1. anacision
  2. /
  3. Lösungen
  4. /
  5. anacision MACHINE HEALTH
Contact EXXETA
Sie haben Fragen? Close
Rufen Sie einfach an oder schreiben Sie eine Mail!
Andreas Kühne
Lead Data Scientist
Wir freuen uns über Ihre Kontaktaufnahme!
Mail EXXETA Jetzt Mail schreiben

Verschleißerkennung für intelligente Maschinen

anacision MACHINE HEALTH berechnet einen KI-basierten Gesundheitsindex für beliebige Bau­tei­le und alarmiert bei kritischen Zuständen, um Ausfälle zu verhindern und Wartungsmaßnahmen optimal einzuplanen.


anacision MACHINE HEALTH

Maschinen erkennen ihren Wartungsbedarf selbständig

anacision MACHINE HEALTH ist eine KI-basierte Softwarelösung für Predictive Maintenance, die Daten aus Maschinen und Anlagen analysiert und den Gesundheitszustand von Bauteilen messbar macht. Das Resultat ist ein Gesundheitsindex, der kontinuierlich und echtzeitnah im Betrieb ermittelt wird. Sinkt der Index, werden fortschreitender Verschleiß und kritische Zustände sofort erkannt. Wartung kann so rechtzeitig terminiert werden und ermöglicht ungeplante Ausfälle zu verhindern. Durch einen neuartigen KI-Ansatz ist die Lösung generisch für beliebige Bauteile anwendbar, auch bei unregelmäßigen Prozessverläufen.

Kostenkontrolle

Folgekosten von ungeplanten Ausfällen vermeiden und Instaltungskosten reduzieren. 

Maschinenausfälle

Ungeplante Maschinenausfälle durch genaue Verschleißprognosen abwenden.

Proaktive Wartung

Wartungsmaßnahmen durch genaue Verschleißprognosen frühzeitig planen.

Minimale Folgeschäden

Verluste und Folgeschäden durch frühzeitige Wartung minimieren.


FUNKTIONSPRINZIP

Gesundes Verhalten von beliebigen Bauteilen lernen

anacision MACHINE HEALTH ba­siert auf dem Pre­dic­tive Main­ten­an­ce-Mo­del­lie­rungs­an­satz Anomalieerkennung. Die Lösung erlernt, mit his­to­ri­schen Ma­schi­nen- oder Sen­sor­da­ten und gestützt auf die Fachexpertise der Konstrukteure, „das ge­sun­de Ver­hal­ten“ im Be­trieb. Die trainierten KI-Modelle können somit in Abhängigkeit zum Prozessverhalten "ungesundes" oder "abnormales" Verhalten echtzeitnah erkennen und deuten. Stetiger Verschleiß wird durch einen sinkenden Gesundheitsindex der Maschine oder bestimmter Bauteile für die Hersteller und -bediener sichtbar. Auch plötzliche, unerwartete Ausfälle werden in den Daten oft schon Wochen vor dem Auftreten erkannt.


EDGE, ON-PREMISES ODER CLOUD

Flexible Integrationsmöglichkeiten mit bestehenden IT-Systemen

anacision MACHINE HEALTH bietet unterschiedliche Deployment-Optionen (Cloud, On-Premises oder direkt an der Maschine auf einem Industrie-Computer) und ist flexibel in bestehende IT-Systeme und Prozesse integrierbar. Bereits zugängliche Maschinen- und Sensordaten können, beispielsweise von einem Industrie-PC direkt über etablierte Schnittstellen wie REST oder MQTT an anacision MACHINE HEALTH übergeben werden. Die Ergebnisse und Prognosen werden anschließend wieder über die Schnittstellen bereitgestellt.

Alternativ stellen wir gerne Sensorik und/oder Industrie-PC unserer Partner zur Verfügung. Sprechen Sie uns einfach an, wenn Sie Beratung bei der Auswahl benötigen. 


INBETRIEBNAHME

Predictive Maintenance in drei Schritten

Im ersten Schritt wird die Anwendbarkeit von anacision MACHINE HEALTH sichergestellt. Danach folgen die individuelle Konfigurationsphase für spezifische Bauteile mit anschließender Inbetriebnahme.
 

1 – Machbarkeitsanalyse
Definition einer Zielsetzung für den spezifischen Predictive Maintenance-Anwendungsfall. Einschätzung der Datenlage anhand der Datenklassifikation von anacision MACHINE HEALTH. Bewertung der Machbarkeit.
 

2 – Datenmapping & Konfiguration
Training von KI-Modellen in anacision MACHINE HEALTH mit verfügbaren Maschinen- oder Sensordaten. Klassifizierung von normalen und abnormalen Schwankungen im Gesundheitsindex. Validierung der Identifikation von kritischen Zuständen mit Fachexperten auf Basis historischer Daten. Machbarkeitsnachweis.
 

3 – Inbetriebnahme
Generierung eines robusten Vorhersagemodells für die Prognosen des Gesundheitszustandes. Bereitstellung von Datenschnittstellen für die Integration der Maschinen- und Sensordaten im Produktivbetrieb.

Sprechen Sie uns an

Dr. Andreas Kühne

Lead Data Scientist

+49 1522 2649893

Mail Kontakt

MEHR ERFAHREN

Machbarkeits-Check mit Datenklassifikation

Predictive Maintenance funktioniert nur, wenn die Datenlage ausreicht – das gilt auch für anacision MACHINE HEALTH. Anhand unserer Datenklassifikation lassen sich die Erfolgschancen für KI-basierte Prognosen zum Verschleißzustand von Bauteilen, Maschinen oder Anlagen sehr einfach bewerten. 

WHITEPAPER

Predictive Maintenance – Optimierte Instandhaltung durch Daten

Wel­chen Her­aus­for­de­run­gen se­hen sich In­dus­trie­un­ter­neh­men in Zei­ten der Di­gi­ta­li­sie­rung und In­dus­trie 4.0 ge­gen­über und wel­che Chan­cen ent­ste­hen durch den Ein­satz von Da­ten in der In­stand­hal­tung? Starten Sie die digitale Transformation in Ihrem Unternehmen mit einem ersten Schritt: Predictive Maintenance. Auf Basis Ihrer Herausforderungen und verfügbaren Daten lässt sich Predictive Maintenance in unterschiedlichen Ausprägungen realisieren. Grundlagen, Herausforderungen und Ansätze liefert das ana­ci­si­on Whitepaper.

 


Das könnte Sie auch interessieren

Pre­dic­tive Main­ten­an­ce in der Pro­duk­ti­on

Qualitativ hochwertige und vergleichbare Verschleißvorhersagen treffen.

Pre­dic­tive Dia­gnostics

Gezieltere Reparatur von Fahrzeugen durch Vorhersage von Schäden und Empfehlungen zur Fehlerbehebung.

Predictive Maintenance

Echtzeitanalyse von Sensordaten zur frühzeitigen Prognose von Wartungsbedarf.