Ausfälle erkennen, bevor die Anlage steht

Was du an Daten wirklich brauchst

Die Messgröße muss zur Schadensart passen. Schwingung zeigt Lager- und Unwuchtschäden, aber nur mit hoher Abtastrate, denn die interessanten Muster liegen im Kilohertzbereich und verschwinden, sobald die Steuerung Sekundenmittelwerte liefert. Temperatur, Druck und Stromaufnahme kommen mit deutlich gröberer Auflösung aus und lassen sich meist ohne zusätzliche Sensorik aus der vorhandenen Steuerung abgreifen.

Ohne Betriebskontext ist jede Zeitreihe mehrdeutig. Dieselbe Stromaufnahme ist bei halber Last unauffällig und bei Volllast ein Hinweis. Deshalb gehören Drehzahl, Last, gefahrenes Produkt, Werkzeugstand und Umgebungstemperatur zum Datensatz, sonst hält das Modell jeden Produktwechsel für eine Anomalie und meldet ihn dreimal am Tag.

Der dritte Teil ist der, der fast immer fehlt: eine Wartungshistorie mit Datum, betroffenem Bauteil, Befund und Art des Eingriffs. Instandhaltungsaufträge tragen häufig nur eine Sammelbezeichnung und das Abschlussdatum, nicht den Zeitpunkt des Befundes. Damit lässt sich nachträglich nicht sagen, wann der Schaden begann, und genau diese Zuordnung braucht ein Modell, das eine Restlaufzeit schätzen soll.

Anomalie ist noch keine Vorhersage

Anomalieerkennung braucht nur Normalbetrieb. Das Modell lernt, wie die Anlage im gesunden Zustand aussieht, und meldet Abweichungen. Das ist der realistische Einstieg, weil er ohne Ausfalldaten auskommt. Er sagt allerdings weder, welches Bauteil betroffen ist, noch wie lange es noch hält, und er meldet auch jede Umstellung im Betrieb.

Eine echte Restlaufzeit setzt viele beobachtete Ausfälle desselben Typs voraus, und die gibt es in gut geführten Werken gerade nicht, weil vorbeugend getauscht wird, bevor etwas kaputtgeht. Diese Datenlage heißt zensiert: Du weißt, dass das Bauteil bis zum Tausch gehalten hat, aber nicht, wie lange es noch gehalten hätte. Das ist beherrschbar, verlangt aber eine passende Methodik und ehrliche Erwartungen im Projektauftrag.

Deshalb ist die übliche Reihenfolge: Zustandsüberwachung mit klaren Grenzwerten, dann Anomalieerkennung auf dem Normalbetrieb, dann für einzelne, gut belegte Schadensbilder eine Prognose. Wer umgekehrt startet, verbringt Monate damit, Ausfälle zu suchen, die es in den Daten nicht gibt.

Die Vorwarnzeit entscheidet über den Nutzen

Zwischen dem Zeitpunkt, an dem ein beginnender Schaden erstmals messbar ist, und dem tatsächlichen Funktionsausfall liegt eine Zeitspanne, die die Instandhaltung P-F-Intervall nennt. Sie ist die eigentliche Kenngröße des Vorhabens: Ist sie kürzer als Beschaffungszeit des Ersatzteils und nächstes Wartungsfenster zusammen, bringt die früheste Erkennung organisatorisch nichts.

Diese Rechnung gehört vor die Sensorauswahl. Bei einem Lager, dessen Verschleiß sich über Wochen ankündigt, lohnt sich der Aufwand fast immer. Bei einem elektronischen Bauteil, das ohne messbaren Vorlauf ausfällt, hilft keine Vorhersage, sondern nur Redundanz oder ein Ersatzteil im Schrank.

Ohne angebundene Instandhaltung bleibt es ein Bildschirm

Eine Meldung muss einen Auftrag erzeugen, mit Empfänger, Frist und Rückmeldung des Befundes. Diese Rückmeldung ist doppelt wertvoll: Sie schließt den Vorgang, und sie liefert die Kennzeichnung, ob die Meldung berechtigt war. Ohne sie lässt sich nie belegen, wie gut das System arbeitet, und das Vorhaben endet in der Diskussion über Bauchgefühl.

Der zweite Betriebseffekt ist Alarmmüdigkeit. Wenn ein Grenzwert zu eng gesetzt ist, meldet das System täglich, die Schicht klickt es weg, und nach kurzer Zeit wird auch die berechtigte Meldung ignoriert. Fang deshalb mit wenigen, konservativen Schwellen an und zieh sie nach, sobald du Rückmeldungen hast. Ein System, das selten meldet und dann recht behält, wird ernst genommen.