IndustryHub
KI / PRÄDIKTIVE INSTANDHALTUNG

Prädiktive Instandhaltung

KI · PRÄDIKTIVE INSTANDHALTUNG

Prädiktive Instandhaltung

Prädiktive Instandhaltung ersetzt den Kalender durch den realen Maschinenzustand: kontinuierlich messen, Drift erkennen, kurz vor dem Ausfall eingreifen. Die Herausforderung ist nicht der Algorithmus, sondern die Daten — knapp, verrauscht und selten mit echten Ausfällen gelabelt.

Die technischen Bausteine

Vibration

Spektral- & Hüllkurvenanalyse

Die Schwingungssignatur zeigt Unwucht, Fehlausrichtung, Lager- und Getriebeschäden lange vor dem menschlichen Ohr. Beschleunigungssensoren und FFT bilden die Basis.

Elektrisch & thermisch

MCSA & Thermografie

Die Motorstromsignaturanalyse (MCSA) erkennt gebrochene Rotorstäbe und Exzentrizität; die Thermografie findet Heißstellen und lose Verbindungen.

Erfassung

Sensoren & Edge-Gateways

Drahtlose Sensoren, hochfrequente Abtastung und Vorverarbeitung am Edge-Gateway reduzieren das übertragene Datenvolumen und ermöglichen Echtzeit-Alarme.

Modelle

Anomalieerkennung & Restlebensdauer

Mangels Ausfallbeispielen lernen Modelle die Normalität und melden Abweichungen (Anomalieerkennung); Restlebensdauer-Modelle (RUL) schätzen die Zeit bis zum Ausfall.

Überwachungstechniken

TechnikMessgrößeErkannte FehlerReferenz
SchwingungsanalyseGeschwindigkeit / Beschleunigung (mm/s)Unwucht, Fehlausrichtung, Lager (BPFO/BPFI), GetriebeISO 20816 / 13373
HüllkurvenanalyseHF-Stoßdemodulationbeginnende Lagerschäden
IR-ThermografieOberflächentemperatur (°C)Heißstellen, lose Verbindungen, ReibungISO 18434
MCSAStatorstromspektrumgebrochene Rotorstäbe, Exzentrizität
ÖlanalysePartikel, Viskosität, WasserVerschleiß, Verunreinigung, SchmierstoffabbauISO 4406
UltraschallSchallemission 20-100 kHzLecks, elektrische Entladung, Lagerschmierung

Keine Technik deckt alles ab: Schwingung, Thermografie und Ölanalyse werden je Maschine kombiniert. Die Regel ist, so früh wie möglich zu erkennen — der Sinn der P-F-Kurve unten.

Vom Kalender zum Prädiktiven

Vorbeugende Wartung tauscht gesunde Teile "zur Sicherheit"; korrektive wartet auf den Bruch. Prädiktiv zielt auf die Mitte: zum richtigen Zeitpunkt eingreifen, weder zu früh noch zu spät. Vier Reifegrade beschreiben diesen Weg.

StufePrinzipGrenze / Kosten
Reaktivnach Ausfall reparierenungeplante Stillstände, Bruch, Sicherheitsrisiko
Vorbeugendnach Zeitplan tauschengesunde Teile verworfen, Überwartung
Zustandsbasiertmessen, an Schwelle handelnfeste Schwellen, begrenzter Vorlauf
PrädiktivDrift modellieren, RUL schätzenbraucht Daten, Modelle, IPS-Integration

Früh erkennen: die P-F-Kurve

Zwischen dem Punkt des potenziellen Ausfalls (P), an dem ein Fehler erkennbar wird, und dem Funktionsausfall (F) liegt ein Intervall: das P-F-Fenster. Die gesamte zustandsbasierte Wartung beruht auf einer Regel — das Inspektionsintervall muss kürzer als das P-F-Fenster sein. Je früher eine Technik erkennt (Schwingung vor Wärme, Wärme vor hörbarem Geräusch), desto breiter das Fenster und desto planbarer der Eingriff.

ISO 13374 gliedert die Verarbeitung in sechs Blöcke (OSA-CBM-Architektur): Datenerfassung → Aufbereitung → Zustandserkennung → Gesundheitsbewertung → Prognose → Empfehlung. Klassische vorbeugende Wartung endet bei der Zustandserkennung; der wirklich prädiktive Wert liegt in den letzten beiden Blöcken — Prognose und Empfehlung.

Zentrale Herausforderungen

  • Seltenheit der Ausfälle — gute Anlagen fallen selten aus: wenige positive Beispiele, stark unausgewogene Klassen. Man lernt oft die Normalität statt des Ausfalls.
  • Fehlalarme vs. Verpasste — zu viele Alarme und der Betreiber ignoriert das System; zu wenige und der Ausfall rutscht durch. Die Schwellenwahl ist ein betrieblicher Kompromiss, nicht nur Statistik.
  • IPS-Integration — eine Vorhersage ist nur wertvoll, wenn sie zum Arbeitsauftrag wird: die Anbindung an das IPS (SAP PM, Maximo) und die Planung ist entscheidend.
  • Prognose-Unsicherheit — eine Restlebensdauer ohne Konfidenzintervall ist irreführend; Unsicherheit muss dargestellt werden, um rational zu entscheiden.

Normen & Referenzen

  • ISO 17359 — Allgemeine Leitlinien für Zustandsüberwachung und Diagnose von Maschinen.
  • ISO 13374 — Datenverarbeitung, -kommunikation und -darstellung für die Zustandsüberwachung (OSA-CBM-Architektur).
  • ISO 13379 / 13381 — Dateninterpretation und Prognosetechniken (Schätzung der Restlebensdauer).
  • NAMUR NE 107 — Selbstüberwachungs-Statussignalisierung von Feldgeräten: Wartungsbedarf, außerhalb der Spezifikation, Ausfall, Funktionskontrolle.

Verwandte Normseiten

Hauptakteure

Dedizierte Plattformen

Senseye (Siemens), Augury, Uptake, C3 AI, TwinThread.

Sensoren & Überwachung

SKF, Bently Nevada (Baker Hughes), ifm, Fluke, Banner.

Industrie-Suiten

AVEVA Predictive Analytics, GE Vernova, Aspen Mtell, Seeq.

Siehe auch