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

Predictive Maintenance

Durch Ausfälle von Großindustrieanlagen erlitt unser Kunde einen erheblichen wirtschaftlichen Schaden. Um diese Störfälle frühzeitig zu erkennen entwickelten wir gemeinsam eine Predictive Maintenance Lösung zur Echtzeitanalyse von Sensordaten seiner Anlagen, die die frühzeitige Prognose von Wartungsbedarf und ungeplanten Ausfällen einzelner Anlagenkomponenten ermöglicht. Dadurch können Wartungsarbeiten nach Bedarf gesteuert, Instandhaltungskosten gesenkt und ungeplante Ausfälle vermieden werden.

Ausgangslage

Wirtschaftlicher Schaden durch Anlagenausfälle

Ob­wohl un­ser Kun­de seit Jah­ren gro­ße Men­gen an Sen­sor­da­ten von den Ma­schi­nen sei­ner Pro­duk­tionsan­la­gen spei­chert, wer­den die An­la­gen ent­we­der re­ak­tiv oder in fi­xen pe­ri­odi­schen Zeit­ab­stän­den ge­war­tet. Da­durch ent­steht ihm durch un­ge­plan­te Aus­fäl­le und un­nö­ti­ges Wech­seln von funk­ti­ons­tüch­ti­gen Bau­tei­len ein er­heb­li­cher wirt­schaft­li­cher Scha­den. Um die­se Mehr­kos­ten zu ver­rin­gern war das Ziel ei­nen prä­ven­ti­ven War­tungs­an­satz zu ent­wi­ckeln, der Aus­fäl­le früh­zei­tig er­kennt und War­tungs­be­darf plan­bar macht.

Lösung

Predictive Maintenance zur frühzeitigen Erkennung von Störfällen

Im Rah­men des Pro­jek­tes ha­ben wir zu­nächst ge­mein­sam mit dem Kun­den ei­nen ge­eig­ne­ten An­satz­punkt für Pre­dic­tive Main­ten­an­ce iden­ti­fi­ziert. Eine Schwie­rig­keit war, dass es durch die ge­rin­ge An­zahl und hohe Di­ver­si­tät der Stör­fäl­le kaum wie­der­keh­ren­de Mus­ter für An­la­gen­aus­fäl­le gibt. Da­her war die Anwen­dung von klas­si­schen Mus­ter­ken­nungs­an­sät­zen zum Iden­ti­fi­zie­ren von kri­ti­schen Zu­stän­den und nahen­den Aus­fäl­len nicht mög­lich.

Des­halb ha­ben wir in en­ger Zu­sam­men­ar­beit mit Fach­ex­per­ten eine Pre­dic­tive Main­ten­an­ce Lö­sung ba­sie­rend auf der kon­ti­nu­ier­li­chen Über­wa­chung des Ge­sund­heits­zu­stands der An­la­ge ent­wi­ckelt.

Hier­für be­rei­nig­ten wir zu­nächst die in Echt­zeit vor­lie­gen­den Sen­sor­da­ten der An­la­gen und syn­chro­ni­sier­ten die he­te­ro­ge­nen Zeit­rei­hen der ein­zel­nen Sen­so­ren. Im nächs­ten Schritt nutz­ten wir die auf­be­rei­te­ten Da­ten, um die er­war­te­ten phy­si­ka­li­schen, ther­mo­dy­na­mi­schen In­ter­ak­tio­nen ver­schie­de­ner Pa­ra­me­ter der ein­zel­nen Ma­schi­nen­kom­po­nen­ten wie bei­spiels­wei­se Drü­cke, Tem­pe­ra­tu­ren oder Schwin­gun­gen, zu mo­del­lie­ren. Ab­wei­chun­gen zwi­schen den phy­si­ka­li­schen Mo­del­len und den ak­tu­el­len Sen­sor­da­ten, so­ge­nann­te Ano­ma­li­en, wur­den ge­nutzt, um den Ge­sund­heits­zu­stand der An­la­ge zu pro­gnos­ti­zie­ren. Die­se Pre­dic­tive Main­ten­an­ce Lö­sung wur­de in ei­nem Pro­jekt mit Echt­zeit­da­ten bei un­se­rem Kun­den ope­ra­tio­na­li­siert und er­folg­reich ge­tes­tet. Da­bei konn­ten wir ver­schie­de­ne be­kann­te his­to­ri­sche, aber auch neue Stör­fäl­le oft Wo­chen vor ei­nem Aus­fall iden­ti­fi­zie­ren.

Nutzen

Bessere Planung von Wartungsarbeiten und Reduktion von Ausfällen

Durch die Über­wa­chung des Ge­sund­heits­zu­stan­des ein­zel­ner An­la­gen­kom­po­nen­ten kön­nen Aus­fäl­le früh­zei­tig er­kannt wer­den. Dies er­mög­licht die recht­zei­ti­ge Pla­nung von War­tungs­ar­bei­ten in Ab­stim­mung mit den Be­triebs­be­dürf­nis­sen so­wie die Ver­mei­dung von Fol­ge­schä­den. Dar­über hin­aus ist die In­stand­hal­tung am tat­säch­li­chen Be­darf ori­en­tiert. Da­durch kön­nen Kom­po­nen­ten, die in pe­ri­odi­schen Ab­stän­den er­setzt wur­den, nur bei Be­darf, d.h. wenn durch das Mo­dell ein kri­ti­scher Ge­sund­heits­zu­stand ei­ner An­la­gen­kom­po­nen­te er­kannt wird, ge­war­tet wer­den. Zu­sam­men­fas­send kön­nen mit die­sem Pre­dic­tive Main­ten­an­ce An­satz ins­ge­samt die Kos­ten für Aus­fäl­le so­wie die In­stand­hal­tungs­kos­ten re­du­ziert wer­den.

Haben wir Ihr Interesse geweckt? Sprechen Sie uns an.

Sprechen Sie uns an

Markus Frondorf

Managing Director

+49 172 7395191

Mail Kontakt

Sprechen Sie uns an

Rico Knapper

Managing Director & Chief Data Scientist

+49 152 22649878

Mail Kontakt

Warum anacision

X