Jede Vorhersage beruht auf statistischen Methoden und berechneten Wahrscheinlichkeiten. Das bedeutet: Eine gute Vorhersage erfordert eine große Menge an Daten, eine Vorhersage ist nie eine Gewissheit.Der Versuch, das Datum des Ausfalls einer Maschine oder eines Teils zu prognostizieren, besteht also zunächst darin, die Maschinen ausfallen zu lassen, um so viele Ausfälle wie möglich zu erhalten, damit sie in das statistische Analysemodell integriert werden können, und dann mit Hilfe dieses Modells ein theoretisches Datum des Ausfalls zu berechnen… Wir müssen uns darüber im Klaren sein, dass dieses Datum unabhängig von der Zuverlässigkeit des Modells immer eine Fehlermarge enthält, und im Falle von Industrieanlagen kann die Fehlermarge größer sein, da jede Maschine mehr oder weniger ein Einzelfall ist… Dieser Ansatz ist zu kostspielig und riskant, um akzeptabel zu sein.
Wir bevorzugen die Antizipation gegenüber der Vorhersage, indem wir eine Mischung aus bedingten und prädiktiven Methoden einsetzen und den Schwerpunkt auf die Bedeutung und Zuverlässigkeit der Diagnose legen: Wir haben unsere automatisierten Diagnosealgorithmen so entwickelt, dass die Wartungsteams erst dann alarmiert werden, wenn eine Maschine tatsächlich eine Störung aufweist, aber so früh, dass eine Reparatur in Ruhe geplant werden kann. Auf diese Weise verlängern wir die Zeitspanne zwischen dem Zeitpunkt der Diagnose und dem Erreichen der kritischen Level und sorgen so für einen längeren Zeitrahmen, in dem der Eingriff erfolgen kann.
Vorhersagen bedeutet, ein Ereignis durch Intuition oder Vorahnung anzukündigen, ohne einen wirklichen Beweis dafür zu haben, während Vorhersagen bedeuten, dass ein zukünftiges Ereignis auf der Grundlage einiger Daten als sehr wahrscheinlich angesehen wird. Es ist verständlich, dass die Norm NF EN 13306 den Begriff „vorausschauende Instandhaltung“ nicht kennt, denn mit der Entwicklung der künstlichen Intelligenz (insbesondere des nicht überwachten maschinellen Lernens) ist es möglich, aus einer Datensammlung unterschiedliche Indizes zu „lesen“, die für sich genommen nicht auffallen würden, aber in ihrer Gesamtheit ein Problem „offenbaren“, und künftige Generationen von Algorithmen werden es ermöglichen, automatisierte Diagnosewerkzeuge mit diesem Element der Intuition auszustatten, das manchmal von erfahrenen Spezialisten zur Lösung komplexer Probleme eingesetzt wird. Ihre Vorhersagen werden es uns ermöglichen, den Umfang unserer Prognosen zu erweitern (mehr dazu in unserem Artikel: Wir betrachten die vorausschauende Instandhaltung als eine Wissenschaft, die sich mit der Erkennung schwacher Signale und der Extrapolation von Trendkurven zu Diagnosezwecken befasst, und nicht als eine probabilistische Methode zur Berechnung von Wartungsterminen. Wie sieht es bei Ihnen aus?
