Mindsphere-Applikation verbessert mit KI die Wartungseffizienz von Antriebssystemen

Bild: Siemens AG

Siemens hat die Mindsphere-Applikation Predictive Service Assistance mit einem KI-basierten Modul ergänzt. Das neue Modul Artificial Intelligence identifiziert bei Motoren frühzeitig konkrete Fehlerbilder wie z.B. eine Fehlausrichtung oder ein defektes Lager. Damit hilft die Applikation Anwendern, Stillstände zu reduzieren und die Ersatzteil- und Wartungsabwicklung weiter zu verbessern. Was zuvor über einen definierten KPI-Grenzwert umgesetzt wurde, wird im neuen Modul Artificial Intelligence für Motoren anhand eines neuronalen Netzes gelöst. Dadurch erkennt das Modul Anomalien noch vor dem definierten Grenzwert und liefert klare Hinweise auf die Art und Schwere von Fehlern und deren Entwicklung. Sobald die Applikation Anzeichen für einen Fehler entdeckt, warnt sie den Anwender und generiert ein Fälligkeitsdatum, das anzeigt, wann der Fehler idealerweise behoben werden muss und welche Abhilfemaßnahme empfohlen wird, damit es nicht zum ungeplanten Stillstand kommt. Predictive Service Assistance mit dem neuen KI-basierten Modul Artificial Intelligence wird im Rahmen eines Predictive Service Assessment angeboten. Das Paket enthält einen individuell auf den Kunden angepassten Konfigurationsservice, der sicherstellt, dass die Mindsphere-Applikation mit dem neuen KI-basierten Modul für seine Anforderungen optimal läuft. Die Mindsphere-Applikation Predictive Service Assistance ist ein zentraler Baustein der Predictive Services for Drive Systems, einer standardisierten Erweiterung zum lokalen Servicevertrag. Sie dienen einer effizienteren Instandhaltung von Sinamics und Simotics Antriebssystemen die unter anderem an Pumpen, Lüftern und Kompressoren eingesetzt werden.


  • Zugang im sicheren Fokus

    In der Produktionsumgebung geben trennende Schutzeinrichtungen dem Menschen das klare Signal, dass sich hinter der Schutztür ein hochsensibler Bereich befindet und daher…


  • Lernen beim Schweißen

    Die Grenzebach Gruppe und Weidmüller arbeiten auf dem Gebiet der Datenanalyse und Predictive Maintenance zusammen. Schwerpunkt der Forschung ist die Zustands- und…


  • Lohnt sich ein Retrofit?

    Ob es sich lohnt, ältere Maschinen mit neuen Sensoren auszustatten, ist oft nicht klar. Im Projekt ‚DiReProFit‘ wollen Forschende dieses Problem mit…


  • Datengetriebene Produktionen vereinfachen

    Wer Fertigungsdaten erhebt, bekommt es schnell mit riesigen Datenmengen zu tun.