Beitrag drucken

Predictive Maintenance

Advanced Analytics

In den aktuellen IT-Projekten der Produzenten geht es häufig um die Datenanalyse auf der Suche nach bislang unbekannten, weil komplexen Zusammenhängen. Eine Herangehensweise per Advanced Analytics kann helfen.

 (Bild: ©gilaxia/istockphoto.com)

(Bild: ©gilaxia/istockphoto.com)

Wann ist der richtige Zeitpunkt für die Maschinenwartung? Diese Frage wurde bislang oft anhand von Erfahrungswerten beantwortet. Werden Maschinen allerdigs zu spät gewartet, kann dies zu Produktionsausfällen führen. Werden Teile zu früh ausgetauscht, entstehen unnötige Kosten. Heute werden für die Beantwortung dieser Frage Daten herangezogen, auf deren Basis sich die Wartung vorausschauend steuern lässt. Dieser Predictive Maintenance-Ansatz basiert auf Advanced Analytics. Bei dieser Big-Data-Technologie lassen sich anhand von Vergangenheitsdaten und speziellen Vorhersagemodellen Zukunftsszenarien ableiten. Dadurch können auch komplexe Zusammenhänge schnell analysiert werden. Basierend darauf lassen sich fundiertere Entscheidungen treffen. Doch wie genau funktioniert die Technologie?

Daten erheben und analysieren

Grundlage für Advanced Analytics ist die Erhebung von Daten. Diese werden analysiert und in mathematischen Modellen erfasst. Dabei gibt es zwei Varianten: Die zeitbasierte Vorhersage gibt einen Ausblick darauf, wie sich ein Wert in Zukunft verhalten wird. Die wertbasierte Vorhersage zeigt, wie sich ein Wert verhält, wenn ein anderer verändert wird. Dieses Modell kann beispielsweise ermitteln, wie viel Energie eine Anlage bei einer veränderten Produktionsmenge verbrauchen wird. Basis für die Berechnung solcher Prognosen sind mathematische Modelle, so genannte Predictive Models, die entweder mit statistischen Regressionsanalysen funktionieren oder auf maschinelles Lernen mittels neuronaler Netze zurückgreifen.

Wartung nach Beanspruchung

Der richtige Wartungszeitpunkt einer Maschine hängt von verschiedenen Parametern ab, beispielsweise wie alt die Maschine ist, wie stark sie belastet wird oder zu welchem Zweck sie im Einsatz ist. Zur Berechnung werden Daten aus dem laufenden Betrieb benötigt. Auf Basis dieser Datensätze lernt das System beständig dazu und ermöglicht es, Live-Daten über ein Modell zu interpretieren und individuelle Instandhaltungstermine zu definieren. Denn die Wartung richtet sich dann nach der tatsächlichen Beanspruchung der Maschine. Unnötige Kosten und Stillstände werden vermieden.

Ressourcen berechnen

Neben der vorausschauenden Wartung wird Advanced Analytics auch im Ressourcen-Management sowie in der Produktionsplanung und -kontrolle eingesetzt. Aus den Daten einer Fertigungsanlage lässt sich ein Bild über den Ressourcenverbrauch erstellen. Und das nicht nur für die Vergangenheit, sondern als Hochrechnung auch bis zum Ende des Abrechnungszeitraums. Ein weiteres Einsatzgebiet ist die Prozessoptimierung: Wenn bekannt ist, wie sich einzelne Parameter auf den Herstellungsprozess auswirken, kann das Produktionsergebnis einer Maschine verbessert werden. Advanced-Analytics-Anwendungen sind in der Lage, Korrelationen zwischen einzelnen Werten und Datenpunkten zu ermitteln. Auf diese Weise lässt sich der Prozess beschleunigen.


Das könnte Sie auch interessieren:

Prof. Dr.-Ing. Holger Hanselka, Präsident des Karlsruher Instituts für Technologie (KIT) wird der 11. Präsident der Fraunhofer-Gesellschaft und löst Prof. Dr.-Ing. Reimund Neugebauer nach fast elf Jahren ab.‣ weiterlesen

Christian Thönes, Vorstandsvorsitzender bei DMG Mori, hat am Donnerstag sein Amt niedergelegt. Sein Vertrag wurde im Rahmen einer Aufsichtsratssitzung einvernehmlich beendet. Alfred Geißler wurde vom Aufsichtsrat zum Nachfolger bestellt.‣ weiterlesen

Microsoft feiert 40. Geburtstag in Deutschland und eröffnet ein europäisches Experience Center in München. Es ist eines von vier Experience Centern weltweit.‣ weiterlesen

Expertinnen und Experten der Plattform Lernende Systeme beleuchten in einem neuen Whitepaper, wie es um die Entwicklung europäischer bzw. deutscher KI-Sprachmodelle bestellt ist.‣ weiterlesen

Cyber-physikalische Systeme (CPS), wie etwa Autos oder Produktionsanlagen, stecken voller elektronischer und mechanischer Komponenten, die von Software gesteuert werden. Jedoch ist es eine Herausforderung, die Systemarchitekturen solcher Systeme fortwährend konsistent zu halten. Neue Methoden dafür soll ein Sonderforschungsbereich (SFB) am Karlsruher Institut für Technologie (KIT) entwickeln.‣ weiterlesen

Mit der Akquisition der Pod Group hat G+D bereits 2021 sein Portfolio im IoT-Bereich erweitert. Durch den Erwerb von Mecomo geht das Unternehmen nun einen weiteren Schritt in Richtung IoT-Komplettanbieter im Transport- und Logistikbereich.‣ weiterlesen

Die Grimme-Gruppe produziert individuell konfigurierte Landmaschinen. Was für den Wettbewerb Vorteile bringt, ist allerdings mit großem Aufwand verbunden - so verwaltete Grimme Kundenanfragen lange über ein Excel-Tool. Mit dem Softwareanbieter Slashwhy zusammen wurde dies durch ein webbasiertes Anfragemanagement-Programm abgelöst.‣ weiterlesen

Die Software Moryx hilft der Fertigungssteuerung, Maschinen schnell auf einen neuen Kurs zu bringen oder sie für den nächsten Auftrag anzupassen. Mit seinen einheitlichen Bedienoberflächen und seiner niedrigen Einstiegshürde ist das Tool von Phoenix Contact insbesondere auf den Einsatz in Fertigungen mit der Losgröße 1 ausgerichtet.‣ weiterlesen