Question 1

Welche Sensoren sollten zur Erkennung eines Lagerausfalls verwendet werden?

Accepted Answer

Zur Erkennung von Lagerausfällen ergänzen sich drei Arten von Sensoren. Piezoelektrische Beschleunigungssensoren (Typ IEPE, ICP-Norm) messen Schwingungen im Beschleunigungsbereich von 0,5 Hz bis 10 kHz mit einer Empfindlichkeit von 100 mV/g – sie erfassen die für jede Lagerbezeichnung spezifischen BPFO-Frequenzen (Bearing Pass Frequency Outer), BPFI, BSF und FTF, die für jede Lagerbaureihe spezifisch sind. PT100- oder NTC-Temperatursensoren am Lagergehäuse erkennen eine ungewöhnliche Erwärmung (typischer Schwellenwert: +15 Grad Celsius gegenüber der Betriebstemperatur). Die Motorstromanalyse (MCSA – Motor Current Signature Analysis) über eine 4–20-mA-Stromzange ermöglicht die Erkennung von Lagerfehlern im Stromspektrum ohne mechanischen Kontakt. Eziwan integriert IEPE-Sensoren nativ über ein BNC-kompatibles Schwingungserfassungsmodul und analoge 4–20-mA-Sensoren direkt an den Klemmen des Gateways.

Question 2

Was ist der Unterschied zwischen vorbeugender und vorausschauender Instandhaltung?

Accepted Answer

Die zeitgesteuerte vorbeugende Wartung wird zeitabhängig ausgelöst (alle X Betriebsstunden oder alle X Monate), unabhängig vom tatsächlichen Zustand der Anlage. Dabei werden Teile ausgetauscht, die sich noch in gutem Zustand befinden, und es kommt zu geplanten Stillständen, die mitunter unnötig sind. Die vorausschauende Instandhaltung hingegen wird durch den tatsächlichen Zustand der Anlage ausgelöst: Man greift ein, wenn die Sensordaten eine tatsächliche Verschlechterung anzeigen. Konkret kann ein Lager, dessen theoretische Lebensdauer 20.000 Stunden beträgt, unter rauen Bedingungen bereits nach 8.000 Stunden ausfallen oder unter optimalen Bedingungen 30.000 Stunden halten. In beiden Fällen versagt die vorbeugende Wartung. Die vorausschauende IIoT-Instandhaltung erkennt einen Temperaturanstieg oder eine Veränderung des Schwingungsspektrums bereits 2 bis 6 Wochen vor dem Ausfall, sodass der Eingriff zum optimalen Zeitpunkt geplant werden kann.

Question 3

In welchem Zeitraum macht sich der ROI der vorausschauenden Instandhaltung bemerkbar?

Accepted Answer

Bei unseren Kundenprojekten wird die Kapitalrendite in der Regel innerhalb von 6 bis 18 Monaten erreicht. Die erste nennenswerte Einsparung ergibt sich in der Regel bereits beim ersten vermiedenen ungeplanten Stillstand: Bei einer Produktionslinie in der Lebensmittelindustrie bedeutet ein vierstündiger Stillstand einen Produktionsausfall von 60.000 Euro zuzüglich der Kosten für den Eil-Einsatz. Das Eziwan-Abonnement für vorausschauende Instandhaltung an diesem Standort liegt je nach Anzahl der überwachten Anlagen zwischen 400 und 800 Euro pro Monat. Rein rechnerisch rechtfertigt bereits ein einziger vermiedener Stillstand pro Jahr die Investition. Hinzu kommen Einsparungen bei den Ersatzteilen: Der Verzicht auf den Austausch noch funktionsfähiger Lager bedeutet Einsparungen von 15 bis 25 % im Ersatzteilbudget. Unsere Industriekunden verzeichnen eine Reduzierung der MTTR (Mean Time To Repair) um 50 bis 65 % dank der frühzeitigen Warnmeldungen, die eine Vorbereitung des Eingriffs ermöglichen.

Question 4

Funktioniert die Lösung mit unseren bestehenden Geräten?

Accepted Answer

Ja, die Philosophie von Eziwan basiert auf vollständiger Abwärtskompatibilität. Bei Geräten mit analogen Ausgängen von 4–20 mA oder 0–10 V (die meisten industriellen Sensoren aus den 1990er Jahren bis heute) erfolgt der Anschluss direkt an die Klemmen des Gateways, ohne dass Änderungen an der Anlage erforderlich sind. Bei SPSen und Frequenzumrichtern mit Modbus RTU über RS-485 oder Modbus TCP über Ethernet erfolgt die Integration im schreibgeschützten Modus, ohne dass das SPS-Programm geändert werden muss. Bei Geräten ohne digitale oder analoge Ausgänge (ältere Motoren, veraltete Pumpen) werden nachrüstbare Sensoren hinzugefügt: berührungsloser Temperatursensor am Gehäuse, auf die Oberfläche geklebter Beschleunigungssensor, Stromzange an der Stromversorgung. Die Installation dieser zusätzlichen Sensoren erfolgt nicht-invasiv und erfordert keine Produktionsunterbrechung.

Question 5

Braucht man einen Data Scientist, um die Daten auszuwerten?

Accepted Answer

Nein. Eziwan ist für Instandhaltungsleiter und Techniker konzipiert, nicht für Datenwissenschaftler. Die Festlegung der Baseline (Referenzwerte im Normalbetrieb) erfolgt automatisch: Das System lernt das Nennverhalten jedes Geräts in den ersten 7 bis 14 Tagen und legt automatisch adaptive Alarmschwellen fest. Alarme bei Abweichungen (Rate-of-Change) lassen sich mit wenigen Klicks über die Weboberfläche konfigurieren: „Alarm auslösen, wenn die Temperatur um mehr als 2 Grad Celsius pro Stunde ansteigt“. Die Dashboards sind mit den Standard-Wartungs-KPIs vorgefertigt: MTBF, MTTR, Betriebsverfügbarkeit, Anzahl der korrektiven vs. präventiven Eingriffe. Für fortgeschrittene Nutzer, die maßgeschneiderte ML-Modelle entwickeln möchten, stehen im Enterprise-Tarif die REST-API sowie der Export von Rohdaten nach Python oder zu industriellen Analyseplattformen (Azure IoT Analytics, AWS IoT SiteWise) zur Verfügung.

Question 6

Wie lassen sich die Warnmeldungen in unser Instandhaltungsmanagementsystem integrieren?

Accepted Answer

Eziwan bietet je nach Komplexitätsgrad drei Methoden zur Integration in Ihr CMMS an. Die einfachste Methode ist der HTTP-Webhook: Wenn ein Alarm ausgelöst wird, sendet Eziwan eine HTTP-POST-Anfrage im JSON-Format an den Endpunkt Ihres CMMS – dadurch wird automatisch eine Serviceanfrage oder ein Arbeitsauftrag erstellt. Die zweite Methode nutzt die bidirektionale REST-API von Eziwan: Ihr CMMS fragt die Eziwan-API regelmäßig ab, um neue Alarme abzurufen und in seinen Workflow zu integrieren. Die dritte Methode ist die native Integration mit den wichtigsten CMMS-Systemen: Vorkonfigurierte Konnektoren stehen für Mobility Work (französisches Cloud-CMMS), SAP PM über SAP PI/PO und IBM Maximo über die REST-API des Maximo Application Framework zur Verfügung. Bei lokal installierten CMMS-Systemen (Infor EAM, CARL Source, Dimo Maint) erfolgt die Integration über das ETL-Modul von Eziwan, das in regelmäßigen Abständen importierbare CSV-/XML-Dateien generiert.

Question 7

Vorausschauende Instandhaltung vs. vorbeugende Instandhaltung: Welchen ROI kann man erwarten?

Accepted Answer

Der finanzielle Vergleich zwischen planmäßiger vorbeugender Instandhaltung und vorausschauender IIoT-Instandhaltung fällt in allen Industriezweigen mit kritischen Anlagen zugunsten der vorausschauenden Instandhaltung aus. Die Formel zur Berechnung des ROI lautet wie folgt: ROI = (erzielte Einsparungen – Kosten der Lösung) / Kosten der Lösung × 100. Die erzielten Einsparungen umfassen drei Posten. Erster Posten: Reduzierung ungeplanter Ausfälle. Ein ungeplanter Stillstand an einer Produktionslinie in der Automobil- oder Lebensmittelindustrie kostet zwischen 10.000 und 100.000 Euro Bruttomargeverlust pro Stunde (Quelle: Studien der Aberdeen Group, ARC Advisory). Die Vermeidung von zwei Stillständen bis 4 Stunden pro Jahr an einer Linie mit 15.000 Euro/Stunde entspricht einer jährlichen Einsparung von 120.000 Euro. Zweiter Punkt: Senkung der Ersatzteilkosten. Durch vorbeugende Instandhaltung werden 20 bis 30 % der Teile ausgetauscht, die sich noch in gutem Zustand befinden. Bei einem jährlichen Ersatzteilbudget von 80.000 Euro lassen sich durch vorausschauende Instandhaltung 16.000 bis 24.000 Euro einsparen, da nur die tatsächlich verschlissenen Teile ausgetauscht werden. Dritter Punkt: Reduzierung des Zeitaufwands für Techniker. Die vorausschauende Vorbereitung von Einsätzen (Bestellung von Ersatzteilen, Ressourcenplanung) reduziert die MTTR (Mean Time To Repair) um 40 bis 60 %. Konkretes Zahlenbeispiel: Für eine Kunststofffabrik mit 20 überwachten Motoren betragen die Kosten für die Eziwan-Lösung 8.400 Euro pro Jahr (Abonnement + Gateway). Geschätzte Einsparungen im ersten Jahr: 1 vermiedener Stillstand (30.000 Euro) + Einsparungen bei Ersatzteilen (12.000 Euro) = 42.000 Euro. ROI = (42.000 – 8.400) / 8.400 = 400 %. Branchenstudien (Deloitte, McKinsey) bestätigen einen durchschnittlichen ROI von 10x über drei Jahre für die vorausschauende Instandhaltung in der Industrie.

Question 8

Welche Arten von Sensoren sollten zur Überwachung von Motoren, Pumpen und Kompressoren verwendet werden?

Accepted Answer

Die Wahl der Sensoren hängt von der Art der zu überwachenden Anlage und dem verfügbaren Budget ab. Bei Elektromotoren (der häufigsten Kategorie) ist die optimale Kombination: ein dreiachsiger MEMS-Beschleunigungssensor (Schwingungen in drei Achsen, Messung in g, typischer Messbereich 0–8 g, 0–3 kHz) zur Erkennung von Lagerfehlern und Unwuchten, ein PT100- oder PT1000-Lagertemperatursensor (Widerstandsthermometer, Messbereich -50 bis +200 Grad Celsius, Genauigkeit 0,1 Grad Celsius) zur Überwachung der Erwärmung sowie optional eine 4–20-mA-Stromzange (MCSA) zur Analyse des spektralen Stromsignals und zur Erkennung gebrochener Rotorstangen oder Exzentrizitäten. Bei Kreiselpumpen fügen Sie einen 4–20-mA-Differenzdrucksensor am Ein- und Ausgang hinzu (Prozessmanometer vom Typ WIKA, Endress+Hauser Cerabar): Eine Abweichung des Betriebspunkts von der HQ-Kurve deutet auf eine Verstopfung des Laufrads oder beginnende Kavitation hin. Bei Kolbenkompressoren sind der Öldruck (4–20-mA-Messumformer im Schmierkreislauf) und die Zylindertemperatur (Thermoelement Typ K am Zylinderkopf) die kritischen Parameter. Bei Transformatoren und Schaltschränken ermöglichen berührungslose Infrarotsensoren (FLIR, Optris) über USB- oder Ethernet-Schnittstelle oder in die Schaltschränke integrierte PT100-Fühler die Erkennung von Überhitzungen an Abzweiganschlüssen vor dem Leistungsschalter. Alle diese Sensoren lassen sich über direkte analoge 4–20-mA-Eingänge oder über ein Modbus-RTU-Modul mit mehreren Eingängen an das Eziwan-Gateway anschließen.

Question 9

Wie lange dauert es, bis man die ersten verlässlichen Vorhersagen erhält?

Accepted Answer

Der Zeitaufwand für die Erstellung zuverlässiger Vorhersagen gliedert sich in drei aufeinanderfolgende Phasen. Phase 1 – Baseline und Lernphase (4 bis 8 Wochen): Das System erfasst die Betriebsdaten im Nennbetrieb, um die Baseline für jedes Gerät zu ermitteln. Während dieses Zeitraums lernt Eziwan die normalen Betriebsmuster kennen: Temperaturbereiche unter Last und im Leerlauf, typische Schwingungspegel bei verschiedenen Drehzahlen sowie Start- und Stoppzyklen. Es ist wichtig, dass diese Phase repräsentative Betriebsbedingungen abdeckt (verschiedene Lastzustände, saisonale Umgebungstemperaturen, sofern möglich). Phase 2 – Kalibrierung der Alarmschwellen (2 bis 4 Wochen): Nach der Baseline werden vom System erste adaptive Schwellenwerte vorgeschlagen. Das Wartungsteam passt diese entsprechend der Kritikalität der Anlagen und der Risikotoleranz an. Ein Sicherheitsmotor in einem ATEX-Bereich wird konservativere Schwellenwerte haben als ein Lüftungsmotor im Dienstleistungsbereich. Eventuelle erste Fehlalarme werden in dieser Phase korrigiert. Phase 3 – Erste umsetzbare Vorhersagen (2 bis 4 Monate nach dem Start): Die Modelle zur Abweichungserkennung (Trendanalyse über 30–90 Tage) beginnen, Warnmeldungen zu generieren, die abnormale Entwicklungen mehrere Wochen im Voraus vorhersagen. In dieser Phase wird der operative Nutzen greifbar. Beschleunigender Faktor: Wenn Sie über historische Daten zu vergangenen Ausfällen verfügen (Daten, Art der Fehler, gemessene Werte), beschleunigt der Import dieser Daten in Eziwan die Kalibrierung erheblich, da dadurch mit Etiketten versehene Beispiele für tatsächliche Ausfälle bereitgestellt werden.

Vorausschauende Instandhaltung in der Industrie: Beugen Sie Ausfällen vor, bevor diese Ihre Produktion zum Erliegen bringen

Korrektive, vorbeugende oder vorausschauende Instandhaltung: Welche Variante ist die richtige?

Korrektive Instandhaltung

Vorbeugende Wartung

Vorausschauende Instandhaltung mit IIoT

Von der Schwingung bis zur Warnmeldung: So funktioniert die vorausschauende Instandhaltung mit IIoT

Sensorerfassung

Sicherer Transport

Analyse und Erkennung

Benachrichtigungen und Integration in das Instandhaltungsmanagementsystem (CMMS)

Industrieanlagen, die mit der vorausschauenden Instandhaltung von Eziwan kompatibel sind

Elektromotoren

Pumpen und Kompressoren

Förderbänder und Mischer

Hochspannungs-/Mittelspannungstransformatoren

Stromaggregate

Industrielle Klimatechnik

Wie viel kostet Sie eine Stunde ungeplanter Stillstand?

Prozessindustrie

Automobile

Agroalimentaire

Verarbeitendes Gewerbe

Kompatibilität von Sensoren und industriellen Protokollen

Unterstützte Protokolle

Zugelassene Sensormarken

Standards und Normen

Alles über die vorausschauende Instandhaltung im IIoT

Starten Sie Ihr Pilotprojekt zur vorausschauenden Instandhaltung in 5 Werktagen