Vorausschauende Instandhaltung vs. vorbeugende Instandhaltung: Wann ist welche Instandhaltung angebracht?

Wichtigste Erkenntnisse: Die meisten Hersteller profitieren am meisten davon, zunächst von reaktiver auf präventive Instandhaltung umzustellen. Vorausschauende Instandhaltung (PdM) bietet zusätzlichen Mehrwert, jedoch nur auf Basis einer funktionierenden präventiven Instandhaltung. Fabrico bietet Ihnen beides: nutzungsbasierte PM-Trigger, die wie zustandsorientierte Instandhaltung ohne teure Sensorinfrastruktur funktionieren, und einen KI-Agenten, der Muster erkennt, die Ausfälle vorhersagen, bevor sie eintreten.

Vorausschauende Instandhaltung vs. vorbeugende Instandhaltung : Den Unterschied zu verstehen, ist der erste Schritt. Die richtige Strategie für jede Anlage auszuwählen, ist der zweite Schritt.

Das Spektrum der Instandhaltungsstrategien von niedrigster bis höchster Komplexität:

• Reaktiv (Ausfallorientiert): Reparieren, wenn etwas kaputt geht. Niedrigste Anfangskosten, höchste Folgekosten durch einen Ausfall. Nur geeignet für unkritische, leicht austauschbare Anlagen, deren Ausfall keine weiteren Auswirkungen hat.
• Präventive Wartung (zeit-/nutzungsbasierte Wartung): Geplante Instandhaltung in festgelegten Intervallen. Verhindert die meisten Ausfälle kritischer Anlagen. Sie ist die Grundlage, ohne sie funktioniert nichts darüber hinaus.
• Zustandsorientierte Instandhaltung (CBM): Wartung, die durch den gemessenen Zustand der Anlagen ausgelöst wird. Effizienter als kalenderbasierte vorbeugende Instandhaltung, die Wartung erfolgt bedarfsgerecht, nicht nach einem festen Zeitplan.
• Prädiktives Monitoring (PdM): Maschinelles Lernen analysiert Sensordaten, um den genauen Zeitpunkt des Ausfalls einer Komponente vorherzusagen. Die anspruchsvollste und teuerste Methode. Für die Erstellung zuverlässiger Modelle werden Daten aus 12 bis 18 Monaten benötigt.

Vorausschauende Wartung erzielt nur dann einen positiven ROI, wenn drei Bedingungen gleichzeitig erfüllt sind:

1. Hohe Ausfallfolgen: Die Anlage ist so kritisch, dass ein ungeplanter Ausfall deutlich höhere Kosten verursacht als geplante Instandhaltung. Bei Anlagen mit Ausfallkosten von unter 2.000 US-Dollar pro Ausfallereignis amortisiert sich die Investition in zustandsorientierte Instandhaltung (PdM) selten.

2. Erkennbares Anzeichen von Verschlechterung: Der Ausfallmechanismus muss vor dem Ausfall ein messbares Signal erzeugen, beispielsweise zunehmende Vibrationen, steigende Temperatur oder Ölverschmutzung. Katastrophale Ausfälle ohne Vorwarnung können unabhängig von den Investitionen in Sensoren nicht von der zustandsorientierten Instandhaltung (PdM) profitieren.

3. Ausreichendes Datenvolumen: ML-basierte PdM benötigt 12, 18 Monate an Sensordaten und mehrere Ausfallereignisse, um zuverlässige Vorhersagemodelle zu erstellen. Bei neuen Geräten oder Anlagen mit geringer Ausfallhäufigkeit dauert es Jahre, bis brauchbare Modelle generiert werden.

Vor einer Investition in PdM sollte sichergestellt werden, dass die PM-Compliance bei den Zielanlagen über 80 % liegt. PdM an Maschinen mit sporadischer PM-Durchführung liefert unzuverlässige Ergebnisse, die Daten werden durch die schwankende Wartungsqualität und nicht nur durch den Anlagenzustand verfälscht.

Der praktischste Weg zur zustandsorientierten Instandhaltung für die meisten Hersteller erfordert weder Vibrationssensoren noch Ölanalyseprogramme oder separate PdM-Software.

Die OEE-Überwachung von Fabrico liefert die Datengrundlage für zustandsbasierte Entscheidungen ohne zusätzliche Hardware:

• OEE-Leistungstrends: Eine Presse, die über vier Wochen 5 % langsamer als ihre ideale Zykluszeit läuft, signalisiert einen kritischen Zustand. Fabrico generiert automatisch einen CMMS-Inspektionsauftrag, sobald die Leistung unter einen Schwellenwert fällt, zustandsorientierte Instandhaltung allein auf Basis der OEE-Daten.
• Nutzungsbasierte PM-Auslöser: Fabrico verbindet OEE-Zykluszähler direkt mit der CMMS-PM-Planung. Ein Werkzeug, das 10.000 Presszyklen erreicht, erhält automatisch einen Wartungsauftrag, unabhängig davon, ob dies in 3 Tagen oder 3 Wochen geschieht.
• Fabrico AI Agent: Analysiert historische OEE- und Wartungsdatenmuster, um „schlechte Akteure“ unter den Anlagen zu identifizieren, die 20 %, die 80 % Ihrer ungeplanten Ausfallzeiten verursachen, und schlägt Optimierungen des PM-Plans vor, bevor es zu Ausfällen kommt.

Mit diesem Ansatz lassen sich 70, 80 % der Vorteile eines vollständigen PdM-Programms zu 10, 20 % der Kosten erzielen.