1. anacision
  2. /
  3. Referenzen
  4. /
  5. Predictive Maintenance für Motorkühlsysteme

Predictive Maintenance für Motorkühlsysteme
von Zerkleinerungsmaschinen

Der Kunde

Führender Hersteller von Zerkleinerungsmaschinen

Der Kunde ist einer der führenden Entwickler und Hersteller von Zerkleinerungsmaschinen, die u.a. für die Zerkleinerung von Kunststoff für das Recycling, Schreddern von Holz oder Aufbereitung von Abfällen zu Ersatzbrennstoffen eingesetzt werden. Das Unternehmen ist weltweit vertreten und beschäftigt derzeit 300 Mitarbeiter:innen. Für die mobilen Zerkleinerungsmaschinen soll eine Predictive-Maintenance-Lösung zur frühzeitigen Vorhersage von Maschinenausfällen entwickelt werden.

Die Herausforderung

Maschinenausfälle durch Überlastung und unzureichende Reinigung der Motorkühlung

Die in den Maschinen verbauten komplexen Motorkühlsysteme (Chiller) sind Komponenten, die bei den Maschinenbetreibern häufig zu Problemen führen. Insbesondere in den Sommermonaten und in warmen Gebieten kommt es häufig zu einer Überlastung und es gab bisher keine Möglichkeit den Zustand zu überwachen. Zusätzlich führt eine unzureichende Reinigung zu einer schlechten Leistung. Die resultierenden Maschinausfälle können sehr lange andauern und sind mit einem großen Geschäftsschaden bei den Maschinenbetreibern verbunden. Um die drohenden Ausfälle zu verhindern, soll eine prädiktive KI-Lösung umgesetzt werden, die den Gesundheitszustand der Motorkühlung in Abhängigkeit des Maschinenzustands bestimmt.

Die Lösung

KI-Lösung zur frühzeitigen Erkennung von Maschinenausfällen

Mithilfe der Analyse von historischen Daten wurde im ersten Schritt die Machbarkeit einer KI-basierten Predictive-Maintenance-Lösung bewertet und nachgewiesen. Hierzu wurden die möglichen Einflussfaktoren auf das Kühlverhalten identifiziert und analysiert. Das Verständnis darüber, wie sich die Reinigung der Kühlsysteme in den Daten auswirkt und wie sich ein verschlechterter Gesundheitszustand in den Sensorwerten zeigt, wurde geschärft. Außerdem wurden die Einflussfaktoren auf die relevanten Sensorwerte untersucht, um „normale“ von „unnormalen“ Effekten unterscheiden zu können.

Auf dieser Grundlage konnten die komplexen, impliziten Abhängigkeiten modelliert und ein funktionaler Prototyp des KI-Modells implementiert werden. Basierend auf den Ansätzen von anacision MACHINE HEALTH stellt die Lösung eine kontinuierliche Überwachung des Gesundheitszustands der Kühlsysteme sicher und alarmiert frühzeitig bei Problemen. Dadurch können ungeplante Ausfälle abgewendet werden. Aktuell ist die Lösung bei mehreren Maschinen im Betrieb und hilft einen Ausfall bereits 2-3 Tage im Voraus zu erkennen.

Mehr Informationen zu Predictive Maintenance mit anacision MACHINE HEALTH finden Sie hier.

Haben wir Ihr Interesse geweckt?
Sprechen Sie uns an!