Predictive Maintenance

Für viele Menschen ist die tägliche Nutzung des Autos unerlässlich. Seine fehlerfreie Funktionalität wird dabei häufig vorausgesetzt und unvorhergesehene Fehlfunktionen bringen teilweise hohe Folgekosten (z. B. Terminversäumnisse) mit sich. Ein Connected Car könnte hier Abhilfe verschaffen.

<Fahrer> (durch icon ersetzen)
Das System könnte mittels einer laufenden Prüfung den  Zustand des Fahrzeugs diagnostizieren. Anhand von Erfahrungsdaten würden daraus aktuelle und baldige Schäden, sowie deren Schwere und voraussichtlicher Eintrittszeitpunkt resultieren.

Auf Basis dieser Funktionalität bieten sich viele mögliche Anschlussverwendungen:

<Fahrer> <Werkstatt> (durch icon ersetzen)
Mittels einer Live-Erfassung der Fahrzeugdaten wäre es durch den System-Algorithmus ebenfalls möglich, einen individuellen Lernprozess für den betreffenden Fahrer anzustoßen. Tritt ein Problem auf, könnte auf (favorisierte) Werkstätten in der Nähe verwiesen und ein Preis prognostiziert werden. Weiterhin könnte der Fahrer mit den Werkstätten telefonisch in Kontakt treten bzw. bei Vertragswerkstätten eine direkte Buchung über den Bordcomputer vornehmen. Im Falle einer Buchung würde der Bordcomputer den gewünschten Termin an die Vertragswerkstatt übermitteln.

<Werkstatt> <Hersteller> (durch icon ersetzen)
Der Problembericht des Fahrzeugs kann nach Freigabe sowohl an die gebuchte Werkstatt, als auch zum Fahrzeug- und Ersatzteilehersteller übermittelt werden. Dadurch könnte ein verbessertes Qualitätsmanagement beim Hersteller des Fahrzeugs und eine Just-in-Time-Produktion beim Ersatzteile-Produzenten ermöglicht und somit durch die Prozessoptimierung kosteneffizienter gewirtschaftet werden.

<Hersteller> (durch icon ersetzen)
Für Automobilhersteller würde dies ebenfalls einen enormen Vorteil hinsichtlich des Qualitätsmanagements darstellen, da häufig Produktionsfehler – beispielsweise durch defekte Bauteile – zu Umsatzeinbußen durch Rückrufvorgänge führen.

<Staat> (durch icon ersetzen)
Zusätzlich könnte der TÜV das Fahrzeug effektiver nach Verstößen untersuchen und die dortige Fehlerquote (z. B. fahrlässiges Übersehen) deutlich senken.
Auch die Polizei könnte von solchen Informationen bei Kontrollen profitieren, indem sie gefährdete Fahrzeuge aus dem Verkehr zieht.

 

Szenario Fahrer (durch icon ersetzen):
Familie Müller plant ihren Sommerurlaub, den sie typischerweise mit dem Auto antritt. Einige Tage vor Beginn eines Road-Trips weist der Bordcomputer ihres PKWs auf ein in Kürze eintretendes, schwerwiegendes Problem des Getriebes hin. Die voraussichtlichen Kosten fallen aufgrund der frühen Erkenntnis relativ gering aus, da Herr Müller direkt reagieren und über den Bordcomputer des Fahrzeugs einen Termin mit einer Vertragswerkstatt arrangieren kann. Durch die Übertragung des Problemberichts an die Werkstatt werden die benötigten Ersatzteile sofort bestellt, sodass diese pünktlich zum Termin vorliegen und nicht erst noch im Anschluss bezogen werden müssen. Die Urlaubsreise kann dadurch pünktlich und problemlos angetreten werden.

 

Szenario Fahrzeughersteller (durch icon ersetzen):
Beim Fahrzeughersteller häufen sich die übermittelten Fehlermeldungen von Getriebeschäden in den Sommermonaten. Aufgrund dieser Informationen ist es diesem möglich, einen Zusammenhang zwischen der Hitze im Sommer und einer dadurch entstehenden Komplikation mit einem Schmiermittel des Getriebes aufzudecken, welches diese Fehler verursacht hat. Eine in Vertragswerkstätten des Herstellers kostenlos angebotene Nachbesserung löst das Problem der restlichen Kunden, wodurch das aufkommende schlechte Image aufgrund der häufig auftretenden Problematik abgewehrt wird.

 

Literatur:
Die Arbeit „Predictive Maintenance: Maschinenfehler und -ausfälle im Vorfeld erkennen“ von Anja Schlatt beschäftigt sich mit vorausschauender Instandhaltung anhand von einigen ausgewählten Fallbeispielen im Rahmen der produzierenden Industrie.

Schlatt, Anja:
Predictive Maintenance: Maschinenfehler und -ausfälle im Vorfeld erkennen, in: Genios Verlag (Hrsg.): Genios WirtschaftsWissen, München, 2014.