- anacision
- /
- Branchen
- /
- Industrie & Produktion
- /
- Predictive Maintenance
Jetzt Mail schreiben
Im Zuge des digitalen Wandels sind Daten ein zentraler Treiber. Die Verknüpfung und insbesondere die intelligente Auswertung von Daten mit innovativen Analysemethoden werden künftig zum Erfolgsfaktor. Zusätzlich unterstützen Vorhersagemodelle die Entscheidungsfindung. Ein wichtiger, industrieübergreifender Ansatz ist dabei die Weiterentwicklung traditioneller Wartungsstrategien hin zu vorausschauender Wartung (engl. Predictive Maintenance).
Durch Predictive-Maintenance-Ansätze wird nicht nur der aktuelle Zustand der Anlagen permanent überwacht, sondern es findet auch eine Prognose der zukünftigen Zustandsentwicklung (z.B. möglichen Ausfällen) statt, wodurch die Planung von Instandhaltungsmaßnahmen ermöglicht wird. Hierfür müssen mit Methoden aus dem Bereich Data Science robuste Vorhersagemodelle gebildet werden, die möglichst präzise notwendige Instandhaltungsmaßnahmen prognostizieren und gleichzeitig für den Anwender klar verständlich sind.
Die Kernbereiche von Predictive Maintenance
Bestimmung des Gesundheitszustands
Ziel von Gesundheitszustandsansätzen ist es, den Zustand von Maschinen auf einer kontinuierlichen Skala zu quantifizieren. Für die Zustandsbestimmung werden häufig mathematische Modelle basierend auf Fachwissen entwickelt und auf historischen Daten trainiert.
Prognose der Restnutzungsdauer
Das Ziel bei der Prognose der Restnutzungsdauer einer Anlage ist es, den Zeitpunkt des nächsten Ausfalls zu bestimmen. Weitverbreitete Methoden sind Ansätze aus der Trendanalyse sowie parametrisierte Modelle.
Prognose von Ausfällen in Komponenten
Vorhersagen auf Komponentenebene können genutzt werden um den Ausfall spezifischer Teile einer Maschine zu prognostizieren und zusätzlich Ausfallursachen zu identifizieren. Konkrete Wartungsmaßnahmen, wie der Tausch einer Teilkomponente, können so bereits frühzeitig geplant und Ausfälle abgewendet werden.
Use Case: KI-Lösung zur Bewertung von Maschinenverschleiß
Ausgangslage
- Wartung von Maschinenkomponenten erfolgt reaktiv
- Unerwartete Ausfälle von Produktionsmaschinen verursachen hohe Verluste
- Aktuell vorhanden: Mobiles Messsystem mit Beschleunigungssensoren und manuelle Bewertung durch Fachexperten
Lösung
- Entwicklung einer KI-Lösung zur Bewertung von Maschinengesundheit basierend auf Fachexpertise sowie historischen Mess- und Diagnosedaten
- Automatisierung der Lösung und Integration in die Produktionsprozesse des Kunden
Schulung
Gemeinsam mit dem Verband Deutscher Maschinen- und Anlagenbau (VDMA) bieten wir die virtuelle Schulung "Predictive Maintenance in der Praxis" an. In dieser Schulung lernen Sie, eingeteilt in drei Stufen, wie der Weg hin zu einer erfolgreich umgesetzten vorausschauender Instandhaltung aussehen kann - inklusive Fallstudien aus der Projektpraxis. Die konkret Inhalte finden Sie auf der Schulungsseite.
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 der anacision-Fachartikel mit dem Titel:
"Predictive Maintenance - Optimierte Instandhaltung durch Daten"
Predictive Maintenance in der Praxis
Ein nicht zu vernachlässigender Teil des gewinnbringenden Einsatzes von Predictive Maintenance ist die Einbindung in die täglichen Arbeitsprozesse und die Akzeptanz unter den Nutzern. Häufig ist hierfür eine übersichtliche und intuitive Visualisierung der Ergebnisse der Schlüssel zum Erfolg.
In unserem Predictive-Maintenance-Dashboard zeigen wir, wie das Verhalten von Maschinen übersichtlich dargestellt werden kann, sodass schnell und einfach zu erkennen ist, welche Komponente die Aufmerksamkeit des Produktionsleiters oder Servicetechnikers erfordert. Dies ist das ideale Werkzeug, um schnell einen Überblick zu erhalten, nächste Schritte einzuleiten und bei Bedarf auch direkt Rohdaten zu inspizieren. Das Dashboard kann zügig weiterentwickelt und auf neue Anforderungen angepasst werden, um auch produktiv einsetzbar zu sein. Starten Sie Ihre interaktive Tour durch unseren Demonstrator:
Gemeinsam stark - Erfolgreiche Digitalisierung im Maschinenbau
Viele Unternehmen – insbesondere im Maschinen- und Anlagenbau sowie in der Produktion – stellt die Erhebung, Speicherung und Nutzung ihrer Daten vor große Herausforderungen. Gründe sind neben der technischen Komplexität auch Faktoren wie historisch gewachsenes Silodenken.
Wir stellen eine erprobte und bereits im Einsatz befindliche Lösung vor, die es Maschinenbauunternehmen und deren Kunden ermöglicht, ihre Fertigungsmaschinen zu digitalisieren und ihre Produktion zu optimieren. Der Erfolg beruht dabei auf der Zusammenarbeit dreier Unternehmen mit unterschiedlicher Kompetenz.
Sehen Sie dazu unseren Vortrag auf dem InnovationFestival 2020.
Referenzen
anacision verfügt über große Expertise im Bereich Predictive Maintenance und hat bereits Projekte im Mittelstand und bei DAX-Konzernen erfolgreich durchgeführt. Predictive Maintenance, Predictive Diagnostics und weitere thematisch ähnliche Referenzen finden Sie hier in nachfolgender Übersicht:
Tauschen Sie sich mit einem Experten aus und sehen Sie im Anschluss klarer welche Entscheidungen erforderlich sind. Gerne können Sie eine Nachricht mit Ihren Kontaktdaten und Ihren zeitlichen Verfügbarkeiten hinterlassen - dann meldet sich unser Experte für ein unverbindliches 30-minütiges Beratungsgespräch bei Ihnen.
Unser Fachexperte: Dr. Andreas Kühne hat nach seinem Studium mit seiner Forschung zu prädiktiven Analysemethoden für große Datensätze promoviert. Als Lead Data Scientist bei der anacision verantwortet er die Themen rund um Künstliche Intelligenz in Industrie und Produktion und hat hierzu bereits zahlreiche erfolgreiche Projekte geleitet und umgesetzt.