Predictive Maintenance: Unternehmen schöpfen Potenzial nicht aus

Bild: Staufen AG

Inzwischen haben fast sechs von zehn Unternehmen Erfahrungen mit Predictive Maintenance. Das Leistungsvermögen schätzt allerdings nicht einmal jedes zehnte Unternehmen als hoch ein, vier von zehn Betrieben sehen zudem konkreten Entwicklungsbedarf. Zu diesen Ergebnissen kommt der zum fünften Mal erhobene Deutsche Industrie 4.0 Index der Unternehmensberatung Staufen. Befragt wurden rund 450 Industrieunternehmen in Deutschland, zwei Drittel der Befragten entstammen dem Maschinen- und Anlagenbau sowie der Elektro- und der Automobilindustrie. 74% bewerten Predictive Maintenance für den eigenen Maschinenpark als wichtiges Thema, 65% messen der vorausschauenden Wartung zudem als Servicekomponente für Kundenprodukte eine hohe Bedeutung bei. Im Maschinenbau dagegen ist das Verhältnis umgekehrt, hier geht es verstärkt darum, mit neuen Service-Dienstleistungen Umsatz zu erzielen. „Grundsätzlich bietet Predictive Maintenance gerade dem Maschinenbau Potenziale. Aber um echte Erfolge damit zu erzielen, sind Systeme einzusetzen, die mehr bieten als die bisherigen Anwendungen und auch dabei unterstützen, den Anteil menschlicher Fehler zu verringern. Hier ist beispielsweise die Kombination mit Assistenzprogrammen für die Bediener der Maschinen denkbar, die Anwendungsfehler reduzieren können, oder Lösungen zur gleichzeitigen Optimierung auf der Grundlage von Maschinendaten“, so Johann Soder, COO bei SEW-Eurodrive.

STAUFEN.AG Beratung.Akademie.Beteiligung

Das könnte Sie auch Interessieren

Weitere Beiträge

Bild: Müller Präzisionswerkzeuge GmbH
Bild: Müller Präzisionswerkzeuge GmbH
Die Produktion 
von übermorgen

Die Produktion von übermorgen

Wie bei allen industriellen Anwendungen herrscht auch bei der Zerspanung stetig wachsender Kostendruck. Maßgeblich für die Produktionskosten eines zerspanten Bauteils sind der Werkzeugverschleiß und das Zeitspanvolumen. Je effizienter Werkzeuge eingesetzt werden, umso geringer werden die Kosten. Maschinelles Lernen kann dabei als Entscheidungsunterstützung für den Werkzeugwechsel einen wertvollen Beitrag leisten. Allerdings gibt es hier keine Patentlösungen, zu unterschiedlich sind die einzelnen Prozesse von Anwendungsfall zu Anwendungsfall.

mehr lesen

Anzeige