Vorausschauende Wartung mit KI

Hinterher ist man bekanntlich immer schlauer. Mit künstlicher Intelligenz (KI) sieht das allerdings anders aus: Durch die Analyse von in Echtzeit erfassten Betriebsparameterwerten wird Wartungsbedarf ermittelt, bevor er anfällt. So können Maßnahmen im Voraus geplant und auf ein Minimum reduziert werden. Mitsubishi Electric nutzt hierfür seine KI-Technologie Maisart 1, die ganz einfach per Melfa-SmartPlus-Zusatzkarte am Melfa-Roboter implementiert werden kann.
Bild: ©Zapp2Photo/istockphoto.com / Mitsubishi Electric Europe B.V.

Für die vorausschauende Wartung (Predictive Maintenance) übernimmt Maisart die Vorverarbeitung des Datenstroms der Sensorik. Diese KI ist auf der Melfa-SmartPlus-Zusatzkarte implementiert, welche den Controller CR800 für die Melfa-Roboter der FR-Serie um Rechenleistung und weitere Funktionen erweitert. Die KI ermittelt unter anderem anhand von Motorkennwerten, Strom- und Kraftaufnahme und Schwingungen, ob sich am Servomotor, einem angeschlossenen Getriebe oder einem Lager Wartungen anbahnen. Hierbei kann es sich um einen Schaden oder um Verschleiß von Schmierfett, Verzahnungen oder Lagern handeln. Entsprechende Wartungsempfehlungen werden im Klartext ausgegeben und ermöglichen eine effiziente Wartungsplanung.

Predictive Maintenance vs. Preventive Maintenance

„Bei den Begriffen ‚Predictive‘ bzw. ‚Preventive Maintenance‘ mangelt es vielfach an Trennschärfe“, sagt Michael Finke, Product Manager für Roboter bei Mitsubishi Electric. „Predictive Maintenance, also die ‚vorausschauende‘ Wartung, stützt sich auf die Live-Auswertung von im Feld erfassten und in Echtzeit ausgewerteten Symptomen. Sie bietet entsprechende Diagnosen und Prognosen zum Health-Status einzelner Komponenten des Roboters unter Einsatz von KI-Technologie. Unter Preventive Maintenance, sprich ‚vorbeugender‘ Wartung, verstehen wir eine ebenfalls intelligente, rechnergestützte Funktionalität, der das jeweilige Roboterprogramm zugrunde liegt.“ Bei vorbeugender Wartung finden die Analysen im Vorfeld in der für alle Roboter von Mitsubishi Electric einheitlichen Programmier- und Simulationsumgebung RT ToolBox3 statt. Das geht ohne Roboter in der Simulation oder online direkt mit dem Roboter. Ist die Roboterprogrammierung abgeschlossen, werden Verschleiß- und Belastungsimulationen durchgeführt und entsprechende Fristen für die Wartung berechnet. Im Zusammenspiel ermöglichen beide Wartungskonzepte der SmartPlus-Funktionslösung – Predictive und Preventive Maintenance – eine Minimierung der Stillstandszeiten, unter anderem durch Batchverarbeitung der Wartungsdaten für mehrere Roboter für ganze Produktionslinien.

Thematik: Allgemein
Mitsubishi Electric Europe B.V.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige