Fraunhofer-Institut für Integrierte Schaltungen IIS
Stillstand bei Maschinen und Anlagen in der Industrie kann sehr kostspielig sein. Daher sollten Teile erst dann ausgetauscht werden, wenn es wirklich notwendig ist – allerdings unbedingt bevor sie kaputt gehen. Hier setzt Predictive Maintenance an.
Dr. Olaf Enge-Rosenblatt und Arthur Schimke vom Fraunhofer IIS befassen sich mit Verfahren zur datenbasierten Vorhersage des idealen Wartungszeitpunkts: Predictive Maintenance und dem eng verwandten Condition Monitoring. In vielen Industriezweigen hat ein Stillstand einer Maschine oder Anlage erhebliche Auswirkungen. Ein Beispiel aus der Stahlindustrie ist die Herstellung von Stahlbrammen – also von gewalztem Rohstahl –, die hohe energetische und damit auch finanzielle Aufwendungen erfordert. Ein Ausfall in der Herstellungskette ist daher nicht nur teuer, sondern auch mit Energieverschwendung verbunden und hat damit negative Auswirkungen auf ökonomische wie ökologische Nachhaltigkeit.
Mit Predictive Maintenance kann die Effizienz und Nachhaltigkeit in der Produktion verbessert werden. Damit steht das Verfahren in direktem Zusammenhang mit dem Sustainable Development Goal (SDG) 12, das sich mit nachhaltigem Konsum und Produktion beschäftigt. Im Podcast erläutern die Forscher, wie genau Predictive Maintenance zur Optimierung von Maschinen eingesetzt wird und welche Unterschiede zum Condition Monitoring bestehen.
