Blog

Predictive Maintenance – wo lohnt es sich wirklich?

Predictive Maintenance bringt dann messbaren Nutzen, wenn aus Betriebsdaten rechtzeitig verwertbare Hinweise auf Ausfälle entstehen – und diese Hinweise in klare Instandhaltungsentscheidungen übersetzt werden. Entscheidend sind die richtigen Anlagen, die richtigen Signale und ein schlanker Prozess vom Alarm bis zur Maßnahme. 🔧📈

Funktionsprinzip

Predictive Maintenance (PdM) nutzt Zustandsüberwachung und Datenanalyse, um drohende Ausfälle früh zu erkennen:
– Sensorik und Prozessdaten: Schwingung, Temperatur, Strom, Druck, Differenzdruck, Durchfluss, Ölzustand, Ventilstellzeiten u.a.
– Vorverarbeitung: Filterung, Merkmalsextraktion (z.B. Hüllkurve bei Lagerdiagnose), Kontext (Last, Drehzahl).
– Bewertung: einfache Schwellen, Regeln, statistische Modelle oder maschinelles Lernen – immer mit Referenz auf Normen und Herstellergrenzen.
– Entscheidung: Instandhaltungsauftrag, Inspektion oder Beobachtung, inkl. Rückkopplung der Befunde zur Modellverbesserung.

Wichtig: PdM ergänzt, aber ersetzt keine vorgeschriebenen Prüfungen oder Abnahmen.

Wo es sich wirklich lohnt

Hoher Nutzen entsteht, wenn mindestens drei Bedingungen erfüllt sind:
1) Kritikalität: Ausfall verursacht hohe Stillstands-, Sicherheits- oder Qualitätskosten.
2) Vorzeichen: Es gibt messbare Frühindikatoren (P‑F‑Intervall = Zeitspanne zwischen potenziellem und funktionalem Ausfall).
3) Zugänglichkeit: Sensoren sind technisch und wirtschaftlich sinnvoll installierbar.

Typische Kandidaten in der Verfahrenstechnik:
– Rotierende Aggregate: Lager- und Getriebeschäden an Pumpen, Gebläsen, Rührwerken, Förderern, Zentrifugen. Indikatoren: Schwingungssignaturen, Hüllkurve, Temperatur, Antriebsstrom.
– Pumpen und Verdichter: Kavitation, Wellendichtung, Unwucht/Misalignment. Indikatoren: Schwingung, NPSH-bezogene Prozesssignale, Geräusch, Leistungsaufnahme.
– Elektromotoren und Antriebe: Isolationsprobleme, Rotorfehler, Lagerstrom. Indikatoren: Motorstromsignatur, Temperatur, teilentladungsnahe Muster bei Mittelspannung.
– Wärmetauscher und Filter: Fouling/Belegung. Indikatoren: Differenzdruck, Temperaturdifferenz, Energiekennwerte.
– Ventile/Armaturen: Verschleiß, Stiction, Leckage. Indikatoren: Stellzeit, Hysterese, Positionsabweichung, Antriebsstrom, Differenzdruck.
– Hydraulik und Getriebe: Partikel, Wasser, Additivabbau. Indikatoren: Ölzustand (Partikelzahl nach ISO 4406, Wassergehalt), Ferrographie.
– Dichtheitskritische Systeme: Emissionen/Leckagen. Indikatoren: akustische Emission, Massenspektrometrie oder Differenzdruck.

Weniger geeignet:
– Unkritische, günstige Komponenten mit kurzer Austauschzeit (besser „gezielter Ausfall“).
– Ausfälle ohne verwertbares Frühzeichen (sprunghafte Brüche ohne messbaren Vorlauf).
– Stark redundante Systeme, bei denen Verfügbarkeit nicht leidet.

Kerndaten und Parameter

  • Schwingungen: Bewertung nach ISO 20816 (ehemals ISO 10816) für Maschinen-Gesamtschwingung, plus lagerdiagnosespezifische Kennwerte nach ISO 17359 und ISO 13379-1.
  • Temperatur/IR: Lager und elektrische Anschlüsse; thermische Baselines je Lastzustand.
  • Elektrische Größen: Motorstromsignatur, Leistungsfaktor, Oberwellen; Lastbezug zwingend.
  • Prozesssignale: Differenzdruck über Filter/Wärmetauscher; Prozessgrenzen und Reinigungsstrategie als Referenz.
  • Schmierstoffzustand: Partikelklassen (ISO 4406), Wasser, Viskosität, Additivpakete.
  • Datenqualität: eindeutige Sensorpositionen, stabile Abtastraten, Ereignisprotokolle (Lastwechsel, Eingriffe), Kalibrierpfade.
  • Analyse-Tiefe: Start mit regelbasierten Schwellen und Trendüberwachung; erst bei ausreichender Datenbasis komplexere Modelle. „Einfach + zuverlässig“ schlägt „komplex + fragil“.

Praxis-Tipp: Baselines je Betriebsmodus (Drehzahl, Produkt, Saison) anlegen; Alarmgrenzen pro Modus.

Betrieb und typische Fehlerbilder

  • Falschpositive durch Laständerungen: Grenzen ohne Lastkontext führen zu unnötigen Einsätzen.
  • Sensor‑Montagefehler: lose Sensoren, falsche Richtung → verrauschte Signale.
  • Modell driftet nach Überholung: neue Baselines setzen, sonst Daueralarme.
  • Vermischung von Prozess- und Maschineneffekten: Kavitation vs. Gasanteil im Medium.
  • Datenlücken: fehlende Synchronisation (Zeitstempel) erschwert Ursache‑Wirkung.
  • „Black Box“-Modelle ohne Erklärbarkeit: geringe Akzeptanz im Betrieb.

Gegenmaßnahmen: eindeutige Diagnosepfade, Validierung im Vier-Augen-Prinzip, Rückmeldung des Befunds ins System.

Instandhaltungspraxis und Integration

  • Arbeitsvorbereitung: klare Entscheidungsregeln („Alarm A → Inspektion in 24 h“, „Trend B → Ölprobe“).
  • Anbindung an Instandhaltungssysteme: Wartungssoftware (Computerized Maintenance Management System (CMMS)) mit Fehlercodes, Maßnahmenkatalog und Rückmeldungen.
  • Ersatzteile: kritische Teile mit Lieferzeiten an Lagerhaltung koppeln; PdM‑Prognosen für Bestellzeitpunkte nutzen.
  • Kompetenz: Schulung in Zustandsdiagnostik und Normbewertung; Rollen klären (Wer setzt Grenzwerte? Wer bestätigt Befunde?).
  • Erfolgsmessung: vermiedene Stillstände, verlängerte Intervalle, geringere Folgeschäden, Energieeffekte.

Rechtliche Grenzen in Österreich

  • Pflichtprüfungen bleiben Pflicht: Wiederkehrende Prüfungen und sicherheitstechnische Kontrollen nach Arbeitsmittelverordnung (AM-VO § 8) dürfen durch Predictive Maintenance nicht ersetzt werden; PdM kann nur ergänzen (z.B. für Intervall‑Feinjustierung im Rahmen der gesetzlichen Möglichkeiten).
  • Arbeitgeberpflichten: Der Arbeitgeber hat Schutzmaßnahmen zu treffen und die sichere Verwendung von Arbeitsmitteln zu gewährleisten (ArbeitnehmerInnenschutzgesetz (ASchG) § 4). Entscheidungen müssen Sicherheit und Gesundheitsschutz priorisieren.
  • Druckgeräte, Hebezeuge, Ex-Schutz u.a.: Für behördlich geregelte Anlagenteile gelten spezifische Prüfarten und -fristen. PdM darf diese nicht unterlaufen; gegebenenfalls sind befugte Stellen oder befähigte Personen einzubinden.

Wenn unklar ist, ob eine gesetzliche Prüffrist flexibilisiert werden darf, ist die feste Frist maßgeblich.

Vorgehen in sechs Schritten

1) Kritikalitätsanalyse: welche Anlagenteile verursachen die höchsten Kosten bei Ausfall?
2) P‑F‑Intervall abschätzen: existieren verlässliche Frühindikatoren? Welche Norm gibt die Bewertungsmethodik vor?
3) Daten- und Sensorcheck: was ist bereits verfügbar, was muss ergänzt werden? Kalibrier- und Montagekonzept festlegen.
4) Pilot fokussiert: 1–3 Assets, klare Hypothesen, 90–120 Tage Laufzeit, definierte Erfolgskennzahlen (vermeidete Ausfälle, Diagnosezeit, Alarmqualität).
5) Standardisieren und skalieren: Grenzwertkatalog, Diagnose-Playbooks, CMMS‑Integration, Schulung.
6) Wirtschaftlichkeit prüfen: Nutzen = vermiedene Ausfallkosten + vermiedene Folgeschäden + optimierte Wartung + Energieeffekte; Kosten = Sensorik + Integration + Betrieb/Schulung. Ziel: Amortisation innerhalb 12–24 Monaten.

Fazit und Entscheidungshilfe

Lohnen wird sich Predictive Maintenance dort, wo kritische Aggregate klare Frühindikatoren liefern und die Organisation Alarm‑in‑Maßnahme zuverlässig umsetzt. Starten Sie schlank mit wenigen, gut messbaren Assets – und expandieren Sie auf Basis nachweislicher Ergebnisse. 🧠

Quellen
– ISO 17359:2018 – Condition monitoring and diagnostics of machines — General guidelines (iso.org)
– ISO 20816-3:2017 – Mechanical vibration — Evaluation of machine vibration by measurements on non-rotating parts — Part 3 (iso.org)
– ISO 13379-1:2012 – Condition monitoring and diagnostics of machines — Data interpretation and diagnostics techniques — General guidelines (iso.org)
– Arbeitsmittelverordnung (AM-VO), BGBl. II Nr. 164/2000 idgF, Stand 2023 (ris.bka.gv.at) | ArbeitnehmerInnenschutzgesetz (ASchG), BGBl. Nr. 450/1994 idgF, § 4, Stand 2023 (ris.bka.gv.at)

Sie möchten wissen, für welche Aggregate sich Predictive Maintenance in Ihrer Anlage tatsächlich rechnet? Sprechen Sie uns an – wir analysieren Ihre Ausgangslage und erarbeiten einen pragmatischen Fahrplan. Rückfragen willkommen.

#AnlagenVerstehen #LemconTech #IngenieurbueroLemmerer #PredictiveMaintenance #Zustandsüberwachung #Instandhaltung #Verfahrenstechnik #ATRecht