Lesedauer: 4min
Predictive Maintenance bei Schneider Electric
Maßgeschneidert

Mrz 5, 2020 | Predictive Maintenance

Um eine besonders wichtige, aber anfällige, Maschine zuverlässiger zu betreiben, hat Schneider Electric ein Predictive-Maintenance-Projekt angestoßen. Zusammen mit dem Partner Senseye konnte die Anlageneffizienz Schritt für Schritt deutlich verbessert werden.

Mit einer Präsenz in 100 Ländern, 137.000 Mitarbeitern und einem Umsatz von 25,7 Milliarden Euro in 2018 zählt Schneider Electric zu den ganz großen Anbietern in den Märkten rund um das Energiemanagement und die Automatisierung. 90 Prozent seiner Geschäftstätigkeit fallen in den Bereich Energiebedarf. Dabei deckt das Unternehmen vier Hauptmärkte ab: Wohnen & Gebäude, IT (Rechenzentren & Netzwerke), Industrie und Infrastruktur. Das Werk von Schneider Electric im französischen Le Vaudreuil wendet in großem Maßstab Technologien an, die mit der vierten industriellen Revolution in Verbindung gebracht werden. In dem Werk gab es Probleme mit dem Zustand und ungeplanten Stillständen einer Maschine, die im Fertigungsprozess eine kritische Rolle spielt. Das Unternehmen suchte nach einer Lösung, die die vorhandenen Maschinendatenströme problemlos nutzen kann; die von den Maschinenbedienern ohne komplexen Setup oder umfangreiche Schulungen eingesetzt werden kann und die sich schnell amortisiert.

Punktgenauer Erfolg

Der Produzent führte zunächst Analysen an der problembehafteten Maschine durch, um die Hauptursache für die Ausfälle zu ermitteln und den Maschinenzustand zu bewerten. Diese Analysen ergaben, dass die Probleme zum Teil auf den langen Zeitrahmen bis zum Austausch von Altteilen zurückzuführen waren. Um dem zu begegnen, begann Schneider Electric, Komponenten regelmäßig auszutauschen. Allerdings gingen nur 18 Prozent der ungeplanten Ausfallzeiten auf das Alter der Komponenten zurück. Daher installierten die Anlagenbetreiber Temperatur- und Stromsensoren, um das Verhalten der Maschine zu überwachen. Die von diesen Sensoren gelieferten Daten wurden in der Software Aveva Insight gespeichert, dann an Senseye PdM weitergeleitet und anhand der historischen Daten vergleichend analysiert. Mit KI- und Machine Learning (ML)-Algorithmen, die auf den mechanischen Rahmenbedingungen basieren, konnte Senseye PdM – PdM steht dabei für Predictive Maintenance – die Wartungstechniker automatisch mit Warnmeldungen versorgen, bevor die Maschine ausfallen würde. So wurden beispielsweise die Maschinenbediener vor dem Ausfall einer Spindel oder Gegenspindel gewarnt, was die Gesamtanlageneffektivität (OEE) um sieben Punkte verbesserte. Nach diesem Erfolg führt Schneider Electric jetzt Senseye PdM in seiner gesamten Global Supply Chain-Sparte ein. Die Lösung wird dort zur Überwachung verschiedener Anlagen wie Pumpen, Motoren und Förderbänder eingesetzt.

EcoStruxure von Schneider

2016 führte Schneider Electric seine offene, IoT-fähige Architektur und Plattform EcoStruxure ein, über die Unternehmen vernetzte Geräte, Sensoren und andere Maschinensysteme nutzen können. Senseye stellt Schneider Electric mit Senseye PdM seine cloudbasierte Lösung für vorausschauende Instandhaltung bereit, um die Betriebsbereitschaft von Anlagen, Prozessen und Maschinen zu erhöhen. Bis Ende 2020 will das Unternehmen mehr als hundert seiner Fabriken mit dieser Technologie ausstatten.

Autor:
Firma: Senseye
https://www.senseye.io/de/

MARKT – TRENDS – TECHNIK

Weitere Beiträge

Das könnte Sie auch interessieren

Familienzuwachs beim digitalen Zwilling

Der Digital Twin und die virtuelle Inbetriebnahme erhalten in modernen Produktionsumgebungen immer mehr Gewicht. Dass dafür nicht nur Software, sondern auch die richtige Hardware nötig ist, will das Unternehmen Machineering mit der FieldBox 1 unterstreichen. Jetzt wurde diese Hardware-Basis für moderne Simulation in zwei unterschiedlichen Leistungsvarianten vorgestellt.

mehr lesen

Künstliche Intelligenz optimiert Predictive Maintenance

Mit dem Ziel, genauere und schnellere Prognosen in der vorausschauenden Wartung (Predictive Maintenance) zu erstellen, integriert Endian künstliche Intelligenz (KI) in seine IIoT-Lösung Endian Connect Platform: Über einen Knowledge Graph werden Informationen aus unterschiedlichen Datenbanken zusammengeführt, um möglichst exakte Prognosen über zukünftige Maschinenzustände zu berechnen.

mehr lesen

Datenanalytik für den optimalen Gebäudebetrieb

In jeder Sekunde erzeugen Aktoren, Sensoren, Zähler, Geräte, Anlagen und Systeme der Gebäudetechnik riesige Mengen an Daten. Bisher wurde nur ein kleiner Teil davon für Optimierungen im Gebäudebetrieb genutzt. Mit der zunehmenden Digitalisierung ist es möglich, Gebäude mit Hilfe dieser Daten zum Sprechen zu bringen. Für Betreiber und Facility-Manager ergeben sich damit enorme Optimierungschancen. Voraussetzung ist, dass sie verstehen, was das Gebäude mitzuteilen hat. Hier bieten digitale Services wie technisches Monitoring die notwendige Unterstützung.

mehr lesen
Wartung der Sicherheitsbeleuchtung per App

Wartung der Sicherheitsbeleuchtung per App

Über eine einfach zu bedienende App kann durch das NaveoPro-System von ABB die komplette Sicherheitsbeleuchtungsinstallation eingerichtet, gewartet und gesteuert werden. Der dadurch gewonnene Echtzeit-Überblick über alle Systeme spart Zeit, ermöglicht eine bessere Wartungsplanung und
erhöht die Sicherheit im Gebäude.

mehr lesen

Anlagentransparenz mit IO-Link

Die Steigerung der Anlagenverfügbarkeit bei einer gleichbleibend hohen Qualität der produzierten Produkte ist eine wesentliche Anforderung im Maschinen- und Anlagenbau. Dafür sind Transparenz im Produktionsprozess und die hervorragende Konstruktion der Maschinen essenziell. Die kontinuierliche Messwerterfassung überwacht den Fertigungsprozess genau. Das ermöglicht eine schnelle Reaktion auf Veränderungen, was zu stabilen Fertigungsabläufen und guten Resultaten führt. Sensoren erfassen eine Vielzahl von Messwerten in der Anlage. Für deren Weiterleitung zu den übergeordneten Steuerungssystemen ist IO-Link sehr gut geeignet.

mehr lesen

Elektronik für verteilte KI zur sensorbasierten Prozess- und Zustandskontrolle

Das Bundesministerium für Bildung und Forschung (BMBF) investiert aktiv in die Entwicklung neuer Elektroniksysteme und fördert dabei Verbundforschungsprojekte, die signifikant zur Umsetzung des Zukunftsprojekts Industrie 4.0 beitragen. Ziel des vom BMBF geförderten Gesamtprojekts KI-Predict ist die Nutzung von Methoden der künstlichen Intelligenz (KI) auf unterschiedlichen Ebenen des Produktionsprozesses als Basis für die zustandsbasierte, prädiktive Wartung von Produktionsanlagen und die Überwachung der Produktqualität direkt im Produktionsprozess. An diesem Projekt sind insgesamt sieben Partner beteiligt: unter ihnen das Fraunhofer-Institut für Integrierte Schaltungen IIS mit der Entwicklung eines Sensor-Interface ASICs. Das Besondere daran: Es ist auf Sensoren für Condition-Monitoring und Echtzeit-Prozesskontrolle abgestimmt und ermöglicht eine energieeffiziente Feature-Extraction und Signalverarbeitung direkt am Sensor.

Kaefer übernimmt Wood Group In­dus­tri­al Ser­vices

Mit der Über­nah­me des In­dus­trie­dienst­leis­tungs­ge­schäfts (Wood Group In­dus­tri­al Ser­vices) von der John Wood Group PLC, kann die Kaefer-Grup­pe ihre Markt­po­si­ti­on in Groß­bri­tan­ni­en und Ir­land stärken.

Knowledge Day in Blaubeuren

Auf dem Knowledge Day in Blaubeuren erhalten Teilnehmer unter anderem praxisorientierte Einblicke in die Themen Predictive Maintenance und MES.