SAP Predictive Maintenance and Service 

Bei den Instandhaltungsstrategien ist aktuell vieles in Bewegung. Jahrelang dominierten die korrektive und geplante Instandhaltung. 

Instandhaltungsstrategien im Wandel: Von korrektiv zu zustandsorientiert 

Man spricht von einer korrektiven Instandhaltung (Corrective Maintenance), wenn Wartungs- oder Reparaturmaßnahmen erst durchgeführt werden, wenn ein Asset defekt ist. Bei dieser Instandhaltungsstrategie kommt es allerdings immer wieder zu ungeplanten Stillständen. Im Gegensatz dazu erfolgt die geplante Instandhaltung nach festen zeitlichen oder leistungsabhängigen Intervallen, selbst wenn die Komponenten noch gar nicht verschlissen sind. 

Unternehmen beschäftigen sich nun seit einiger Zeit verstärkt mit einer zustandsorientierten Instandhaltung (Condition-based Maintenance). Der Grund: mit dieser Instandhaltungsstrategie können Verfügbarkeiten optimiert und Kosten reduziert werden. Wann welche Wartungsarbeiten durchgeführt werden, hängt nun davon ab, in welchem Zustand sich das Asset tatsächlich befindet. 

Dafür sammeln zahlreiche Sensoren, mit denen mittlerweile viele Maschinen, Anlagen, Werkzeuge und Fahrzeuge ausgestattet sind, Daten. Die weiterverarbeiteten Ergebnisse unterstützen Asset Manager, fundierte Entscheidungen zu treffen, ob und wann Wartungs- und Reparaturmaßnahmen notwendig sind. Plötzliche Ausfälle sind damit deutlich seltener geworden und die Instandhaltung lässt sich gezielt planen. 

Zukunftsorientiert: vorausschauende Instandhaltungsstrategie 

Einen Schritt weiter geht die vorausschauende Wartung (Predictive Maintenance). Dabei werden auf Basis aktueller Daten die Wahrscheinlichkeit und der Eintrittszeitpunkt von Störungen oder Defekten prognostiziert. 

Um die Prognosen so genau wie möglich zu ermitteln, sind neben den von Sensoren erfassten Daten auch Informationen aus weitere Quellen notwendig. Zudem analysieren leistungsstarke Algorithmen die enormen Datenmengen in Echtzeit. 

SAP Predictive Maintenance and Service als Chance für Betreiber und Dienstleister 

Predictive Maintenance lohnt sich für die Betreiber von Assets in vielerlei Hinsicht. Ungeplante Stillstände lassen sich so vollständig vermeiden und die Instandhaltungsarbeiten können optimal in die übrigen Rahmenbedingungen eingepasst werden. Das betrifft beispielsweise die Auslastung der Produktion, die Verfügbarkeit des Instandhalters oder die Termine und Kosten bei der Ersatzteilbeschaffung. 

Auch für Hersteller und externe Instandhaltungsdienstleister bietet Predictive Maintenance strategische Vorteile: Sie können sich – zumindest heute noch – mit dem Angebot vom Wettbewerb differenzieren und sich so einen Vorteil verschaffen. 

Bleibt nur noch die Frage, wie sich Predictive-Maintenance-Szenarien schlank realisieren lassen. Eine Möglichkeit bietet SAP mit der Softwarelösung Predictive Asset Insights (SAP PAI), ehemals SAP Predictive Maintenance & Service (SAP PdMS). Die Lösung ist sowohl als On-Premise- als auch als Cloud-Variante verfügbar. 

SAP Predictive Asset Insights (SAP PAI) Kernfunktionen im Überblick 

1. Visualisierung des Gesundheitszustands: Assets werden mittels Drill-down auf Komponentenebene dargestellt 
   • Machine-Learning-Content: vorkonfiguriert für technische Anlagen 
2. Derived-Signals-Management: z. B. über KPIs, Alerts und Health Scores 
3. 2D- und 3D-Charts sowie Kartenansichten 
   • Closed-Loop-Integration: Anbindung in die Instandhaltungs- und Serviceprozesse 
4. volle Flexibilität beim Laden und Speichern der Maschinendaten 
5. Software Development Kit (SDK): Erweiterung der Instandhaltungslösung mit kundenspezifischen Algorithmen und Benutzeroberflächen 
6. Fingerprint-Management: Visueller Ansatz zur Erfassung von Referenzzuständen von Assets für den Vergleich mit der aktuellen Betriebsleistung. 
7. Indicator Forecasting: Berechnung und Visualisierung von Indikatortrends, um Entscheidungen über Wartung und Zuverlässigkeit zu treffen. 
   • Advanced Rules-based Alert Creation: Selbstlernende Funktion, um den Gesundheitszustand von Anlagen zu berechnen und zur Vorhersagen von Ausfällen zu treffen. 
   • Leading Indicator Analysis: KI-gestützte Identifizierung der wichtigsten Indikatoren, die zu Ausfallereignissen oder bestimmten Fehlermodi führen. 
8. Failure Mode Analytics (Schadensbild-Analyse): Nutzt maschinelles Lernen, um KPIs zu Fehlermodi zu generieren. 
9. Failure Curve Analytics (Ausfallkurvenanalyse): Ermittlung der Restnutzungsdauer und Visualisierung von Ausfallkurven mittels Weibullverteilung und Instandhaltungsmeldungen 

Wer kann von Predictive Maintenance profitieren – und wie? 

Predictive Maintenance bietet enorme Vorteile für Unternehmen verschiedenster Branchen – von der Fertigungsindustrie über die Logistik bis hin zur Energieversorgung. Wer auf datenbasierte Instandhaltung setzt, kann Ausfallzeiten reduzieren, Wartungskosten senken und die Lebensdauer von Maschinen deutlich verlängern. In unserem kurzen, erklärenden Video erhalten Sie einen kompakten Überblick darüber, wie Predictive Maintenance funktioniert, für wen sich der Einsatz lohnt und welche konkreten Mehrwerte sich daraus ergeben. 

Lassen Sie sich inspirieren und entdecken Sie das Potenzial einer vorausschauenden Instandhaltungsstrategie für Ihr Unternehmen!