Predictive Maintenance – Ohne Standardprodukt schnell zum Ziel
Autoren: Dr. Benjamin Adrian, Dr. Alex Sarishvili, Dr. Andreas Wirsen
Einen Standard-KI-Algorithmus zum Predictive Maintenance gibt es bislang nicht. Dennoch biegt aus Sicht des Fraunhofer ITWM der Reifegrad der Vorgehensweise in die Zielgerade ein.
Je nach physikalischer Komplexität und Digitalisierungsgrad der Maschinen bzw. Bauteile unterscheidet sich der Reifegrad von „Predictive Maintenance“-Systemen im Maschinenbau. Wellen- und Lagerschwingungen sind z.B. physikalisch gut erforscht; Blockheizkraftwerke sind durch enthaltene Regelungskreise sensorisch gut erfasst. Hersteller bieten hier bereits gute Lösungen an. Doch in vielen Bereichen (z.B. bei Spritzgussmaschinen oder allgemein Werkzeugmaschinen) gilt es noch Pioniergeist zu zeigen. Doch das ist kein Hinderungsgrund. Im Gegenteil, die Vorgehensweise ist projekt- und maschinenübergreifend ähnlich. Aufgrund der physikalischen Zusammenhänge kommen zwar jeweils unterschiedliche Algorithmen zum Einsatz; doch wir geben Ihnen Tipps, um systemorientiert zum Ziel zu gelangen.
- Wieviel Kosten spare ich mit Predictive Maintenance ein? Diese Frage beantwortet sich durch die Berechnung aller Ausfall- und Wartungskosten. So erhalten Sie das zur Verfügung stehende Budget für ein System.
- Welches Ziel will ich erreichen? Identifizieren Sie die wichtigsten Betriebszustände, die Sie überwachen wollen, um frühzeitig vorbeugende Wartungsmaßnahmen (z.B. für Engpassmaschinen) einleiten zu können.
- Wie fange ich an? Fangen Sie schrittweise an. Viele Betriebspunkte (Druck, Spannung etc.) sind sensorisch bereits erfasst oder können günstig erfasst werden. Zur Zustands-überwachung fehlt je nach Maschine evtl. nur ein Körperschallsensor oder ähnliches.
- Wer hilft bei der Umsetzung des Systems? Sie und Ihre Kunden sind Experten in Herstellung und Betrieb. Nutzen Sie dieses Wissen und nehmen Sie diese Experten mit auf ins Team. Nutzen Sie die Projekterfahrung von industrienahen Forschungsinstituten, um die problemgetriebene Verfahrensauswahl und Anwendung zu beschleunigen. Die Aufwände werden häufig gefördert.
- Wie kann ich verfügbare Daten optimal nutzen? Produktions- und Wartungspläne sowie Logbücher zu den laufenden Maschinen beschleunigen das Projekt erheblich. Falls Prüfstände zur Verfügung stehen, nutzen Sie diese, um zu unterschiedlichen Betriebspunkten wertvolle Betriebsdaten zu generieren.
- Welche weiteren Möglichkeiten ergeben sich? Seien Sie offen und kreativ in der Verwertung der Möglichkeiten, indem Sie Ihre Geschäftsmodelle bzw. Wertschöpfung zu Gewährleistung, Service und Leasing erweitern.
In den seltensten Fällen sind große Projekte vonnöten. Ein guter Condition Monitor kann in weniger als einem Jahr umgesetzt und produktiv genommen werden. Wir vom Fraunhofer ITWM begleiten Sie hierbei gerne auf Ihrem Weg.
Website: http://www.itwm.fraunhofer.de/adrian
Über den Autor:
Dr. Benjamin Adrian studierte Informatik an der Technischen Universität Kaiserslautern. Nach seiner Promotion über KI-basierte Sprachverarbeitung am Deutschen Forschungszentrum für Künstliche Intelligenz war Herr Adrian zuerst bei der Insiders Technologies GmbH, dann bei der Empolis Information Management GmbH in Produktentwicklung und Produktmanagement verantwortlich für die Entwicklung von KI basierten Softwaresystemen im Bereich der Automatisierung von Service-Prozessen. Aufgrund der rasanten Entwicklung in der Erforschung des maschinellen Lernens kehrte er zurück zur Forschung, um am Fraunhofer Institut für Techno- und Wirtschaftsmathematik (ITWM) in der Abteilung Systemanalyse, Prognose und Regelung Industrie- und Forschungsprojekte im Anwendungsfeld Predictive Maintenance umsetzt.