Verzeichnis der Abschlussarbeiten

Die Stieglbrauerei zu Salzburg ist ein produzierendes Unternehmen von Bier und wickelt den
gesamten Produktionsprozess in der eigenen Produktion ab. Die Produktionslandschaft besteht
aus einer Vielzahl von Maschinenbauteilen (Motoren, Antrieben, Pumpen und weitere). Diese
Maschinen werden nach dem run-to-failure Prinzip betrieben und erzeugen dadurch ungeplante
Ausfälle.
Im Zuge dieser Arbeit wurde die Frage „Welche Predictive Maintenance Lösung ist am besten
geeignet, um ungeplante Ausfälle von Produktionsmaschinen der Stieglbrauerei
vorherzusagen?“ untersucht.
Ziel der Arbeit ist es eine Empfehlung einer Lösung an die Leitung der Instandhaltungsabteilung
abzugeben, die Defekte von Maschinenbauteilen im Vorhinein erkennt. Um dies zu
bewerkstelligen, wurde als Forschungsmethode ein Weighted-Scoring-Model erstellt und auf
verschiedene Lösungen angewandt.
Der aufgestellten Hypothese widersprechend wurde nicht die Lösung „Optime“ des Anbieters
Schaeffler als geeignetste Lösung identifiziert, um ungeplante Ausfälle von
Produktionsmaschinen der Stieglbrauerei vorherzusagen, sondern die Lösung „ProCollect
Sensor“ vom Anbieter SKF.
Darüber hinaus wurde während der Evaluierung wahrgenommen, dass bis dato eine geringe
Anzahl an ready-to-use Predictive Maintenance Lösungen für Unternehmen existieren. Die
vorherrschenden Lösungen befinden sich erst seit geringer Zeit am Markt und werden mit hohem
Fokus weiterentwickelt.

The Stiegl-Brewery of Salzburg is a beer producing company and handles the entire production
process in its own production facility. The production landscape consists of a variety of machine
components (motors, drives, pumps and others). These machines are operated according to the
run-to-failure principle and thus generate unplanned downtime.
In the course of this work, the question "Which predictive maintenance solution is best suited to
predict unplanned failures of production machines at the Stiegl-Brewery?" was investigated.
The aim of this thesis is to provide a recommendation of a solution that detects defects of machine
components in advance to the management of the maintenance department. To accomplish this,
a weighted scoring model was created as a research method and applied to different solutions.
Contrary to the established hypothesis, the solution "ProCollect Sensor" from the supplier SKF
was identified as the most suitable solution to predict unplanned failures of the production
machines of the Stiegl-Brewery.
Furthermore, it was perceived during the evaluation that to this day a small number of ready-touse predictive maintenance solutions exist for companies. The prevailing solutions have only
been on the market for a short time and are being further improved.