Was ist "Predictive Maintenance"?

Predictive Maintenance (vorausschauende Instandhaltung) bezeichnet eine Instandhaltungsstrategie, bei der der Zustand von Maschinen und Anlagen kontinuierlich oder periodisch erfasst und ausgewertet wird, um den optimalen Zeitpunkt für Wartungseingriffe vorherzusagen. Im Unterschied zur reaktiven Instandhaltung, die erst nach einem Ausfall handelt, und zur präventiven Instandhaltung, die in festen Intervallen wartet, greift Predictive Maintenance genau dann ein, wenn die Daten einen bevorstehenden Verschleiss oder Ausfall signalisieren. Innerhalb von TPM stellt Predictive Maintenance eine fortgeschrittene Stufe der geplanten Instandhaltung dar, die Anlagenverfügbarkeit und Wirtschaftlichkeit gleichermassen optimiert.

Grundprinzip und Abgrenzung

Das Grundprinzip von Predictive Maintenance basiert auf der Erkenntnis, dass Maschinenausfälle selten überraschend eintreten. In den meisten Fällen kündigen sich Verschleiss und Degradation durch messbare Veränderungen an, etwa durch erhöhte Vibrationen, steigende Temperaturen, veränderte Stromsignaturen oder erhöhten Geräuschpegel. Predictive Maintenance nutzt diese frühen Warnsignale, um den verbleibenden Nutzungszeitraum einer Komponente abzuschätzen und den Wartungseingriff präzise zu planen.

Die Abgrenzung zu anderen Instandhaltungsstrategien ist für die praktische Umsetzung wichtig: Reaktive Instandhaltung (Breakdown Maintenance) repariert nach dem Ausfall, mit hohen Folgekosten durch Produktionsstillstand. Präventive Instandhaltung (Preventive Maintenance) tauscht Komponenten nach festen Zeitintervallen, oft zu früh, was unnötige Kosten verursacht, oder zu spät, wenn die Intervalle den tatsächlichen Verschleiss nicht abbilden. Predictive Maintenance schliesst diese Lücke, indem der Eingriff auf den tatsächlichen Zustand der Komponente abgestimmt wird.

Methoden der Zustandsüberwachung

Für die Zustandsüberwachung stehen verschiedene Messverfahren zur Verfügung, die je nach Anlagentyp und Verschleissmechanismus eingesetzt werden:

• Schwingungsanalyse: Beschleunigungssensoren erfassen Vibrationen an Lagern, Getrieben und rotierenden Wellen. Veränderungen im Frequenzspektrum weisen auf Lagerschäden, Unwuchten oder Ausrichtungsfehler hin.
• Thermografie: Infrarotkameras oder Temperatursensoren erkennen lokale Erwärmungen, die auf erhöhte Reibung, mangelhafte Isolation oder überlastete elektrische Verbindungen hindeuten.
• Ölanalyse: Regelmäßige Untersuchungen des Schmieröl auf Metallpartikel, Viskositätsänderungen und Verunreinigungen geben Aufschluss über den Verschleisszustand von Lagern und Zahnrädern.
• Ultraschallprüfung: Hochfrequente Schallwellen detektieren Risse, Lunker und Materialermüdung in Strukturbauteilen und Druckbehältern.
• Stromanalyse: Die Auswertung der Motorstromsignatur erkennt Fehler in Elektromotoren wie Rotorstabrisse oder Wicklungsschäden.

Einbettung in TPM

Im TPM-Kontext ist Predictive Maintenance Teil der Säule „Geplante Instandhaltung“. Sie baut auf den vorgelagerten Stufen auf: Die Autonome Instandhaltung durch die Maschinenbediener schafft die Grundlage, indem sie den Grundzustand der Anlagen sicherstellt und einfache Verschleissanzeichen frühzeitig erkennt. Die präventive Instandhaltung etabliert regelmäßige Wartungsroutinen. Predictive Maintenance ergänzt dieses System um die datenbasierte Vorhersage und ermöglicht eine bedarfsgerechte statt zeitbasierte Planung (vgl. May/Schimek 2015, S. 50–55).

Die Verbindung zur OEE ist direkt: Ungeplante Stillstände reduzieren die Verfügbarkeit und damit die Gesamtanlageneffektivität. Predictive Maintenance trägt dazu bei, ungeplante Stillstände in geplante Wartungsfenster umzuwandeln, die Verfügbarkeit steigt, und die Instandhaltungskosten sinken, weil Folgeschäden vermieden werden (vgl. May/Schimek 2015, S. 31–33).

Praxistipp: Beginnen Sie Predictive Maintenance nicht flächendeckend, sondern an den Anlagen mit den höchsten Stillstandskosten. Installieren Sie zunächst Schwingungssensoren an kritischen Lagerstellen und definieren Sie klare Grenzwerte gemeinsam mit der Instandhaltung. Bereits einfache Trendanalysen liefern wertvolle Hinweise auf drohende Ausfälle und rechtfertigen die Investition.

Wirtschaftliche Bedeutung

Die wirtschaftlichen Vorteile von Predictive Maintenance ergeben sich aus drei Effekten: Erstens werden ungeplante Stillstände reduziert, die in der Regel zehn- bis zwanzigmal teurer sind als geplante Wartungsstopps. Zweitens wird die Lebensdauer von Komponenten besser ausgenutzt, weil nicht mehr nach festen Intervallen getauscht wird, sondern erst bei tatsächlichem Verschleiss. Drittens werden Folgeschäden vermieden, die entstehen, wenn eine defekte Komponente benachbarte Bauteile beschädigt. Unternehmen, die Predictive Maintenance systematisch einsetzen, berichten von einer Reduzierung ungeplanter Stillstände um 30 bis 50 Prozent und einer Senkung der Instandhaltungskosten um 15 bis 25 Prozent.

Quellenangaben

May, C.; Schimek, P. (2015): Total Productive Management. 3. korr. Aufl., CETPM Publishing, Herrieden, S. 31–55.

Weiterführende Literatur

Koch, A. (2021): OEE für das Produktionsteam. 4. korr. Aufl., Deutscher Management Verlag, Herrieden.

May, C.; Schimek, P. (2015): Total Productive Management. Grundlagen und Einführung von TPM, oder wie Sie Operational Excellence erreichen, 3. korrigierte Auflage, CETPM Publishing, Herrieden.

Mobley, R. K. (2002): An Introduction to Predictive Maintenance. 2nd ed., Butterworth-Heinemann, Amsterdam, S. 1–15.

Verwandte Konzepte

• TPM, Ganzheitlicher Managementansatz, in dem Predictive Maintenance als fortgeschrittene Instandhaltungsstufe verankert ist.
• Autonome Instandhaltung, Grundlagensicherung durch die Maschinenbediener als Voraussetzung für datenbasierte Vorhersage.
• OEE, Gesamtanlageneffektivität, die durch vorausschauende Wartung gesteigert wird.
• Kaizen, Kontinuierliche Verbesserung der Instandhaltungsprozesse und Messverfahren.