Temperatur (57%)
Betriebsdauer (52%)
Drehzahlen (50%)
Druck (45%)
Vibrationen (36%)
„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.“
Überzeugende 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%)
Bessere Übersicht über und Planbarkeit von Wartungsarbeiten (39%)
Steigerung der Effizienz in der Produktion (39%)
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%). Ähnlich herausfordernd sind fehlende technische Voraussetzungen (30%), Budgetgrenzen (31%) oder Probleme rund um die Datenauswertung (30%).
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.
