Wartung ausgelöst durch Realität, nicht durch Kalender

Einleitung: Die Kalender-Illusion

Die meisten Fertigungswerke arbeiten noch mit kalenderbasierter präventiver Wartung.

• Monatliche Schmierung
• Vierteljährliche Inspektion
• Jährliche Überholung

Unabhängig von der Maschinennutzung.

Dieses Modell nimmt an:

• Verschleiß ist zeitabhängig
• Lastvariabilität ist minimal
• Risikoexposition bleibt stabil

In Wirklichkeit:

Maschinen fallen aufgrund von Nutzungsmustern, Belastungszyklen und abnormalem Verhalten aus – nicht wegen Daten im Kalender.

Wartung muss sich an der operativen Realität ausrichten.

Die Kosten kalenderbasierter Wartung

Kalenderbasierte PM führt zu zwei großen Ineffizienzen:

1. Überwartung

Unnötige Stillstandszeit

Übermäßiger Ersatzteilverbrauch

Vorzeitiger Komponentenaustausch

2. Unterwartung

Unerwartete Ausfälle

Notfallreparaturen

Produktionsverlust

Sicherheitsrisiko

Beides erodiert Marge und Stabilität.

Zustandsbasierte Wartung (CBM): Ein besseres Modell

Zustandsbasierte Wartung stützt sich auf:

• Echtzeit-Maschinensignale
• Vibrationsanalyse
• Temperaturüberwachung
• Druckschwankungen
• Laufzeitzähler
• Lastintensitätsdaten

Wartung wird ausgelöst, wenn sich der Zustand ändert, nicht wenn Zeit vergeht.

AI-native Systeme erheben CBM zur prädiktiven Intelligenz.

Wie AI zustandsbasierte Wartung verbessert

TEMS.AI integriert:

• SCADA-Signale
• PLC-Daten
• Bedienerinterventionen
• Kurzstillstands-Cluster
• Neustart-Häufigkeit

AI analysiert Muster um:

• Frühe Anomaliesignale zu erkennen
• Degradationstrends zu identifizieren
• Abnormale Muster über Schichten zu korrelieren
• Präventive Prüfungen automatisch auszulösen

Wartung wird proaktiv statt reaktiv.

Beispiel: Verpackungs-Fördersystem

Traditioneller PM-Zeitplan:

• Lager monatlich inspizieren

AI-native Zustandsüberwachung:

• Allmähliche Vibrationszunahme erkennen
• Mit steigenden Mikrostillständen korrelieren
• Inspektion bei Schwellenwertüberschreitung auslösen
• Lagerausfall verhindern

Stillstandszeit vermieden.

Überwartung reduziert.

Menschliches Feedback in prädiktive Logik integrieren

Bediener bemerken oft:

• Ungewöhnliche Geräusche
• Leichte Ausrichtungsdrift
• Erhöhte Anpassungshäufigkeit

AI-native Plattformen erfassen Bediener-Feedback digital und korrelieren es mit Sensordaten.

Menschliche Einsicht wird Teil der prädiktiven Modellierung.

Ungeplante Stillstandszeiten reduzieren

Ungeplante Stillstandskosten umfassen:

• Verlorene Produktion
• Überstunden
• Eilversand
• Wartungs-Premiumarbeit

AI-gesteuerte prädiktive Wartung reduziert:

• Wahrscheinlichkeit katastrophaler Ausfälle
• Notfallinterventionen
• Verlängerte Erholungszeit

OEE stabilisiert sich.

Nutzungsbasierte Wartungsauslösung

Statt fester Intervalle lösen AI-native Systeme Audits aus basierend auf:

• Maschinenstunden
• Lastzyklen
• SKU-Belastungsprofilen
• Umgebungsbedingungen

Zum Beispiel:

Wenn Hochdrehmoment-SKU-Läufe den Schwellenwert überschreiten → mechanische Inspektion auslösen.

Wartung richtet sich nach realem Verschleiß.

Wartung und Produktion koordinieren

AI-native Ausführungsplattformen integrieren Wartungsplanung mit:

• Produktionsplänen
• SKU-Priorität
• Qualifikationsverfügbarkeit
• OEE-Zielen

Dies ermöglicht:

• Wartung in wirkungsarmen Zeitfenstern
• Reduzierte Störungen
• Verbesserte Kapazitätsplanung

Wartung wird strategisch an den Betrieb ausgerichtet.

Finanzielle Auswirkungen prädiktiver Wartung

Selbst eine kleine Reduzierung unerwarteter Stillstandszeiten bringt:

• Höhere Anlagenauslastung
• Niedrigere Wartungskosten pro Einheit
• Reduzierte Ersatzteilbestände
• Verbesserte Kundenservice-Levels

Prädiktive Zuverlässigkeit schützt Kosten und Umsatz.

Sicherheitsimplikationen

Maschinenausfälle gehen oft Sicherheitsvorfällen voraus.

AI-native Erkennung abnormaler Muster:

• Reduziert das Risiko mechanischer Unfälle
• Verhindert unsicheren Neustart
• Setzt Verifizierungstore durch

Wartung wird Teil der Sicherheitsinfrastruktur.

Integration mit CMMS und ERP

AI-native Wartungsintelligenz integriert mit:

• CMMS für Arbeitsauftragsautomatisierung
• ERP für Ersatzteilausrichtung
• MES für Produktionssynchronisation
• Qualitätssystemen für Fehlerkorrelation

Getrennte Wartungsdaten erzeugen blinde Flecken.

Integrierte Intelligenz eliminiert sie.

Von reaktiven Reparaturen zu prädiktiver Zuverlässigkeit

Traditionelles Reparaturmodell:

Ausfall → Diagnose → Reparatur → Wiederaufnahme.

Prädiktives AI-Modell:

Anomalie erkennen → Präventive Inspektion auslösen → Frühzeitig korrigieren → Ausfall vermeiden.

Dieser Wandel reduziert sowohl Stillstandszeit als auch Belastung der Belegschaft.

Standortübergreifende Anlagen-Intelligenz

Unternehmensweite Hersteller können:

• Ausfallmuster über Werke vergleichen
• Wiederkehrende Belastungstreiber identifizieren
• Ersatzteilstrategie optimieren
• Prädiktive Schwellenwerte standardisieren

AI-native Plattformen ermöglichen netzwerkweites Zuverlässigkeitslernen.

Kultureller Wandel: Wartung als Strategie

Wartungsteams arbeiten oft unter Krisendruck.

Prädiktive AI reduziert:

• Notfallarbeitsbelastung
• Stressbedingte Fehler
• Überstunden-Ermüdung

Wartung wird strategisch statt reaktiv.

Strategie für die unternehmensweite Einführung

Phase 1:

Kritische Anlagen mit Echtzeit-Signalerfassung integrieren.

Phase 2:

Anomalieerkennungsschwellen aktivieren.

Phase 3:

Bediener-Feedback mit Sensordaten korrelieren.

Phase 4:

Arbeitsauftragsgenerierung und Priorisierung automatisieren.

Inkrementelle Einführung sichert messbaren ROI.

Strategische Fragen für Führungskräfte

• Wie viel Stillstandszeit ist ungeplant?
• Basieren Inspektionen auf Nutzung oder Kalender?
• Wie viele Ausfälle treten trotz präventiver Wartung auf?
• Werden Bedienerbeobachtungen systematisch erfasst?

Wenn Wartung kalendergesteuert bleibt, ist Ausführungsintelligenz unvollständig.

Fazit: Maschinen fallen durch Verhalten aus, nicht nach Datum

Kalenderbasierte Wartung setzt Stabilität voraus.

Moderne Fertigung ist dynamisch.

AI-native zustandsbasierte Wartung:

• Erkennt frühe Degradation
• Richtet Wartung an Nutzung aus
• Verhindert kostspielige Ausfälle
• Schützt Sicherheit und OEE

Wartung ausgelöst durch Realität ist keine Zukunftsvision.

Sie ist eine notwendige Evolution.