Machine Learning in der Praxis
Vorausschauend gewartet,
besser gekühlt
Ziel der vorausschauenden Wartung – oder Predictive Maintenance – ist es, die Ausfälle von Maschinen und Anlagen zu minimieren. Neue Technologien wie Machine Learning, smarte Sensoren und der digitale Zwilling ebnen dafür den Weg. Dieser Thematik widmet sich auch ein gemeinsames Projekt des Industriedienstleisters Xervon Instandhaltung GmbH und des SAP-Beratungshauses Itelligence.
(Bild: Xervon Instandhaltung GmbH)
Die regelmäßige Überprüfung von Anlagen und Maschinen gehört zu den Routineabläufen in Unternehmen. Dabei können Wartung und Instandhaltung auf unterschiedlich hohen Niveaus durchgeführt werden. Auf Level 1, der vorbeugenden Instandhaltung wird ausschließlich visuell inspiziert, auf Level 2 und 3, der zustandsbasierten Instandhaltung, werden für das sogenannte Condition Monitoring bereits Messinstrumente eingesetzt. Mit Hilfe von Machine Learning können die Digitalisierung, das Internet of Things (IoT) und Big Data ermöglichen, das Konzept der vorausschauenden Wartung auf eine noch effektivere Ebene zu heben. Basis dieser Verbesserung ist das Generieren und Verarbeiten relevanter Daten. Dafür messen intelligente und bedarfsgerechte Sensoren an den Anlagen vorab festgelegte Parameter und ermöglichen so eine automatisierte, permanente Überprüfung.
Predictive Maintenance in der Praxis
In einem gemeinsamen Projekt erproben Xervon Instandhaltung, eine Tochtergesellschaft von Remondis Maintenance & Services, und das SAP-Beratungshaus Itelligence Predictive-Maintenance-Lösungen in der Praxis. Die Xervon Instandhaltung betreibt unter anderem Kühltürme, die Kühlwasser in der richtigen Menge und in der vereinbarten Temperatur für die Produktion zur Verfügung stellen. Um das sicherzustellen, muss ein verzweigtes Netz von Rohrleitungen und mehreren Pumpen sowie Ventilatoren ständig überwacht und regelmäßig gewartet werden.
