empfindens. Das ist auch für die Experten ein echter Zusatznutzen.“

Vorgehensweise bei Predictive Maintenance Projekten

In dem Interview beschreibt Alexander Thamm das typische Vorgehen für Data Science und Predictive Maintenance Projekte und die Probleme, die dabei auftreten. „Im Grunde ist unsere Erfindung der sog. Datenkompass. Wir starten immer mit einer ganz konkreten Fragestellung, was die Abteilung braucht, was sehr wichtig ist, da Instandhaltung ein sehr breites Feld ist und bei Big Data ist die Begriffsverwendung schon inflationär. Das ist die Basis, bevor ich auf die Daten schaue. Oft wird ja gesagt: Ich mache jetzt den data-lake, also den Datensee und da kippe ich alle meine Daten rein. Aber bei Sensordaten stellt sich hier schon die erste Frage: Was sind denn meine Daten? Greife ich die in Millisekunden ab, oder einmal die Minute oder wie genau? Welche Sensoren in welcher Qualität habe ich? Und das kann dann auch in der heutigen Zeit trotzdem noch ganz schnell zu einem Kostenproblem und einem Datenübertragungsproblem werden, denn in großen Produktionseinheiten hat man ganz oft eine dezentrale IT, sprich jedes Werk hat eine eigene IT.“

Das ganze Interview kann hier heruntergeladen und gelesen werden:

Interview Technik in Bayern Alexander Thamm

 

Tags

top