Direkte und indirekte Kosten für Wartungsaufwand in der deutschen Industrie

Wartung, Instandhaltung und Konfiguration sind wichtige Erfolgsfaktoren in Industrieunternehmen, da ein störungsfreier Betrieb die Effizienz erhöht und Kosten senkt. Untersuchungen haben ergeben, dass bis zu 40 Prozent der direkten und indirekten Kosten durch Aufwendungen für Instandhaltung entstehen. Typische Wartungsarbeiten sind unter anderem Reinigen, Austausch und Ergänzen von Hilfsstoffen und Einstellen und Justieren.

Das ECO-System von IMV überwacht kontinuierlich bis zu 200 verschiedene Parameter, wie beispielsweise Systemtemperatur, Reglerstatus oder den Zustand der Drehstromversorgung. Das System zeichnet dieses Werte auf und speichert sie in einer Protokolldatei. Tritt eine Störung auf, kann der Anwender die Protokolldatei direkt an IMV schicken. Auftretende Systemprobleme können somit genau analysiert werden, was Zeit und Kosten für einen Serviceingenieur spart und Ausfallzeiten minimiert. Falls doch Reparaturen oder Wartungen notwendig sind, kennt der Serviceingenieur ggf. bereits im Vorfeld die Fehlerquelle und kann eventuell notwendige Ersatzteile mitbringen. So wird die Wirtschaftlichkeit der Anlage maximiert und der Betriebszustand schnell wiederhergestellt.

Gerade im Bereich Einstellen und Justieren spart der ECO-Shaker von IMV dem Betreiber viel Zeit und damit Kosten, beispielsweise durch die automatische Mittenpositionierung der Schwingspule, das „Automatic Centering System“. Dank des wartungsarmen Wirbelstromsensors für die Mittenpositionierung der Schwingspule können Ausfallzeiten weiter verringert werden.

Predictive Maintenance: Mehr Effizienz durch intelligente Wartung

Mit dem ECO-Shaker kommt IMV dem Ansatz „Predictive Maintenance“ (vorausschauende Wartung) näher, bei dem Anlagen und Maschinen auf Basis dauerhaft erhobener Daten effizienter gewartet werden können. Grundlage dieses Teilbereichs der Industrie 4.0 ist eine umfassende Datenerfassung, welches das ECO-System mit bis zu 200 Parametern kontinuierlich erfasst. Predicitve Maintenance hat das Ziel Wartungszeiten und vor allem Ausfallzeiten zu minimieren. Im Optimalfall können Probleme bzw. Störungen vorhergesagt werden, sodass der Betreiber einer Anlage frühzeitig echte Ausfälle vermeiden kann, indem früh genug eine Wartung durchgeführt wird. Im Unterschied zu Wartungsintervallen, die laut einem festen Plan durchgeführt werden oder nur bei bereits aufgetretenen Problemen, werden beim Predicitve Maintenance Wartungen, nur wenn nötig und aufgrund valider Erkenntnisse, aus der Datenauswertung vorgenommen.

Dies führt zu längeren Produktionszeiten, erhöhter Effizienz und einer verlängerten Lebensdauer der eingesetzten Geräte. Durch Predicitive Maintenance können außerdem lange Wartezeiten auf unverzichtbare Ersatzteile verringert werden, da Teile schon vor einem zu erwartenden Ausfall bestellt werden können.

Für die Implementierung von Predictive Maintenance müssen drei Voraussetzungen erfüllt sein:

• Alle relevanten Daten müssen digital erfass und übermittelt werden.
• Die entstandenen Datensätze müssen gespeichert, analysiert und bewertet werden.
• Kritische Ereignisse müssen definiert und dafür Wahrscheinlichkeiten berechnet werden.

Das ECO-Shaker System von IMV erfüllt diese Voraussetzungen der Datenerhebung und bietet somit die Grundlage für einen Baustein im Prozess zur Industrie 4.0. Je besser, genauer und aktueller die Datenerfassung, desto genauer können zukünftig Wahrscheinlichkeiten berechnet werden.

Predictive Maintenance:

• Wartungen nur abhängig vom tatsächlichen Zustand der Anlage
• Gefährdete Teile können gezielt ausgetauscht werden.
• Weniger Kosten durch weniger Bedarf an Service und Ersatzteilen
• Geringere Ausfallzeiten und bedarfsorientierte Wartungsintervalle

Herkömmliche (Präventive) Wartung:

• Fixe Wartungsmuster
• Komponenten werden unabhängig vom Verschleiß ausgetauscht.
• Höherer Ersatzteilbedarf und höhere Kosten
• Ausfälle können nicht vorhergesagt oder verhindert werden.

Titelbild © tashatuvango – stock.adobe.com

Beitragsbild © z_amir – stock.adobe.com