Industrie 4.0. Predictive Maintenance. Wunsch oder Wirklichkeit?

Inhaltsverzeichnis

1. Einleitung

2. Problemstellung und Ziele

3. Methode

4. Auswertung und Ergebnisse

5. Diskussion

6. Fazit

Anhang

Literaturverzeichnis

1. Einleitung

Wir bewegen uns im Zeitalter der Industrie 4.0, die die Unternehmen mit modernster Informations- und Kommunikationstechnik verzahnt. Der größte Beweggrund dieser Entwicklung ist die schnell zunehmende Digitalisierung der Wirtschaft.^[1] Ein populärer Anwendungsbereich der Industrie 4.0 ist Predictive Maintenance. Predictive Maintenance wird als ein Schlüsselthema in der Industrie 4.0 identifiziert und als eindeutige Voraussetzung für zukünftigen Erfolg in der Wartung gesehen.^[2]

Der Begriff „Predictive Maintenance“ (PM) lässt sich mit dem Begriff „vorausschauende Wartung“ ins Deutsche übersetzen. Das Ziel von PM besteht darin, Zustandsdaten von technischen Anlagen zur Vorhersage von möglichen Ausfällen der Maschinen sowie Maschinenteilen zu nutzen.^[3] Insbesondere für produzierende Unternehmen ist PM von großer Bedeutung, da diese überwiegend für ihre Wartungsarbeiten PM einsetzen, allerdings nur für bekannte oder vermutete Ursache-Wirkungs-Zusammenhänge. Nur wenn der Technologie bekannt ist, dass eine Änderung der Charakteristik auf einen sich anbahnenden Schaden hinweist, kann man die Anlagen im Sinne einer vorausschauenden Wartung nutzen.^[4]

2. Problemstellung und Ziele

Das Versprechen, das sich mit Predictive Maintenance, der „vorhersagenden Wartung“ verbindet, ist die Änderung des Blickwinkels. Anstatt auf einen Ausfall oder Störungen im Nachhinein reagieren zu können, befähigt Predictive Maintenance Unternehmen, mögliche Defekte vorherzusagen.^[5] Die durch die Anbieter von PM-Software versprochene „vorausschauende Technologie“ wird hierbei jedoch nicht erfüllt. Kein Mensch bzw. keine Technologie kann die Zukunft vorhersagen oder Daten aus der Zukunft kennen und analysieren.^[6]

Predictive Maintenance ist kein Blick in die Zukunft, sondern basiert auf Mathematik und Algorithmen. Die Technologie kann die Zukunft nicht vorhersagen oder genau empfehlen, wann tatsächlich eine Wartung notwendig wird. Die Technologie beschreibt die wahrscheinlichste Richtung, wann eine Wartung für die Anlage notwendig wird. Es werden lediglich historische Daten analysiert, welche zum großen Teil auf Zufall basieren. Diese Datengrundlage dient dann der Planung der Art und Weise der zukünftigen Wartung. Eine Vorhersage auf Basis von historischen Daten ist also kritisch zu betrachten, da die Qualität und Anzahl der Daten häufig nicht gewährleistet ist. Nach der Einführung von PM wird das bereits erlernte Datenschema immer lediglich auf dieselben verbundenen Wirkungen zurückgeführt.^[7]

Genaue Anforderungen an PM sind häufig noch unbekannt und aktuell zumeist allgemein aus der internen technischen Perspektive (z.B. weitere Produktverbesserung, Kostenreduzierung, Reduzierung von Maschinenausfällen sowie Produktivitätssteigerung) definiert.^[8]

PM wird eine durchschnittliche Produktivitätssteigerung von 25%, eine Reduzierung von Maschinenausfällen von 70% und eine Wartungskostenreduktion von 25%^[9] beigemessen. Dennoch wissen 89% der Unternehmen nicht, wie die spezifische Ausgestaltung der vorausschauenden Wartung für ihr Unternehmen vonstattengehen kann.^[10] Zudem dominiert die einseitig vorteilhafte Darstellung von PM in der Literatur.

PM wird aktuell noch recht unkritisch betrieben. Defizite herrschen hinsichtlich der zuverlässigen Quantifizierung von Instandhaltung sowie notwendigen Instandhaltungsmaßnahmen.^[11] Daher kann auch der wirtschaftliche Erfolg von PM nur geschätzt werden, und zwar aufgrund der Weiterentwicklung von Technik aber auch unterschiedlicher äußerer Einflussfaktoren, die nie komplett ausgeblendet beziehungsweise herausgerechnet werden können.^[12]

Bei der Bewertung von IT-Projekten wie PM kann die Entscheidungssituation derart ausgestaltet sein, dass mit der Einführung des Projektes im Unternehmen eine alternative Verwendung von Ressourcen bzw. Instandhaltungsmaßnahmen einhergeht. Bei PM können die Opportunitätskosten nicht berechnet werden, da die Kosteneinsparung bei einer "Nicht-Anwendung von PM" unbekannt ist.^[13] Als Beispiel kann eine Maschine angeführt werden, die einmal pro Jahr vom Hersteller gewartet wird, unabhängig davon, ob tatsächlich ein Schaden vorhanden ist. Da unbekannt ist, ob die Maschine auch mehr als ein Jahr ohne Wartung auskommen könnte, kann auch keine Aussage über die Kosten getroffen werden, die bei einer "Nicht-Wartung" eingespart worden wären. Der Grund dafür ist, dass dieselben Auslastungsbedingungen, wie sie in der Vergangenheit herrschten, nie wiederholbar sind und damit kein Vergleich zu einer Situation möglich ist, in der eine Wartung zu einem späteren Zeitpunkt stattgefunden hätte. Ein weiterer Grund der kritischen Opportunitätskostenberechnung bei PM ist, dass durch die Technologie eintretende "Verbesserung" nicht eindeutig auf PM zurückzuführen ist, sondern auch auf die Weiterentwicklung der Teile bzw. Anlagen.^[14]

Alles in allem kann man also festhalten, dass weder bewiesen ist, dass PM tatsächlich zu Einsparungspotenzialen führt noch, dass mithilfe von PM überhaupt in die Zukunft geblickt werden kann, d.h. Vorhersagen über das zukünftige Verhalten einer Maschine getroffen werden und somit Wartungen optimiert werden können.^[15] PM ist nur ein Begriff, welcher eine Vorhersage verspricht, jedoch ist weder in der Realität noch durch die Technologie ein Blick in die Zukunft möglich.^[16]

Zielsetzung dieser Arbeit ist es somit zu ermitteln, ob PM durch die Zukunftsbezogenheit in der Praxis funktioniert und wie gegebenenfalls der Erfolg in der Praxis konkret gemessen wird.

3. Methode

Zur Realisierung der Zielsetzung wurde das Mittel der Befragung gewählt, um Aufschluss über die Sichtweise der Praxis zu erhalten. Die Anzahl der Fragen wurde dabei auf vier begrenzt. Vor der Hauptbefragung fand ein Pre-Test statt, der die Verständlichkeit dieser Fragen prüfte. Dazu wurden vorab einige Personen befragt, die mit PM vertraut sind. Die Ergebnisse des Pre-Tests führten dann zu sprachlichen Überarbeitungen der Fragen. Als Kriterium für die Teilnahme an der Befragung wurde Praxiserfahrung mit PM vorausgesetzt. Die Stichprobe setzt sich aus Mitarbeitern unterschiedlicher Unternehmen in Deutschland zusammen, darunter Konzerne, IT-Beratungsunternehmen sowie kleine- und mittelständische Unternehmen. Über persönliche Ansprache bei Vortrags-Veranstaltungen, Google-Suchanfragen sowie der sozialen Netzwerkplattform für berufliche Kontakte XING wurden den Voraussetzungen entsprechende Teilnehmer gefunden und per E-Mail oder XING -Nachricht kontaktiert.

Bei der Befragungsdurchführung wurden zwei unterschiedliche Erhebungsmittel verwendet. Den kontaktierten Personen wurde sowohl die Möglichkeit, an einer Online-Umfrage teilzunehmen, die vorab durch das Online-Befragungs-Tool umfrageonline.com erstellt wurde, als auch die Möglichkeit der Befragung über ein Telefoninterview vorgeschlagen. Beim Umfang der qualitativen Befragung wurde darauf geachtet, dass die Länge nicht zur Beeinträchtigung der Aufmerksamkeit des Befragten führt. Es wurde sichergestellt, dass jede Frage zum gesetzten Ziel der Arbeit führt. Während die ersten zwei Fragen den Fokus auf die Zukunftsbezogenheit setzen, widmen sich die weiteren Fragen der Messbarkeit von PM.

Das Ziel der ersten Frage ("Wie stehen Sie zu der Aussage, dass mithilfe von Predictive Maintenance die Zukunft vorausgesagt werden soll?") ist herauszufinden, ob Unternehmen der Meinung sind, dass durch PM gemäß der Begrifflichkeit "predictive" tatsächlich eine Vorhersage getroffen werden kann.

Auch die zweite Frage ("Wie stehen Sie zu der Aussage, dass Predictive Maintenance lediglich ein intelligenter Ansatz zum Vorziehen von Wartungsintervallen ist?") steht in Kritik zur Begrifflichkeit des „predictive“ und stellt infrage, ob Wartungsintervalle lediglich vorgezogen werden. Da nicht überprüft wird, ob beispielsweise ein Maschinenteil tatsächlich in Übereinstimmung mit dem vorausgesagten Zeitpunkt ausfällt, ist von der Annahme auszugehen, dass eher ein präventiver als ein prädiktiver Ansatz verfolgt wird und damit keine Vorhersage gegeben ist, da lediglich Wartungsintervalle vorgezogen werden.

Frage 3 ("Wie definieren Sie für Ihr Unternehmen den Nutzen von Predictive Maintenance und anhand welcher Kenngrößen messen Sie diesen?") beschäftigt sich damit, welcher Nutzen für die Einführung von PM für Unternehmen definiert wird und wie dieser durch Kenngrößen gemessen wird. Unternehmen entscheiden sich für PM durch die viel beworbene Vorteilhaftigkeit. Die Frage setzt sich zum Ziel, welchen Nutzen die Unternehmen sich selbst oder anderen versprechen und wie sie diesen anhand von Kenngrößen nachweisen können.

Die letzte Frage ("Wie können Sie den Erfolg von Predictive Maintenance messen, ohne in der Lage zu sein die Opportunitätskosten zu berechnen?") beschäftigt sich mit der Tatsache, dass der Erfolg von PM nur durch die Berechnung der Opportunitätskosten gemessen werden kann. Da die Berechnung dieser Kosten jedoch nicht möglich ist, soll diese Frage Aufschluss darüber geben, wie Unternehmen sich diesem Problem stellen. Die Fragen sind bewusst so gestellt, dass sie den jeweiligen Befragten zum kritischen Denken anregen sollen.

Die Erhebung fand vom 07.12.2017 bis zum 11.01.2018 statt. Von insgesamt 98 angeschriebenen Personen nahmen 19 an der Hauptbefragung teil.

Zur Aufbereitung der Erhebungsdaten wurden die Telefoninterviews transkribiert und anschließend zusammen mit den Antworten der Online-Umfrage ausgewertet. Für die Auswertung wurde sich streng an die Vorgehensweise der qualitativen Inhaltsanalyse nach Philipp Mayring gehalten^[17]. Gemäß Mayring wurde die induktive Kategorienbildung genutzt, durch welche die Antworten auf für sie beschreibende Begrifflichkeiten reduziert wurden und sich daraus die Kategorien gebildet haben. Daraus erfolgte eine Einordnung der Antworten in die unterschiedlichen Kategorien, welche wiederholt überarbeitet worden sind. Daraus ließen sich Kernaussagen bilden, die ein Meinungsbild der Praxis zur Thematik PM spiegeln.

4. Auswertung und Ergebnisse

Frage 1

Bei Predictive Maintenance (dt.: vorausschauende Wartung) handelt es sich um eine Instandhaltungsmethode, bei der historische Daten ausgewertet werden, um Vorhersagen über den optimalen Wartungszeitpunkt einer Maschine zu treffen. Wie stehen Sie zu der Aussage, dass mithilfe von Predictive Maintenance die Zukunft vorhergesagt werden soll?

Abbildung in dieser Leseprobe nicht enthalten

Die Kategorie "eingeschränkte Zustimmung" beschreibt die Antworten, bei der die Befragten unter bestimmten Voraussetzungen und Bedingungen zustimmen. Beispielsweise sollten genügend historische Daten bzw. Schadensmuster vorliegen, um eine direkte Vorhersage zu ermöglichen.

Frage

Frage 2

Wie stehen Sie zu der Aussage, dass Predictive Maintenance lediglich ein intelligenter Ansatz zum Vorziehen von Wartungsintervallen ist?

Abbildung in dieser Leseprobe nicht enthalten Die Kategorie "eingeschränkte Zustimmung" beschreibt die Antworten, die davon ausgehen, dass PM einen optimalen Zeitpunkt für die Wartung festlegt und man somit die Wartungsintervalle sowohl vorziehen als auch nachziehen kann.

Frage 3

Wie definieren Sie für Ihr Unternehmen den Nutzen von Predictive Maintenance und anhand welcher Kenngrößen messen Sie diesen?

Abbildung in dieser Leseprobe nicht enthalten

Kenngrößen (einmal genannt):

- Ausfallzeiten/-kosten - Anzahl Ausschussteile - Produktionsoutput
- Wartungsstunden - Lagerhaltungskosten - Ersatzteilekosten
- Anzahl der verfügbaren Geräte

Für die Kategorien des Nutzens wurden folgende Beispiele genannt:

- Stillstandreduktion beinhaltet auch die Anlagenverfügbarkeitssteigerung
- Instandhaltungszeitenoptimierung: Wartungen zusammen fassen, Wartungszyklen maximieren, besser planbare Wartungen
- Instandhaltungskostenreduktion: geringerer Ressourceneinsatz, bessere Materialausschöpfung, Optimierung der Lagerhaltungskosten, Reduktion der Ersatzteile
- Qualitätsoptimierung: weniger Ausschuss, geringere Toleranzen
- Schutz der Umwelt: Ressourcenschonung
- Indirekte Kundenzufriedenheit: Garantie und Kulanzkosten sparen

Frage 4

Opportunitätskosten beschreiben den entgangenen Nutzen beziehungsweise den entgangenen Ertrag einer Handlungsalternative, auf den zugunsten der durchgeführten Alternative verzichtet wird. Sie sind demnach keine Kosten im Sinne der Kosten- und Leistungsrechnung, sondern dienen ausschließlich der Quantifizierung der entgangenen Alternativen. Wie können Sie den Erfolg von Predictive Maintenance messen, ohne in der Lage zu sein die Opportunitätskosten zu berechnen?

Abbildung in dieser Leseprobe nicht enthalten

58% sind der Meinung, dass PM messbar ist, auch ohne in der Lage zu sein die Opportunitätskosten zu berechnen. Im Folgenden soll das Diagramm veranschaulichen, wie sie die Erfolge messen.

Abbildung in dieser Leseprobe nicht enthalten

Hier sollte noch zwischen den Vergleichen unterschieden werden. Der "Vorher-Nachher-Vergleich" beschreibt den Vergleich zwischen PM und der davor verwendeten Wartungsmethode. Der "Vergleich mit und ohne PM" hingegen soll zwei Maschinen vergleichen, die bei gleichen Auslastungsbedingungen PM und eine andere Wartungsmethode anwenden.

[...]

^[1] Vgl. Bundesministerium für Wirtschaft und Energie (2018)

^[2] Vgl. Roland Berger (2017)

^[3] Vgl. Nico Litzel (2017)

^[4] Vgl. Roland Berger (2017)

^[5] Vgl. Ibrahim Evsan (2016)

^[6] Vgl. Wolfgang Martin (2015)

^[7] Vgl. Dr. Hartmut Steck-Winter (2011)

^[8] Vgl. Roland Berger (2017)

^[9] Vgl. Deloitte (2017)

^[10] Vgl. Roland Berger (2017)

^[11] Vgl. Roland Berger (2017)

^[12] Vgl. Dr. Hartmut Steck-Winter (2011)

^[13] Vgl. Ralph Brugger (2009)

^[14] Vgl. Dr. Hartmut Steck-Winter (2011)

^[15] Vgl. Dr. Hartmut Steck-Winter (2011)

^[16] Vgl. Ibrahim Evsan (2016)

^[17] Vgl. Christina Ramsenthaler (2013)