Positive Auswirkungen von KI und HI in der Instandhaltung

OEE und Produktivität in der Instandhaltung durch den Einsatz von KI und HI steigern? Inwiefern dies möglich ist und welche Potenziale im Zusammenwirken von KI und HI liegen, diskutierte Falk Pagel (Dozent an der DHBW Mannheim) im Rahmen der Maintenance OnlineDays.
Bild: ©VIGE.co/fotolia.com

Im Unternehmensbereich kommen in Deutschland in nur 8% der Fälle die innovativen Möglichkeiten von KI zum Einsatz und ganze 59% der deutschen Unternehmen haben sich noch gar nicht mit diesem Thema auseinandergesetzt. Dabei kann KI besonders bei der Instandhaltung vieles leisten, wie z.B. Maschinen abschalten, Wartungsprozesse automatisch anstoßen etc. Noch entscheidender ist aber, dass die KI lernt, aus den Mustern der gewonnen Daten Handlungsempfehlungen für die Zukunft abzuleiten und so eine vorausschauende Instandhaltung unterstützt – meist verstanden als Predictive Maintenance. Um das volle Potenzial der KI ausschöpfen zu können, ist es allerdings unabdingbar zunächst ein stabiles Fundament zu schaffen: Dies umfasst ein vollständiges Stammdatenmanagement, CMMS, die Digitalisierung von Knowhow und einen individuellen Instandhaltungs-Strategie Mix unter Berücksichtigung anlagenspezifischer Paramater.

Neben all den modernen Möglichkeiten und innovativen Lösungen für die Instandhaltung kann KI den Faktor Mensch und seine Fähigkeiten zur Intuition und Adaption natürlich nicht vollständig ersetzen. Denn nur mit diesen Eigenschaften ist es möglich über den Tellerrand zu schauen und Störungen optimal einzuschätzen und zu beheben. Für eine Instandhaltung bedeutet das, dass Smart Maintenance in der Zukunft nur im Zusammenspiel von humaner und künstlicher Intelligenz optimal funktionieren kann – und nur so die Wandlungs- und Wettbewerbsfähigkeit des Unternehmens nachhaltig gestärkt wird.

Das Expertensystem des Diva Ecosystems bündelt das Wissen von über 40 Jahren menschlicher Erfahrung zu Bauteileverhalten und integrierter KI. Dabei erstellen und optimieren die Algorithmen proaktiv qualifikations- und kostenoptimale Inspektions- und Wartungspläne. Dies ermöglicht den störungs- und stillstandfreien Durchlauf von Anlagen und Maschinen, was für eine höhere Produktivität sorgt: Branchenabhängig bis zu einer Steigerung von bis zu 25% bei gleichzeitiger Kostenreduktion.

Das ist der Beweis, dass das Zusammenspiel von KI und HI in einem intelligenten CMMS einen Transformationsprozess von reaktiver Instandhaltung zu Smart Maintenance ermöglicht und die Anlagenverfügbarkeiten und den OEE erhöht.

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