Ziel dieser Arbeit ist es einerseits, den aktuellen Stand von Predictive Maintenance wiederzugeben. Hierbei sind aktuelle Lösungs-Ansätze zu analysieren und die technischen Voraussetzungen zu identifizieren. Andererseits sollen Vorteile und Chancen, aber auch Herausforderungen bei der Einführung von Predictive Maintenance-Lösungen ausgearbeitet werden.
Der Schwerpunkt der Analyse liegt hierbei vor allem auf dem Nutzenpotenzial und den Bedürfnissen der Kunden. Für K. Anlagenbau soll diese Untersuchung zeigen, ob Predictive Maintenance vom Kunden gefordert wird und somit Lösungen entwickelt werden müssen. Hierbei sind für K. Anlagenbau die technischen Voraussetzungen und Möglichkeiten zu identifizieren und die Vorteile und Chancen zu analysieren.
Die Bereitschaft der Kunden, die Maschinendaten bereitzustellen, soll ein weiterer Aspekt der Untersuchung im Zuge dieser Arbeit darstellen. Auch die Frage, welche Möglichkeiten in Form von neuen Geschäftsmodellen sich hierdurch ergeben, wird analysiert.
Die Arbeit ist in einen konzeptionellen und einen praxisorientierten Teil gegliedert.
Inhaltsverzeichnis
1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung und Vorgehensweise
2 Predictive Maintenance – Grundlagen
2.1 Bedeutung von Predictive Maintenance
2.2 Abgrenzung der Instandhaltungsstrategien
2.3 Anwendungsmöglichkeiten von Predictive Maintenance
3 Predictive Maintenance – Technische Voraussetzungen
3.1 Condition Monitoring
3.1.1 Grundlagen der Zustandsüberwachung
3.1.2 Vernetzung und Kommunikation
3.2 IoT-Plattformen
3.3 Predictive Analytics
3.3.1 Grundlagen zu Vorhersagemodellen
3.3.2 Exkurs: Aufbau eines Predictive Maintenance Modells
3.4 Aspekte der IT-Sicherheit
4 Predictive Maintenance – Anwendungsbeschreibung
4.1 Implementierungsübersicht für PdM-Lösungen
4.2 Nutzenpotenziale von PdM-Lösungen
4.2.1 Vorteile für den Hersteller
4.2.2 Kundennutzen durch PdM
4.3 Chancen durch PdM-Lösungen
4.4 Entwicklung digitaler Geschäftsmodelle für PdM-Lösungen
5 Gestaltungsmöglichkeiten der empirischen Sozialforschung
6 Predictive Maintenance – Erfolgsfaktoren und Nutzenpotenziale bei der K. Anlagenbau KG
6.1 Empirische Vorgehensweise
6.2 Unternehmenspraktische Fragestellungen zu PdM
6.2.1 Wartungsstrategie bei K. Anlagenbau
6.2.2 Anwendungsmöglichkeiten von Predictive Maintenance bei K. Anlagenbau
6.2.3 Technische Möglichkeiten und Herausforderungen bei K. Anlagenbau
6.2.3.1 Condition Monitoring bei K. Anlagenbau
6.2.3.2 Plattformen bei K. Anlagenbau
6.2.3.3 Predictive Analytics bei K. Anlagenbau
6.2.3.4 IT-Sicherheit bei K. Anlagenbau
6.2.4 Vorteile für K. Anlagenbau
6.3 Externe Rahmenfaktoren hinsichtlich PdM
6.3.1 Kundenbedürfnisse hinsichtlich Predictive Maintenance-Lösungen
6.3.2 Nutzen für K. Anlagenbau-Kunden
6.3.3 Rechtliche Rahmenbedingungen
6.4 Implementierungsübersicht von PdM bei K. Anlagenbau
6.5 Chancen für K. Anlagenbau
6.6 Darstellung digitaler Geschäftsmodelloptionen für K. Anlagenbau
7 Fazit
Zielsetzung & Themen
Die Arbeit untersucht die Erfolgsfaktoren und Nutzenpotenziale von Predictive Maintenance (PdM) als Service-Leistung. Dabei liegt der Fokus auf der Identifikation der technischen Voraussetzungen, der betriebswirtschaftlichen Implementierungsmöglichkeiten sowie der Bedürfnisse der Kunden am Beispiel der K. Anlagenbau KG.
- Grundlagen und Strategien der Instandhaltung im Kontext von Industrie 4.0
- Technische Anforderungen an Condition Monitoring, IoT-Plattformen und Predictive Analytics
- Analyse der Nutzenpotenziale für Hersteller und Kunden bei der Einführung von PdM
- Untersuchung der Kundenerwartungen durch eine empirische Befragung
- Gestaltung digitaler Geschäftsmodelle und Geschäftsmodelloptionen
Auszug aus dem Buch
3.1.1 Grundlagen der Zustandsüberwachung
Wie bereits in Kapitel 2.1 erläutert, baut Predictive Maintenance auf dem Condition Monitoring auf, was das Erfassen von Maschinendaten in Echtzeit bedeutet. Als Grundvoraussetzung für die Anwendung von PdM müssen also die Daten der Maschinen und Anlagen in ausreichender Menge und Qualität erfasst werden, um prädiktive Vorhersagen zu ermöglichen. Dies erfordert zunächst eine Ausstattung der Maschinen und Anlagen mit Sensoren. Diese zeichnen dabei physikalische Faktoren auf, wie beispielsweise Temperaturen, Lichteinfall, Stromaufnahme und Durchflussraten in der Fluidmechanik oder auch Akustik. Allgemein dienen Sensoren also zur „quantitativen und qualitativen Messung von physikalischen, chemischen, klimatischen, biologischen und medizinischen Größen.“ Diese industriellen Sensoren fallen dabei unter den Begriff Industrial Internet of Things (IIoT), also das Internet der Dinge im industriellen Kontext. Damit gemeint sind verschiedene smarte Objekte wie beispielsweise Sensoren, Aktoren oder auch mobile Geräte, die miteinander kommunizieren und kooperieren. IIoT ist eine Erweiterung des IoT, des Internet of Things. Das IoT bezieht sich dabei auf die Vernetzung von Alltagsgegenständen, die durch eine IoT-Plattform und darauf ausgeführte Anwendungen ein sogenanntes Ökosystem bilden. Führende IoT-Plattformanbieter richten dabei ihre Aufmerksamkeit zunehmend auf die Anbindung von Industrieanlagen, also dem IIoT.
Um also Condition Monitoring betreiben zu können, müssen die Maschinen und Anlagen, beziehungsweise die smarten Objekte vernetzt sein. Das folgende Kapitel beschreibt dabei die Vernetzung als Voraussetzung für Predictive Maintenance und zeigt die technischen Umsetzungsmöglichkeiten hierfür auf.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Problemstellung der digitalen Vernetzung von Maschinen ein und definiert das Ziel, den aktuellen Stand von Predictive Maintenance zu analysieren.
2 Predictive Maintenance – Grundlagen: Hier werden die theoretischen Grundlagen erläutert, Instandhaltungsstrategien abgegrenzt und die Bedeutung von Predictive Maintenance für die Industrie hervorgehoben.
3 Predictive Maintenance – Technische Voraussetzungen: In diesem Kapitel werden die notwendigen technischen Komponenten wie Condition Monitoring, IoT-Architekturen und Predictive Analytics detailliert beschrieben.
4 Predictive Maintenance – Anwendungsbeschreibung: Hier werden die Implementierungsübersicht, Nutzenpotenziale für Kunden sowie Chancen und Geschäftsmodelle für Hersteller beleuchtet.
5 Gestaltungsmöglichkeiten der empirischen Sozialforschung: Dieses Kapitel beschreibt die methodischen Grundlagen für die in der Arbeit durchgeführten Datenerhebungen und Analysen.
6 Predictive Maintenance – Erfolgsfaktoren und Nutzenpotenziale bei der K. Anlagenbau KG: Der Praxisteil analysiert anhand von Unternehmensdaten und Experteninterviews die spezifische Umsetzung von PdM bei der K. Anlagenbau KG.
7 Fazit: Das Fazit fasst die wissenschaftlichen und praktischen Erkenntnisse zusammen und gibt einen Ausblick auf die zukünftige Entwicklung von Predictive Maintenance.
Schlüsselwörter
Predictive Maintenance, Industrie 4.0, Condition Monitoring, IoT, IIoT, Predictive Analytics, Instandhaltung, Geschäftsmodelle, K. Anlagenbau KG, Kundennutzen, Datensicherheit, Machine Learning, Digitalisierung, Service-Leistung, Empirische Untersuchung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit analysiert Predictive Maintenance als moderne Instandhaltungsstrategie und untersucht deren Implementierung, Chancen und geschäftsmodellrelevante Aspekte anhand eines Industriebetriebs.
Welche zentralen Themenfelder werden behandelt?
Die Themen umfassen technische Grundlagen der Zustandsüberwachung, wirtschaftliche Nutzenpotenziale für Hersteller und Kunden sowie strategische Ansätze zur Entwicklung digitaler Geschäftsmodelle.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, den aktuellen Stand von Predictive Maintenance zu identifizieren und die Voraussetzungen sowie Chancen und Herausforderungen für die Einführung solcher Lösungen bei der K. Anlagenbau KG zu erörtern.
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Arbeit basiert auf einer Kombination aus theoretischer Literaturanalyse und einem praxisorientierten Teil, der Dokumentenanalysen sowie qualitative Experteninterviews und eine Online-Kundenbefragung umfasst.
Was steht im inhaltlichen Fokus des Hauptteils?
Der Hauptteil gliedert sich in technische Grundlagen, Anforderungen an die IT-Infrastruktur sowie eine konkrete Untersuchung der Anwendungsmöglichkeiten, Potenziale und rechtlichen Rahmenbedingungen.
Welche Schlüsselbegriffe definieren die Arbeit?
Wichtige Begriffe sind insbesondere Predictive Maintenance, Industrie 4.0, IoT-Plattformen, Maschinendaten, Kundennutzen und Geschäftsmodellinnovation.
Wie bewerten die Kunden von K. Anlagenbau laut Umfrage das Risiko?
Die Umfrage zeigt ein geteiltes Bild: Während viele den Nutzen anerkennen, existieren bei einem Teil der Kunden Bedenken hinsichtlich der IT-Sicherheit und der Datenfreigabe.
Welche Bedeutung hat das "Retrofit" bei K. Anlagenbau?
Retrofit ist essenziell, da es die Modernisierung bestehender Maschinen mit Sensortechnik ermöglicht, um auch ohne den Kauf neuer Anlagen die Datengrundlage für Predictive Maintenance zu schaffen.
Was wird im Experteninterview mit dem Qualitätswesen deutlich?
Das Interview unterstreicht das Ziel, durch ein Service-Portal effizientere Wartungsprozesse zu ermöglichen, wobei die größte Herausforderung in der Akzeptanz und der Anbindung von Kundendaten liegt.
- Arbeit zitieren
- Marco Hartmann (Autor:in), 2020, Predictive Maintenance. Aktueller Stand, Erfolgsfaktoren und Nutzenpotentiale, München, GRIN Verlag, https://www.grin.com/document/944026
