Im Juni 2025 startete das gemeinsame Innovationsvorhaben, wie datenbasierte Wartungslösungen auch in traditionellen Produktionsbetrieben wie einem Sägewerk implementiert werden können: die Zustandsüberwachung und vorausschauende Wartung (Predictive Maintenance) in der Holzindustrie. Ziel ist
es, digitale Werkzeuge zur frühzeitigen Erkennung von Wartungsbedarf in Produktionsanlagen von Sägewerken zu entwickeln und zu testen. Durch den Einsatz von Sensortechnologien sowie künstlicher Intelligenz sollen Ausfallzeiten reduziert, Wartungsprozesse optimiert und die Produktionseffizienz gesteigert werden. Mathematiker*innen des Instituts POLICIES stehen als Datenexpert*innen dahinter.
Wie Predictive Maintenance funktioniert
Bei Predictive Maintenance werden bestehende Prozess- und Sensordaten genutzt, um mit Hilfe datenbasierter Modelle den Zustand von Maschinenkomponenten vorherzusagen. Ziel ist, mögliche Ausfälle frühzeitig zu erkennen und gezielte Wartungsmaßnahmen einzuleiten, bevor es zu ungeplanten Stillständen kommt. Die hierfür eingesetzten Modelle werden mit historischen Daten trainiert und kontinuierlich aktualisiert, wenn neue Daten verfügbar sind. Eine große Herausforderung besteht in der Datenaufbereitung: Sensordaten müssen extrahiert, verknüpft, auf ihre Qualität geprüft und korrekt interpretiert werden. Erst wenn eine stabile und hochwertige Datenbasis vorliegt, können Modelle zuverlässige Prognosen liefern und so zur Effizienzsteigerung im Betrieb beitragen.
Zustandsüberwachung im Sägewerk
Dieser Vorgang klingt einfach, doch in der Realität gibt es einige Herausforderungen zu bewältigen. Die Auswahl von geeigneten physikalischen Messgrößen wie z. B. Temperatur und Schwingungen/Vibrationen sowie deren Messposition ist oft spezifisch nur für eine bestimmte Anlage. Vor allem bei älteren Anlagen können interessante Messgrößen ausschließlich über die Nachrüstung von entsprechender Sensorik (Retrofitting) erfasst werden. Mit Hilfe von Retrofitting-Maßnahmen können also Maschinendaten erhalten werden. Diese Möglichkeit haben die Forscher*innen im Projekt aufgegriffen, die digitale Infrastruktur um Sensoren erweitert und an Maschinenkomponenten (z. B. Sägewerksteile, Antriebe, Lager, Förderbänder) angebracht. So können Zustandsdaten in Echtzeit gesammelt und in ein übergeordnetes Prognosemodell eingespeist werden. Das macht es möglich, aus den computergesteuerten Systemen Daten zu extrahieren, mit externen Algorithmen zu verknüpfen, Anomalien zu detektieren und vorherzusagen, wann Wartung nötig ist. Effizient und kostengünstig.
Das Projekt wird gemeinsam mit dem DIH Süd und der FH JOANNEUM durchgeführt.
von Renate Buchgraber
Beteiligte Unternehmen
- Winterholz Sägewerk GmbH, Kärnten
- Bruno Ruhdorfer GmbH, Kärnten
- LSB Lärchenholz Buchhäusl GmbH, Kärnten
- Kaml & Huber Sägewerk Holzexport GmbH, Steiermark
