Warum sich Unternehmen so schwer tun mit vorausschauender Wartung

4.5 von 5 Sterne, 4 Bewertungen

Predictive Maintenance: Viel Gerede, wenig Taten

Nachhaltiger Erfolg im Service werde künftig nur noch mit einer vorausschauenden Wartung möglich sein. Das sagt eine Studie des Verbands Deutscher Maschinen- und Anlagenbau (VDMA)1. Kein Wunder also, dass Predictive Maintenance ein Topthema der Industrie ist. Allerdings hat es den Anschein, als würde deutlich mehr geredet als getan. Das zeigt nicht nur die Studie des VDMA, sondern auch eine Umfrage des Beratungsunternehmens BearingPoint2. Stellt sich die Frage, warum sich die Firmen augenscheinlich schwer damit tun, den Übergang zur vorausschauenden Wartung zu schaffen.

Die BearingPoint-Umfrage zeigt: Die meisten Befragten erfassen relevante Daten per Sensor (76%) und werten diese zielgerichtet aus (59%), aber nur jedes fünfte Unternehmen optimiert die Instandhaltung auf dieser Basis ganzheitlich. Als Hemmschuh gaben die Unternehmen technische Herausforderungen und vor allem den hohen Implementierungsaufwand an. Was muss eine Software also leisten, um vom Daten sammeln hin zu einem automatisierten Instandhaltungsprozess zu kommen? Und wie hoch ist der Implementierungsaufwand wirklich?

Die Studienergebnisse

Für die VDMA-Studie wurden mehr als 150 Unternehmen befragt. 81 Prozent von ihnen gaben an, sich intensiv mit Predictive Maintenance zu befassen. Gleichzeitig verfügt nur jedes zehnte Unternehmen bereits über komplette Angebote. Jede fünfte Firma war noch gar nicht aktiv, 40 Prozent stecken in der Entwicklungsphase und 30 Prozent besitzen ein Basisangebot. Ähnliche Ergebnisse bei der Online-Umfrage von BearingPoint im DACH-Raum. 84 Prozent der Befragten setzen sich mit dem Thema Predictive Maintenance auseinander, doch nur jedes vierte Unternehmen hat erste Projekte umgesetzt. Unternehmen seien vor allem bei den Themen Connectivity und Analytics aktiv, so die Studie. Instandhaltungsmaßnahmen ganzheitlich zu optimieren, stehe noch nicht im Fokus.

Aus den gesammelten Daten muss ein Unternehmen Handlungen ableiten können – möglichst automatisiert. Das betrifft beispielsweise Arbeitsaufträge, Zeitplanung, Beschaffungsmanagement, Personaleinsatzplanung sowie Terminierung und Organisation von Inspektionen. Dazu müssen die Mitarbeiter des Unternehmens das System vor und während der Implementierungsphase mit genug Daten, Richtwerten und Fakten füttern, damit der Schritt von Daten hin zu Handlungsaufforderungen gelingen kann.

Um es klar zu sagen: Der Implementierungsaufwand einer solchen Software ist zweifelsohne groß. Viel muss definiert und festgelegt werden. Dazu ist es nötig, sich über den eigenen Workflow innerhalb des Unternehmens präzise Gedanken zu machen. Aber der Aufwand lohne sich, wenn die Instandhaltung danach wirklich umfassend digitalisiert, automatisiert und optimiert werde, ist Otto Wassenberg überzeugt. Seine Firma MACS implementiert die IBM Software-Lösung Maximo sowie Add-Ons. „Der Aufwand der Definition und des Einpflegens von Daten muss nur einmal geleistet werden“, gibt Wassenberg zu bedenken. „Ein durchdachtes und automatisiertes Predictive Maintenance-System aber hilft Unternehmen jeden Tag.“

Wir haben in einer Checkliste zusammengestellt:

  1. Anforderungen, die eine Software erfüllen sollte
  2. wo trotz aller Automatisierung der Sachbearbeiter unverzichtbar ist
  3. mit welchen Aufgaben ein Unternehmen bei der Implementierung rechnen muss.

Pflichtfelder sind mit einem Stern (*) markiert.

Anrede

Benutzeranmeldung

Geben Sie Ihre E-Mail-Adresse und Ihr Passwort ein, um sich anzumelden. Pflichtfelder sind mit einem Stern (*) markiert.

Kommentare

4.5 von 5 Sterne, 4 Bewertungen

Es gibt noch keine Kommentare

Kommentar hinterlassen

Haben Sie Fragen oder Anregungen?

Schreiben Sie uns an
info@businessheute.de

Freikarten für Messe maintenance 2018!

Die Beraterfirma MACS schenkt Ihnen ein Zwei-Tages-Ticket für die „maintenance 2018“, die Leitmesse für industrielle Instandhaltung am 21. und 22. Februar in Dortmund. Klicken Sie hier

Ähnliche Artikel