Das Thema Predictive Maintenance ist derzeit in aller Munde. Viele Produktionsleiter und Geschäftsführer von Industriebetrieben möchten sich eingehend mit dem Thema beschäftigen und verstehen, wie sie durch rechtzeitigen Werkzeugwechsel die Effizienz ihrer Anlagen steigern können. In folgender Übersicht findet sich eine breite Auswahl geeigneter Lektüre – von kostenlos bis kostspielig sowie für unterschiedliche Kenntnisslevel: von Einsteiger bis Experte.
Predictive Maintenance (ins Deutsche übersetzt: vorausschauende Instandhaltung oder Wartung) bezeichnet einen Vorgang, der auf der Auswertung von Prozess- und Maschinendaten basiert und findet sich vor allem im sprachlichen Kontext der Industrie 4.0 wider. Durch die Echtzeitverarbeitung der zugrundeliegenden Daten werden Prognosen möglich, die die Grundlage für eine bedarfsgerechte Wartung und die Reduktion von Ausfallzeiten bilden.
Predictive Maintenance Literatur für Einsteiger
„Die digitale Transformation der Instandhaltung“
Georg Güntner, Lydia Höller (Hrsg.)
Das Whitepaper zeigt, wie digitalisierte Instandhaltung im Unternehmen etabliert werden kann und wagt einen Ausblick, wohin die Reise in Zukunft geht. In 14 Beiträgen bietet es einen Überblick über methodische Vorgehensweisen und beschreibt technische Lösungsansätze (z.B. Predictive Maintenance, Instandhaltungssoftware, Condition Monitoring, Messaging-Systeme, Digital Twins, Technologien des Internets der Dinge). Mit Hilfe eines virtuellen Werkzeugkoffers, der u.a. ein Bewertungstool enthält, können die Leser eine Bestandsaufnahme durchführen und Auskunft darüber bekommen, wie sie Schritt für Schritt zur Instandhaltung 4.0 gelangen.
50 Seiten, Projektkonsortium i-Maintenance, 2018
„Einführung von Predictive Maintenance in klein- und mittelständischen Unternehmen“
Wirtschaftsförderungsgesellschaft für den Kreis Borken mbH
Im Rahmen des Innovationsforums PredictiveMaintenance@KMU wurde der vorliegende Leitfaden zur Einführung von Predictive Maintenance erstellt. Er bietet dem Leser eine Orientierungshilfe, um ein eigenes Verständnis von Predictive Maintenance zu entwickeln. Als praxisorientiertes Tool gibt er konkrete Ansatzpunkte zur Umsetzung im eigenen Unternehmen.
30 Seiten, Kreis Borken mbH, 2020
Predictive Maintenance: Realität und Vision 32. Instandhaltungs-Forum (Praxiswissen für Ingenieure – Instandhaltung)
Hubert Biedermann
Das Buch stellt die Beiträge und Ergebnisse des 32. Instandhaltungsforums der ÖVIA (Österreichische Vereinigung für Instandhaltung und Anlagenwirtschaft) vor und widmet sich den Möglichkeiten und Grenzen von Predictive Maintenance. Anhand der neuesten Erkenntnisse führender Forschungseinrichtungen und aktueller Best-Practice-Beispiele aus Industrieunternehmen werden die potenziellen Chancen und Risiken des Predictive-Maintenance-Ansatzes beleuchtet. Zu den thematisierten Schwerpunkten gehören: Predictive Maintenance und Analytics, Strategisches IH-Management, IT-Sicherheit, Neue Geschäftsmodelle sowie Big Data Analytics. Die Lektüre ist für Praktiker und Experten gleichermaßen interessant.
224 Seiten, ISBN-13: 978-3740603595, TÜV Media GmbH TÜV Rheinland Group, 2018
„Predictive Maintenance A Complete Guide – 2021 Edition“ (Englisch)
Gerardus Blokdyk
Dieses Buch und die darin enthaltenen digitalen Komponenten sind für alle gedacht, die die richtigen Fragen stellen wollen: Sparen vorausschauende Wartungstools dem Unternehmen Zeit und Geld? Was macht fortschrittliche vorausschauende Wartungstechnologien für das verarbeitende Gewerbe interessant? Wie sollte eine Organisation ein vorausschauendes Wartungssystem implementieren und wo stecken die Herausforderungen? Sie finden Antworten, um für Ihr Unternehmen die besten Entscheidungen treffen zu können.
312 Seiten, ISBN-13: 978-1867425847, The Art of Service – Predictive Maintenance Publishing, 2020
Predictive Maintenance Literatur für die Fertigungsindustrie
„Der Weg zu Predictive Maintenance in der industriellen Serienfertigung“
Dominik Bachmair
Unter den Gesichtspunkten immer leistungsfähigerer IT-Systeme und des digitalen Wandels setzt sich der Autor dieser Arbeit das Ziel, ein Vorgehensmodell zur Einführung von Predictive Maintenance zu entwickeln, welches allgemein genug ist um in möglichst vielen Bereichen mit geringstmöglichem Aufwand anwendbar zu und dennoch ausreichend spezifisch sein, um diese Aufgabe optimal bewältigen zu können.
116 Seiten, ISBN-13: 978-6202209632, AV Akademikerverlag, 2018
„Digital Manufacturing: Applying Predictive Maintenance to Impact Company Profitability“ (Englisch)
Jakub Malota
Die Arbeit enthält nützliche Tools und Informationen, die Managern bei der erfolgreichen Implementierung von Predictive-Maintenance-Projekten helfen können. Es beschreibt die wichtigsten Erfolgsfaktoren eines typischen Fertigungsunternehmens, identifiziert die Stärken und Chancen sowie Schwächen und Bedrohungen von Predictive-Maintenance-Projekten und zeigt die wichtigsten Stakeholder, die das Ergebnis beeinflussen können sowie ihre Motivationen.
65 Seiten, Thesis submitted in Partial Fulfillment of the Requirements for the Degree of Bachelor in Science, Business Administration State University of New York Empire State College, 2017
„Angewandte Statistische Methoden im Condition Monitoring und Predictive Maintenance für Industrieanlagen“
Peter Holzer
Anhand einer Industrieanlage wird gezeigt, wie Daten vom Messsystem zu Zeitreihen aufbereitet und effizient zusammengefasst werden und dass im Vergleich zu herkömmlichen Wartungsstrategien, durch die Predictive Maintenance eine erhöhte Anlagenverfügbarkeit zu erwarten ist.
91 Seiten, Magisterarbeit, Universität Wien, Fakultät für Wirtschaftswissenschaften, 2017
Predictive Maintenance Literatur Experten
„Predictive Maintenance. Aktueller Stand, Erfolgsfaktoren und Nutzenpotentiale“ (eBook)
Marco Hartmann
Ziel dieser – in einen konzeptionellen und einen praxisorientierten Teil gegliederten – Bachelorarbeit ist es, den aktuellen Stand von Predictive Maintenance wiederzugeben. Aktuelle Lösungsansätze werden analysiert und technische Voraussetzungen identifiziert. Der Schwerpunkt der Analyse liegt dabei auf dem Nutzenpotenzial und den Bedürfnissen der Anwender. Weitere Aspekte sind die Untersuchung der Bereitschaft der Kunden, Maschinendaten bereitzustellen sowie die Frage, welche Möglichkeiten in Form von neuen Geschäftsmodellen sich hierdurch ergeben.
108 Seiten, ISBN-13: 978-3-346-37963-7, GRIN Verlag, 2020
Verfahren zur Bewertung von Predictive Maintenance für Anbieter von Instandhaltungsdienstleistungen
Tobias Tauterat
Diese Arbeit richtet sich sowohl an Praktiker als auch an Wissenschaftler, die sich mit Industrie 4.0 beschäftigen. Sie betrachtet den Instandhaltungsprozess von Maschinen detailliert und entwickelt ein Verfahren zur Bewertung von Predictive Maintenance zur Unterstützung von Investitionsentscheidungen.
208 Seiten, ISBN-13: 978-3844105612, Josef Eul Verlag, 2018
„Industrie 4.0. Predictive Maintenance. Wunsch oder Wirklichkeit?“
Robert Komorowsky
Dieses – auf einer Studienarbeit an der Hochschule Aalen beruhende – Taschenbuch beschäftigt sich u.a. mit den Defiziten, die in produzierenden Unternehmen hinsichtlich der zuverlässigen Quantifizierung von Instandhaltung sowie notwendigen Instandhaltungsmaßnahmen herrschen und hinterfragt kritisch, ob Predictive Maintenance tatsächlich zu Einsparungspotenzialen führt.
32 Seiten, ISBN-13: 978-3668796065, GRIN Verlag, 2018
„Edge Analytics im Predictive Maintenance“
Amine Ünal
Die Arbeit untersucht die Optimierung der Informationsverarbeitung durch Edge Analytics im Umfeld des Predictive Maintenance. Dazu wurde ein Edge Analytics Prototyp konzipiert, implementiert und getestet. Es wurden die Anforderungen im Predictive Maintenance durch eine Befragung analysiert und ermittelt. Durch die Testergebnisse konnte ein direkter Vergleich zu einer klassischen Predictive Maintenance Applikation gezogen werden.
120 Seiten, ISBN-13: 978-6202211291, AV Akademikerverlag, 2018
„The 2021-2026 World Outlook for Operational Predictive Maintenance“ (Englisch)
Prof. Philip M. Parker Ph.D.
Diese Studie deckt die weltweiten Aussichten für Predictive Maintenance in mehr als 190 Ländern ab. Es schätzt ein, wie sich die Nachfrage für die vorausschauende Wartung auf die regionalen und nationalen Märkte in der Welt verteilt.
Der Autor der Studie, Philip M. Parker, ist ein US-amerikanischer Wirtschaftswissenschaftler. Er hält derzeit u.a. eine Professor an der University of California, San Diego.
300 Seiten, ASIN: B082PPJCXV, ICON Group International, Inc., 2020
„Digital Transformation in the Manufacturing Industry: Technologies and Architectures“ (Englisch)
Daniel Olivotti
In dieser Dissertation werden Konzepte zur Verbesserung der Datenanalysetechniken durch Kombinationen von Fachwissen vorgestellt. Zu den Forschungsschwerpunkten gehören verschiedene Modelle, die helfen, die optimale Anzahl von Ersatzteilen zu berechnen, die Wartungsplanung zu optimieren und Maschinenausfälle vorherzusagen. Dafür sind nicht nur statistische Methoden, sondern auch fortgeschrittene Datenanalysetechniken erforderlich. Des Weiteren befasst sich diese Dissertation u.a. mit den Themen installiertes Basismanagement und digitale Zwillinge.
178 Seiten, Dissertation, Wirtschaftswissenschaftlichen Fakultät der Gottfried Wilhelm Leibniz Universität Hannover, 2020
Predictive Maintenance in Dynamic Systems (Englisch)
Edwin Lughofer (Hrsg.), Moama Sayed-Mouchaweh (Hrsg.)
Das Buch behandelt die jüngsten Entwicklungen bei der vorausschauenden Wartung einschließlich grundlegender Algorithmen und Methoden sowie erforderlicher Begriffe und Definitionen. Es erläutert u.a. Probleme in Anwendungsbereichen wie Online-Produktionslinien, Fabriken der Zukunft sowie Überwachung von Geräten und Werkzeugen. Darüber hinaus befasst es sich mit der Früherkennung von Fehlern, der Prognose und Diagnose sowie Optimierungstechniken für Online-Tools zur Entscheidungsunterstützung in dynamischen Systemen.
580 Seiten, ISBN-13: 978-3030056445, Springer, 1st ed. 2019 Edition
„Toward Predictive Maintenance in a Cloud Manufacturing Environment“ (Englisch)
Bernard Schmidt
Die in dieser Arbeit vorgestellte Forschung konzentriert sich auf die Verbesserung der Entscheidungsunterstützung bei der industriellen Instandhaltung. Sie basiert auf einem breiten Spektrum von Eingabeinformationen. Die zu aggregierenden Daten stammen aus unterschiedlichen Quellen wie Wartungsmanagementsystemen und der Steuerung der Werkzeugmaschinen. Verschiedene Datenverarbeitungs- und maschinelle Lernmethoden werden angewendet und bewertet.
596 Seiten, ISBN 978-91-984187-2-9, Doctoral Dissertation, Universität of Skövde, 2018
„A Predictive Maintenance Approach based in Big Data Analysis“ (Englisch)
João Pedro Gonçalves da Silva
Die Arbeit unterstützt Wartungsabteilungen, die die Machbarkeit der Implementierung einer vorausschauenden Predictive-Maintenance-Lösung in ihrem Unternehmen verstehen möchten. Es werden mehrere Ansätze und Modelle vorgestellt, die es ermöglichen, Ressourcen im richtigen Verhältnis von Risiko und Effekt zu platzieren.
97 Seiten, Instituto Universitário de Lisboa, 2019
„Setting Sail Towards Predictive Maintenance“ (Englisch)
Wieger Tiddens
Die meisten aktuellen Wartungsprogramme stützen sich noch immer auf frühere Erfahrungen und Expertenwissen. Sie berücksichtigen nicht den tatsächlichen Zustand des Vermögenswerts. Predictive Maintenance ist ein vorbeugender Wartungsansatz, um den Eigentümer oder Betreiber über den aktuellen und zukünftigen Zustand ihrer physischen Assets zu informieren. Der Einsatz von Predictive Maintenance trägt zu einer umfassenderen Verlagerung in Richtung Industrie 4.0 bei. Die Vorteile einer höheren Verfügbarkeit und Zuverlässigkeit können mit dem Kunden geteilt oder an ihn vermarktet werden. Dadurch wird es interessanter, in Predictive Maintenance zu investieren.
146 Seiten, PhD-Thesis, University of Twente, Enschede, 2018