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

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.

www.copadata.com

Das könnte Sie auch Interessieren

Bild: Indu-Sol GmbH
Bild: Indu-Sol GmbH
Verschleiß dauerhaft überwachen, Schäden frühzeitig erkennen

Verschleiß dauerhaft überwachen, Schäden frühzeitig erkennen

Nicht nur Motoren und Pumpen sind in Produktionsanlagen dem Verschleiß unterworfen, sondern auch die Datenleitungen der Maschinen- und Anlagennetzwerke einschließlich der Kabel und Stecker. Dauernde Wechselbiegebeanspruchungen, Erschütterungen sowie Oxidation und Korrosion lassen der Alterung und dem Verschleiß ungehinderten Lauf. Doch während der mechanische Verschleiß mit den Sinnesorganen analog wahrnehmbar ist, macht sich der Verschleiß einer Datenleitung erst im Extremfall bemerkbar: dem Ausfall. Um dem entgegenzuwirken, sind intelligente managed Switches vonnöten, mit denen der physikalische Zustand der Datenleitung digitalisiert und somit sichtbar wird.

Bild: ©Chlorophylle/stock.adobe.com
Bild: ©Chlorophylle/stock.adobe.com
Steigendes Interesse an Ersatzteilmanagement auf Knopfdruck

Steigendes Interesse an Ersatzteilmanagement auf Knopfdruck

Volle Auftragsbücher und dennoch Sorgenfalten im mittelständischen Maschinen- und Anlagenbau aufgrund brüchiger Lieferketten, dazu Entlassungswellen und zunehmende Zurückhaltung bei Investitionen in junge Technologieunternehmen: Der Wind wird rauer. Zugleich aber zeigen vor allem junge B2B-Plattformanbieter wie PartsCloud auch in der Krise ein robustes Wachstum, da sie viele der aktuell im Fokus stehenden Herausforderungen adressieren.

Bild: Lünendonk & Hossenfelder GmbH
Bild: Lünendonk & Hossenfelder GmbH
Lühnendonk-Studie: Industrieservice-Unternehmen in Deutschland 2022

Lühnendonk-Studie: Industrieservice-Unternehmen in Deutschland 2022

Die zehn führenden Industrieservice-Unternehmen in Deutschland sind um 9,5 Prozent gegenüber dem Vorjahr gewachsen. Damit generieren die Marktführer ein noch stärkeres Wachstum als die 20 Unternehmen der Lünendonk-Liste, die im Durchschnitt um 6,6 Prozent gegenüber dem Vorjahr wuchsen. Diese Entwicklung ist u.a. auf Aufholeffekte nach dem pandemiebedingten Krisenjahr 2020 zurückzuführen, von dem der Industrieservice besonders stark betroffen war.