Predictive Maintenance von Baumaschinen
Fakten und Details:
Projektbearbeitung: Dipl.-Ing. Marco Huymajer
Projektleitung: Univ.Prof. Dipl.-Ing. Dr.techn. Gerald Goger
Projektzeitraum: 1.1.2019 – 30.12.2020
Partner:
Predictive Maintenance von Baumaschinen
Das gegenständliche Forschungsprojekt stellt eine Kooperation zwischen dem Institut für Interdisziplinäres Bauprozessmanagement an der TU Wien, dem Institute of Computational Statistics an der TU Wien und der STRABAG BMTI dar. Die STRABAG BMIT, eine Tochtergesellschaft der STRABAG SE, ist als nicht profitorientierte Servicegesellschaft konzipiert, die mit dem Erwerb, der Wartung, der konzerninternen Vermietung und Veräußerung von Baumaschinen betraut ist. Im Zuge des Forschungsprojekts wird die Anwendbarkeit von Predictive Maintenance (PdM) auf Baumaschinen untersucht.
Wartung umfasst alle Maßnahmen wie beispielsweise Inspektionen, Reparaturen und Anpassungen, die dazu bestimmt sind, ein Objekt in einem Zustand zu halten, in dem es die vorgesehene Funktion erfüllt. Ausfälle von Maschinen sind für 42 % der ungeplanten Stillstände verantwortlich und verursachen weltweit Kosten in der Größenordnung von $ 50 Milliarden. Die Kosten für Wartung von Maschinen betragen in manchen Unternehmen bis zu 70 % der gesamten Produktionskosten. Derzeit gibt es eine Reihe verschiedener Wartungsstrategien. Predictive Maintenance (dt. prospektive Instandhaltung) verwendet Echtzeitdaten zusammen mit einem Vorhersagemodell um eine Aussage über die Restnutzungsdauer einer Maschine oder gewissen Komponente zu treffen. Predictive Maintenance bedient sich dabei moderner Schlüsseltechnologien wie beispielsweise, Industrie 4.0, künstlicher Intelligenz und des Internets der Dinge (engl. Internet of Things, IoT). Gemäß Roland Berger liege die Einsparung der Produktionskosten durch den Einsatz von Predictive Maintenance in manchen Branchen bei 50 %. Die Erhöhung der Maschinenverfügbarkeit beziffert Deloitte mit bis zu 50 %. Obwohl Predictive Maintenace in der stationären Industrie derzeit enorme Forschung und Entwicklung erfährt, was sich in der Vielzahl von Publikationen in diesem Bereich widerspiegelt, gibt es nur eine geringe Anzahl an Veröffentlichungen, die Predictive Maintenace von Baumaschinen zum Gegenstand haben.
Das Forschungsprojekt hat zum Ziel, eine Predictive-Maintenance-Strategie an drei Schlüsselgeräten, Bagger, Radlader und Asphaltfertiger, zu untersuchen. Die STRABAG BMTI dokumentiert den gesamten Lebenszyklus einer Baumaschine in Form einer standardisierten Dokumentation. Darüber hinaus bieten zahlreiche Baumaschinen die Möglichkeit, digitale Telematikdaten abzurufen. Diese und mögliche weitere Datenquellen sollen dazu verwendet werden, mithilfe eines Vorhersagemodells die Risikofunktion oder Restnutzungsdauer der Baumaschine vorherzusagen. Diese Vorgehensweise ist in der Abbildung schematisch dargestellt.
 |
Methodisch gliedert sich das Projekt in mehrere Teilaufgaben. In einem ersten Schritt werden durch Datenintegration verschiedene Datenquellen zu einer homogenen Datenbank zusammengeführt, die als Grundlage für weitere Analysen dient. Daten müssen dabei bereinigt werden. Insbesondere wird ein Algorithmus entwickelt, der Ausreißer in händisch erfassten Betriebsstunden zuverlässig erkennt. Zentraler Bestandteil des Projektes ist die Untersuchung, ob und wie anhand der vorhandenen Daten eine Vorhersage der Risikofunktion oder Restnutzungsdauer der Baumaschine oder ihrer wesentlichen Komponenten getroffen werden kann. Dabei kommen die sogenannte Cox-Regression, eine spezielle Form der Regressionsanalyse sowie Methoden des maschinellen Lernens zum Einsatz. Vorhersagemodelle werden mithilfe von Kreuzvalidierungsverfahren auf ihre Qualität untersucht.
Es wird erwartet, durch das Forschungsprojekt Erkenntnisse über Einflussgrößen der Lebensdauer von Baumaschinen zu erlangen. Durch eine erfolgreiche Implementierung von Predictive Maintenance innerhalb der STRABAG BMTI können die in anderen Branchen beobachteten höhere Verfügbarkeit und Einsparungen an Wartungskosten für Maschinen erreicht werden. Schlussendlich soll mit dem Forschungsprojekt Predictive Maintenance Einzug in die Bauwirtschaft finden.