Maschinendatenanalyse

Predictive Maintenance im Maschinenbau

Predictive Maintenance, also die vorausschauende Wartung, wird ein immer spannenderes Feld. Wenngleich zu dem Anwendungsfall bereits viel Literatur existiert und diverse Beispiele beschrieben wurden, sticht das hier beschriebene Projekt aufgrund mehrerer Nutzenaspekte heraus:

Predictive Analytics & KI für vorrausschauende Wartung

Mit Predictive Analytics und Künstlicher Intelligenz können im Produktionsalltag Fehler oder möglicher Verschleiß frühzeitig erkannt werden. Grundlage dafür ist jedoch, dass eine Datenhistorie über die jeweiligen Maschinen existiert. Es müssen genügend Daten vorhanden sein, um z. B. entsprechende Machine-Learning-Algorithmen nutzen zu können. Die beiden Anlagen- und Maschinenbauer Wichelhaus & Co. Maschinenfabrik und Rhein-Nadel Automation GmbH (RNA) haben ein Projekt für Predictive Maintenance gestartet. Unterstützt werden sie dabei vom Fraunhofer Institut und dem deutschen Softwarehersteller bimanu.

Im ersten Schritt des Projekts erfolgt die klare Erarbeitung des Anwendungsfalls. Dazu kommt eine Testanlage zum Einsatz, um die erforderliche Datenhistorie aufzubauen. Die Maschine wird dabei mit verschiedenen Sensoren bestückt, die jeweils unterschiedliche Messwerte aufzeichnen, u.a. Schwingungen, Temperatur, und Druck. Zusätzlich hat RNA eine sogenannte "IoT Connect Box" entwickelt, mit der im Sinne des IoT-Retrofit mobile Datenerfassung auch für ältere Anlagen möglich wird.

Neben der operativen Zustandsüberwachung sowie der regelmäßigen und permanenten Erfassung der Maschinendaten, welche als Voraussetzung für den Aufbau einer Datenhistorie dienen, sollen in dem Projekt mögliche Schablonenansätze untersucht werden, wie eine vorausschauende Wartung mithilfe von Machine-Learning-Algorithmen auf Basis der erhobenen Sensordaten innerhalb der eingesetzten Cloud-Plattform erfolgen kann. Hierbei wird nicht nur auf die Sensordaten der Testanlage zurückgegriffen, sondern es kommen weitere externe Sensoren wie Licht-, Sound- oder Vibrationssensoren zum Einsatz. Auch die Einbindung von offenen Daten wie Wetterinformationen spielt eine große Rolle, um potentiell negative Einflussfaktoren zu identifizieren, bevor es zu einem Maschinenausfall kommt.

Data Science in der Industrie

Im Zeitalter der Industrie 4.0 ermöglichen die Digitalisierung und Automatisierung eine umfangreiche Erfassung von Maschinen-, Prozess- und Logistikdaten. Unternehmen unterschiedlichster Branchen stellt dies vor die Herausforderung, große Datenmengen sicher zu speichern und nutzbringend zu verarbeiten, um daraus wertvolle Informationen zu gewinnen, zukünftige Ereignisse möglichst genau zu prognostizieren und entsprechend darauf zu reagieren.

Die Data Scientists der RISC Software GmbH verfügen über umfangreiche Kompetenzen und eine langjährige Erfahrung in den Bereichen Data Management und Data Analytics. Durch den Einsatz von modernen Methoden zur smarten Datenanalyse und Prognose kann die Herausforderung von Big Data als wichtige Chance zur Prozess- und Umsatzoptimierung wahrgenommen werden.

Im Bereich Data Engineering werden umfangreiche Datenmengen aus verschiedenen Datenbanken und Systemen miteinander verknüpft und somit eine prozessübergreifende Datenbasis geschaffen. Aus diesen verknüpften Daten werden anschließend Datenmodelle entwickelt.

Durch die Anwendung statistischer Verfahren sowie moderner Methoden in den Bereichen Data Analytics, Visual Analytics und Machine Learning werden die Datenmodelle analysiert. Dabei werden Zusammenhänge, Korrelationen und Muster erkannt, welche zur Fehler- und Ursachenanalyse sowie zur kontinuierlichen Qualitätsüberwachung herangezogen werden.

Maschinendatenanalyse

Die bimanu Cloud Solutions GmbH begleitet kleine und mittelständische Unternehmen aus dem Anlagen-& Maschinenbau auf dem Weg zu einer effektiven Datenstrategie.

Deshalb wollen wir auch Ihnen dabei helfen, die Anlagen bei Ihren Kunden automatisch mit Hilfe der Maschinendatenanalyse zu überwachen.

Ihre Vorteile auf einen Blick