Wichtigste Erkenntnisse
Kurzantwort: Vorausschauende Wartung verwendet Zustandsdaten, um vorherzusagen, wann ein Betriebsmittel ausfallen wird, sodass Sie genau rechtzeitig handeln. Präskriptive Wartung geht einen Schritt weiter: Sie sagt nicht nur den Ausfall voraus, sondern empfiehlt auch die konkrete Maßnahme – jetzt reparieren, einen Parameter anpassen, neu terminieren. Präskriptive Wartung setzt voraus, dass die vorausschauende Wartung bereits funktioniert, sowie reichhaltigere Daten und Entscheidungsmodelle; sie ist daher eine Fähigkeit höherer Reife. Siehe auch condition based vs time based maintenance.
Vorausschauende Wartung prognostiziert den Zeitpunkt eines Ausfalls anhand von Zustandsdaten – zunehmende Vibrationen, steigende Temperatur, Ölverschlechterung – sodass Sie kurz vor dem Ausfall eingreifen können, statt nach einem festen Kalender. Sie beantwortet das „Wann“ und verwandelt Zustandsüberwachung in eine zeitlich abgestimmte Warnung.
Präskriptive Wartung beantwortet das „Wann“ und das „Was zu tun ist“. Zusätzlich zur Ausfallprognose wägt sie Optionen und deren Folgen ab und empfiehlt eine konkrete Maßnahme – jetzt austauschen, die Maschine drosseln, den Auftrag neu terminieren. Sie benötigt Entscheidungsmodelle und deutlich reichhaltigere Daten als eine einfache Prognose.
Die vorausschauende Wartung meldet, dass ein Lager wahrscheinlich in etwa zehn Tagen ausfallen wird. Das ist eine gute Warnung – aber der Planer muss trotzdem entscheiden, was zu tun ist: am Wochenende ersetzen, die Linie drosseln, um die Lebensdauer zu verlängern, oder den kritischen Auftrag der nächsten Woche neu terminieren. Präskriptive Wartung trifft diese Entscheidung und empfiehlt beispielsweise „Auftrag 482 auf Linie 2 verschieben und das Lager am Freitag ersetzen“, weil sie den Auftragsbestand, die Verfügbarkeit von Ersatzteilen und die Kosten jeder Option kennt. Die vorausschauende Wartung gab die Warnung; die präskriptive Wartung gab den Plan.
Die Vorhersage eines Ausfalls ist ein Modell; die Empfehlung der besten Maßnahme erfordert hingegen das Verständnis von Kosten, Alternativen und Zwängen über den gesamten Betrieb hinweg. Sie verlangt Datenreife und organisatorisches Vertrauen, die die meisten Betriebe erst noch aufbauen – weshalb sie auf der Reifekurve über der vorausschauenden Wartung angesiedelt ist.
Bringen Sie zunächst zustandsbasierte und vorausschauende Wartung zum Laufen und schaffen Sie Vertrauen. Präskriptive Maßnahmen auf einer wackeligen vorausschauenden Basis automatisieren nur schlechte Ratschläge – selbstbewusste Empfehlungen, die auf unzuverlässigen Prognosen beruhen. Laufen lernen, bevor Sie rennen: Gewinnen Sie Vertrauen in die Vorhersagen, bevor Sie ein Modell die Maßnahmen vorschreiben lassen.
1. Präskriptive Lösungen verfolgen, bevor die vorausschauende Wartung funktioniert. Sie automatisieren Empfehlungen auf Basis unzuverlässiger Prognosen.
2. Keine vertrauenswürdigen Zustandsdaten. Beide Fähigkeiten brechen ohne ein verlässliches Signal zusammen.
3. Empfehlungen, die niemand umsetzen kann. Eine Empfehlung, die reale Zwänge ignoriert, wird ignoriert.
4. Als Alles-oder-Nichts betrachten. Der Großteil des Nutzens entsteht durch zuverlässige vorausschauende Wartung, und zwar lange vor einer vollständigen präskriptiven Lösung.
Beide schützen die Verfügbarkeit, indem sie ungeplante Ausfälle vermeiden. OEE- und Stillstandsdaten sind zudem der Rohstoff, mit dem vorausschauende und präskriptive Modelle trainiert und validiert werden – je besser Ihre Verlustdaten, desto besser die Prognose und die darauf aufbauende Empfehlung.
Fabrico erfasst die Zustands- und Stillstandsdaten, auf denen vorausschauende Wartung basiert, und liefert damit die vertrauenswürdige Grundlage, die jede präskriptive Funktionalität benötigt. Buchen Sie eine Demo, um die Daten hinter der Vorhersage zu sehen.
Sie fügt Handlungsempfehlungen zur Vorhersage hinzu – eine eigenständige, anspruchsvollere Fähigkeit.
Ja – präskriptive Lösungen bauen auf einer funktionierenden, vertrauenswürdigen vorausschauenden Grundlage auf.
Reichhaltigere Daten und Entscheidungsmodelle, die Kosten, Optionen und Zwänge verstehen.
Zustandsbasiert, dann vorausschauend, dann präskriptiv – in dieser Reihenfolge.
Dann würden Empfehlungen automatisiert auf Prognosen beruhen, denen Sie noch nicht vertrauen.
Anmeldung
Blog
