Menu
Zustandsüberwachung vs. vorausschauende Instandhaltung: Zwei Begriffe, die gleich klingen und es nicht sind.

Zustandsüberwachung vs. vorausschauende Instandhaltung: Zwei Begriffe, die gleich klingen und es nicht sind.

Zustandsüberwachung misst den Zustand der Anlage. Vorausschauende Wartung nutzt diese Daten, um Ausfälle vorherzusagen. Warum diese Unterscheidung die Kaufentscheidung verändert.
Zustandsüberwachung vs. vorausschauende Instandhaltung: Zwei Begriffe, die gleich klingen und es nicht sind.
Zustandsüberwachung vs. vorausschauende Wartung: Zwei Begriffe, die gleich klingen, aber nicht dasselbe sind

Wichtigste Erkenntnisse

  • Zustandsüberwachung (CM) = Messung des Anlagenzustands (Vibration, Temperatur, Ölqualität) und Handeln bei Überschreiten von Schwellenwerten.
  • Vorausschauende Wartung (PdM) = Verwendung von Zustandsdaten plus Modellen, um die verbleibende Nutzungsdauer vorherzusagen und Maßnahmen vor einem Ausfall zu planen.
  • CM ist reaktiv anhand von Schwellenwertregeln. PdM ist vorausschauend mit einer probabilistischen Perspektive.
  • Die meisten Anlagen, die „PdM“ sagen, führen in Wirklichkeit CM mit Schwellenwerten durch — das ist in Ordnung, sollte aber nicht überverkauft werden.
  • Echte PdM benötigt CM‑Daten PLUS Modelle auf Basis von Ausfallhistorie — ohne Historie ist es Überwachung, keine Vorhersage.

Kurz gesagt: Zustandsüberwachung ist die Messung des Anlagenzustands (Vibration, Temperatur, Ölqualität usw.) plus Alarmregeln auf Basis von Schwellenwerten. Vorausschauende Wartung verwendet diese Zustandsdaten kombiniert mit Modellen auf Basis der Ausfallhistorie, um vorherzusagen, wann ein Ausfall eintreten wird, und Maßnahmen vorab zu planen. CM ist die Eingabe; PdM ist die Ausgabe. Anlagen, die beides verwechseln, kaufen meist CM‑Werkzeuge und versprechen zu viel PdM‑Leistung. Siehe auch Drehmomentüberwachung vs. Zyklusüberwachung.

Was Zustandsüberwachung ist

Zustandsüberwachung ist die kontinuierliche oder periodische Messung des Anlagenzustands. Häufige Typen:

  • Vibrationsanalyse an rotierenden Maschinen.
  • Wärmebildgebung an elektrischen und mechanischen Anlagen.
  • Ölanalyse bei geschmierten Komponenten.
  • Ultraschallprüfung an Lagern und Ventilen.
  • Analyse der Motorstromsignatur bei Motoren.

CM erzeugt einen Datenstrom. Um darauf zu reagieren, sind Schwellenwertregeln erforderlich: Wenn die Vibration 5 mm/s RMS überschreitet, Alarm. CM mit Regeln ist weit verbreitet und liefert echten Nutzen.

Was die vorausschauende Wartung hinzufügt

PdM verwendet Zustandsdaten plus Modelle, um vorherzusagen:

  • Die verbleibende Nutzungsdauer (RUL) des Assets oder Bauteils.
  • Die Wahrscheinlichkeit eines Ausfalls innerhalb eines zukünftigen Zeitfensters.
  • Den optimalen Zeitpunkt für eine Intervention (jetzt vs. in zwei Wochen vs. bei der nächsten geplanten Stilllegung).

Die Prognose stammt aus Modellen — physikbasiert, statistisch oder maschinelles Lernen — die auf historischen Ausfalldaten in Kombination mit aktuellen Zustandsdaten trainiert werden.

Warum die Unterscheidung wichtig ist

Drei Gründe:

1. Kaufentscheidungen. Ein CM‑System ist deutlich günstiger als eine echte PdM‑Plattform. Wenn Sie nur Schwellenalarme benötigen, wäre PdM überteuert.

2. Datenanforderungen. PdM benötigt historische Ausfalldaten, um Modelle zu trainieren. Greenfield‑Anlagen ohne Historie erhalten CM, nicht PdM, egal wie der Anbieter es nennt.

3. Erwartungen. CM sagt Ihnen, wann etwas nicht in Ordnung ist. PdM sagt Ihnen, wann etwas nicht in Ordnung sein wird. Mit nur CM eine PdM zu versprechen, führt zu Enttäuschungen.

Die Zustandsüberwachungsfalle

Die meisten Anlagen implementieren CM und nennen es PdM, weil das Marketing besser klingt. Die Schwellenwertregeln sind Zustandsüberwachung; die Vorhersage ist implizit (über Schwellenwert = wird bald ausfallen). Das funktioniert für viele Assets, ist aber nicht dasselbe wie eine probabilistische Prognose mit Konfidenzintervallen.

Die ehrliche Position: Die meisten „PdM“-Systeme sind in Wirklichkeit CM mit Schwellenwerten. Das ist in Ordnung — CM mit Schwellen liefert echten Nutzen. Nur sollte man die Vorhersage nicht überverkaufen.

Wann CM ausreicht

  • Einfache Assets mit gut verstandenen Ausfallmechanismen (z. B. Motorlager).
  • Anlagen ohne historische Ausfalldaten zur Modellbildung.
  • Anwendungsfälle, in denen schwellenbasierte Alarme ausreichend sind.

Wann sich PdM lohnt

  • Kritische Assets, bei denen Fehlalarme teuer sind UND verpasste Ausfälle katastrophal wären.
  • Anlagen mit umfangreichen historischen Daten zur Modellbildung.
  • Komplexe Assets, bei denen Mehrsignal‑Muster besser vorhersagen als einfache Schwellen.
  • Betriebe, bei denen sich die präzise Timing‑Optimierung einer Intervention erheblich lohnt.

Wie sie zusammenpassen

  1. Zustandsüberwachung installiert Sensoren und sammelt Daten.
  2. Schwellenbasierte Alarme erfassen offensichtliche Anomalien.
  3. Historische Ausfalldaten sammeln sich über Monate und Jahre an.
  4. PdM‑Modelle werden auf dem kombinierten Datensatz trainiert, um Ausfälle mit Konfidenzintervallen vorherzusagen.
  5. Interventionsplanung nutzt PdM‑Prognosen plus Produktionsplan, um den Zeitpunkt zu optimieren.

Die Reihenfolge ist: zuerst CM, dann PdM, sobald Daten akkumuliert sind. Anlagen, die CM überspringen und versuchen, PdM direkt zu kaufen, scheitern meist, weil die Datenbasis fehlt.

Häufige Fehler

1. PdM ohne historische Daten kaufen. Modelle brauchen Historie. Greenfield = zunächst nur CM, bis Historie vorhanden ist.

2. Schwellenalarme als Vorhersage behandeln. Ein Schwellenwertüberschritt ist ein Ist‑Zustandssignal, keine Zukunftsprognose.

3. Fehlalarmrate ignorieren. Sowohl CM als auch PdM erzeugen Alarme, die sich als falsch erweisen. Ignorierte Alarme sind schlimmer als keine Alarme. Kalibrieren Sie auf Basis der Kosten von Fehlalarmen.

4. Nicht in den Wartungsworkflow einbinden. Ein Alarm, der keinen Arbeitsauftrag erzeugt, verrottet in einer Datenbank. Die Integration mit dem CMMS ist unverzichtbar.

Wie eine moderne CMMS‑ und OEE‑Plattform beides handhabt

Ein moderner Stack zieht Zustandsdaten von Sensoren, wendet Schwellen für CM‑artige Alarme an und speist historische Ausfall‑ sowie Zustands‑Signaturen in PdM‑Modelle für die Assets, bei denen sich das lohnt. Das CMMS erzeugt automatisch Arbeitsaufträge aus sowohl CM‑Alarmen als auch PdM‑Prognosen.

Das CMMS von Fabrico unterstützt CM‑artige Schwellenalarme auf einer breiten Sensorbasis und PdM‑artige Prognosen, wo historische Ausfalldaten die Modellbildung ermöglichen — beides speist Arbeitsaufträge in den Wartungsworkflow.

Sehen Sie, wie Fabrico dies automatisch erfasst — OEE für die Fertigung erkunden oder eine Demo buchen.

Weiterführende Lektüre

Häufig gestellte Fragen

Kann ich PdM ohne Zustandsüberwachung durchführen?

Nein. PdM‑Modelle benötigen Zustandsdaten als Eingabe. CM ist die Voraussetzung.

Wie viele historische Daten benötigen PdM‑Modelle?

Das hängt von der Ausfallrate und dem Modelltyp ab. Jahre an Daten sind üblich; bei sehr seltenen Ausfällen ist die Modellleistung unabhängig davon begrenzt.

Ist KI für PdM erforderlich?

Nicht zwingend. Manche PdM verwendet statistische Modelle (Weibull, Regression) statt neuronaler Netze. Die ehrliche Unterscheidung ist datengestützte Vorhersage versus Schwellenwertregeln.

Wie rechtfertige ich die Rentabilität (ROI) von PdM?

Vergleichen Sie Fehlalarm‑ und Nichtentdeckungsraten mit der aktuellen Instandhaltungsstrategie. PdM zahlt sich aus, wenn beides mit kosteneffizienten Sensoren und Modellierung reduziert wird.

Sollte jedes Asset PdM bekommen?

Nein. Wenden Sie PdM auf kritische Assets an, bei denen die Ausfallkosten hoch sind. Weniger kritische Assets erhalten CM mit Schwellenwerten oder werden bis zum Ausfall betrieben.

Das Neueste aus unserem Blog

Definieren Sie Ihren Zuverlässigkeitsfahrplan
Überzeugen Sie sich selbst!
Definieren Sie Ihren Zuverlässigkeitsfahrplan
Indem Sie auf die Schaltfläche „Akzeptieren“ klicken, erklären Sie sich mit der Nutzung einverstanden.Cookies beim Zugriff auf diese Website und bei der Nutzung unserer Dienste. Erfahren Sie mehrWeitere Informationen zur Verwendung und Verwaltung von Cookies finden Sie in unserem Datenschutzrichtlinie und Cookie-Erklärung