Smart Maintenance: Datengetriebene Instandhaltung in der Fertigung

Was ist Smart Maintenance?

Smart Maintenance ist der Oberbegriff für eine Instandhaltung, die auf Daten statt auf festen Zeitintervallen oder Reaktion auf Ausfälle basiert. Statt alle 6 Monate ein Lager zu tauschen (obwohl es noch einwandfrei läuft) oder zu warten, bis die Maschine steht (und dann hektisch nach dem Ersatzteil zu suchen), nutzt Smart Maintenance Maschinendaten, Alarme, Prozesswerte und Verschleißindikatoren, um den richtigen Zeitpunkt für die Wartung zu bestimmen.

Der Begriff umfasst mehrere Konzepte: Condition-Based Maintenance (zustandsbasierte Wartung), Predictive Maintenance (vorausschauende Wartung), Lean Maintenance (verschwendungsfreie Instandhaltung) und Total Productive Maintenance (TPM). Was alle verbindet: Die Instandhaltung trifft Entscheidungen auf Basis von Fakten, nicht auf Basis von Kalendern oder Bauchgefühl.

In der Praxis ist das Problem weniger das Konzept als die Datenverfügbarkeit. Die meisten Fertigungen haben keine durchgängige, automatische Erfassung von Stillständen, Alarmen und Prozesswerten. Ohne diese Daten gibt es keine Grundlage für zustandsbasierte oder prädiktive Wartung. Der erste Schritt zu Smart Maintenance ist deshalb nicht ein Algorithmus, sondern eine Maschinenanbindung.

Die fünf Instandhaltungsstrategien: Von reaktiv bis präskriptiv

Instandhaltung ist kein binärer Zustand (gut oder schlecht). Es gibt fünf Stufen, die aufeinander aufbauen. Jede Stufe braucht andere Daten und andere Werkzeuge:

Die meisten Fertigungen im Mittelstand operieren zwischen Stufe 1 und 2: Reparatur nach Ausfall plus zeitbasierte Wartung nach Herstellervorgabe. Der Sprung zu Stufe 3 (zustandsbasiert) ist der wichtigste Schritt, weil er den größten Effekt hat: Statt blind nach Kalender zu warten, wartet man dann, wenn die Daten es nahelegen. Dafür braucht man keine KI. Man braucht automatische Alarmerfassung, Stillstandsanalyse und Prozessdatenkorrelation.

Der eigentliche Engpass: Daten, nicht Algorithmen

Die Diskussion über Smart Maintenance dreht sich oft um Predictive Maintenance, Machine Learning, Anomalieerkennung. In der Praxis scheitert Smart Maintenance fast nie am Algorithmus. Sie scheitert an der Datenverfügbarkeit.

Problem 1: Stillstände werden nicht automatisch erfasst. Der Bediener meldet "Maschine stand 20 Minuten, Ursache: Störung". In Wirklichkeit waren es 34 Minuten, verteilt auf 5 Einzelereignisse, mit 3 verschiedenen Ursachen. Ohne automatische Erfassung gibt es keine belastbare MTBF (Mean Time Between Failures) und keine belastbare MTTR (Mean Time To Repair). Ohne MTBF und MTTR gibt es keine Grundlage für zustandsbasierte Wartung.

Problem 2: Alarme werden nicht aufgezeichnet. Die SPS meldet 47 Alarme pro Schicht. Der Bediener quittiert sie, die Maschine läuft weiter. Niemand weiß, welche Alarme häufig auftreten, welche mit Stillständen korrelieren und welche Vorboten eines größeren Ausfalls sind. Ohne Alarmhistorie gibt es keine Musteranalyse.

Problem 3: Prozessdaten werden nicht mit Ereignissen verknüpft. Die Maschine liefert Temperatur, Druck, Strom, Vibration. Aber diese Werte sind nicht mit dem Auftrag, dem Produkt, der Schicht und dem Stillstand verknüpft. Ohne Kontextualisierung kann kein Modell lernen: "Wenn Temperatur > X und Strom > Y bei Produkt Z, dann folgt Stillstand innerhalb von 4 Stunden."

Alle drei Probleme sind Datenprobleme, keine Algorithmusprobleme. Und alle drei werden durch ein MES mit automatischer Maschinendatenerfassung gelöst.

Wie die Datenbasis für Smart Maintenance entsteht: Neoperl als Beispiel

Neoperl, ein Hersteller von Wasserfluss-Produkten, zeigt, wie der Weg von reaktiver zu zustandsbasierter Instandhaltung in der Praxis aussieht.

Ausgangslage: Vollautomatische Montagemaschinen. Hohe Komplexität, viele Alarme, Stillstände waren schwer zuzuordnen. Die Instandhaltung arbeitete überwiegend reaktiv: Maschine steht, Techniker kommt, repariert, weiter.

Schritt 1: Automatische Alarmerfassung. "SPS-basierte Alarmerfassung und automatische Stillstandsüberwachung." Jeder Alarm der SPS wird automatisch erfasst, mit Zeitstempel versehen und dem Stillstand zugeordnet. "Begründung technischer Stillstände durch die Anlage ohne Eingriff der Mitarbeitenden." Das eliminiert Problem 1 (keine automatische Stillstandserfassung) und Problem 2 (keine Alarmhistorie).

Schritt 2: Korrelation von Alarmen mit Qualitätsdaten. "Korrelation von SPS-Alarmen mit Stillständen und Qualitätsdefekten." Das ist Stufe 3 der Tabelle (zustandsbasiert): Nicht nur "die Maschine steht", sondern "Alarm X korreliert mit Qualitätsdefekt Y". Die Instandhaltung weiß jetzt, welche Alarme kritisch sind (weil sie Qualitätsprobleme verursachen) und welche ignoriert werden können.

Schritt 3: Implementierung als KVP-Werkzeug. "Implementierung als KVP-Werkzeug in der Organisation." Die Daten aus der Alarmerfassung und Korrelationsanalyse fließen in den kontinuierlichen Verbesserungsprozess. Die Instandhaltung arbeitet nicht mehr nur reaktiv, sondern priorisiert Maßnahmen auf Basis der Datenlage.

Ergebnisse: "10 % weniger Stillstände durch automatische Erfassung und Begründung. 8 % höhere Anlagenverfügbarkeit durch strukturierte Analyse. 15 % weniger Ausschuss durch Qualitätsdaten-Auswertung. 15 % Produktivitätsgewinn durch gezielte Maßnahmen."

Das ist kein Predictive Maintenance im engeren Sinne (kein ML-Modell, keine Vorhersage). Es ist zustandsbasierte Instandhaltung (Stufe 3), umgesetzt mit automatischer Alarmerfassung und Korrelationsanalyse. Und es zeigt: Der größte Hebel liegt nicht in der Vorhersage, sondern in der Sichtbarkeit. Wer zum ersten Mal sieht, welche Alarme wirklich häufig auftreten und welche mit Qualitätsproblemen korrelieren, kann die Instandhaltung fundamental anders priorisieren.

Was ein MES für die Instandhaltung liefert (und was nicht)

Ein MES ist kein CMMS (Computerized Maintenance Management System). Es ersetzt nicht den Wartungsplaner, die Ersatzteilverwaltung oder die Arbeitszeiterfassung der Instandhaltung. Aber es liefert die Daten, die ein CMMS allein nicht hat:

Die beste Smart-Maintenance-Architektur verbindet beides: Ein MES für die Echtzeitdaten (Stillstände, Alarme, Prozesswerte, OEE) und ein CMMS oder Instandhaltungsmodul für die Wartungsplanung und Auftragssteuerung. Die SYMESTIC-Plattform bietet ein optionales Instandhaltungsmodul sowie eine Schnittstelle zu Drittsystemen (CMMS, Instandhaltungssoftware) über REST-API.

Häufige Fragen zu Smart Maintenance

Brauche ich Predictive Maintenance, um mit Smart Maintenance zu starten?

Nein. Predictive Maintenance (Stufe 4) ist das Ziel, nicht der Startpunkt. Die meisten Unternehmen profitieren mehr davon, zunächst die Stufen 2 und 3 sauber umzusetzen: automatische Stillstandserfassung, Alarmhistorie, Stillstandsanalyse, Prozessdatenkorrelation. Das liefert bereits 80 % des Nutzens, ohne Machine-Learning-Modelle trainieren zu müssen.

Was ist der Unterschied zwischen Smart Maintenance und TPM?

TPM (Total Productive Maintenance) ist eine Managementmethode aus dem Lean-Umfeld, die alle Mitarbeiter in die Instandhaltung einbezieht (autonome Instandhaltung, geplante Instandhaltung, Qualitätserhaltung). Smart Maintenance ist ein technologischer Ansatz, der TPM-Prinzipien mit digitalen Werkzeugen verbindet: automatische Datenerfassung, Condition Monitoring, Predictive Analytics. TPM beschreibt das "Was" und "Wer". Smart Maintenance beschreibt das "Wie" und "Womit".

Welche Kennzahlen sind für Smart Maintenance relevant?

MTBF (Mean Time Between Failures): Wie lange läuft die Maschine zwischen zwei Ausfällen? MTTR (Mean Time To Repair): Wie lange dauert die Reparatur? OEE-Verfügbarkeitsfaktor: Wie viel der geplanten Produktionszeit geht durch Stillstände verloren? Alarm-Ranking: Welche Alarme treten am häufigsten auf? Alarm-Stillstand-Korrelation: Welche Alarme sind Vorboten von Stillständen? Alle diese Kennzahlen erfordern automatische Maschinendatenerfassung.

Kann ich Smart Maintenance auch ohne MES umsetzen?

Teilweise. Stufe 2 (zeitbasierte Wartung) funktioniert mit einem CMMS und einem Kalender. Stufe 3 und höher erfordern Echtzeitdaten aus der Maschine: Stillstände, Alarme, Prozesswerte. Dafür braucht man entweder ein MES oder ein spezialisiertes Condition-Monitoring-System. Der Vorteil eines MES: Die Instandhaltungsdaten sind mit Produktionsdaten verknüpft (Auftrag, Produkt, OEE), was eine ganzheitliche Analyse ermöglicht.

Was hat Smart Maintenance mit OEE zu tun?

Direkt: Der Verfügbarkeitsfaktor der OEE misst den Anteil der geplanten Produktionszeit, der durch Stillstände verloren geht. Smart Maintenance reduziert ungeplante Stillstände und verbessert damit direkt die Verfügbarkeit. Bei Neoperl führte die automatische Alarmerfassung und Stillstandsanalyse zu 10 % weniger Stillständen und 8 % höherer Anlagenverfügbarkeit. Das ist ein direkter OEE-Hebel.

Über den Autor:

Martin Brandel

MES Consultant und Projektleiter bei der symestic GmbH. Über 30 Jahre Erfahrung in industrieller Automatisierung und Maschinenanbindung. Dipl.-Ing. Nachrichtentechnik.