Predictive Maintenance and Quality

Mit einzelnen Punkten starten

Werden diese Visionen zu Beginn entsprechender Projekte erst einmal relativiert, können die Beteiligten in der Regel konkret und praktisch über einzelne Produktionspunkte sprechen, deren Analyse als Startpunkt genutzt werden soll. Moderne Sensoren können dazu bedarfsgestützt ergänzt werden – gegebenenfalls auch ohne Eingriff in bestehende IT-Lösungen, Netzwerke oder Produktionsanlagen. Die entsprechenden Daten werden dazu in einer gemieteten bzw. in einer im Rahmen eines PMQ-as-a-Service bereitgestellten Umgebung aufgenommen und mit prädiktiven Methoden analysiert. Diese Ergebnisse werden wiederholt mit den Mitarbeitern vor Ort bewertet.

Aus der Praxis

Ein Beispiel: In der Fertigung eines mittelständischen Unternehmens werden verschiedene Metallteile durch Nietvorgänge zusammengefügt. An jeder Station im Produktionsverlauf wird dabei mit mehreren Nietdöppern gefertigt, wobei der Ausfall nur eines Nietdöppers in einer einzelnen Station zu einer Unterbrechung des gesamten Prozesses führt. Zudem führt unerkannter erhöhter Verschleiß eines Nietdöppers zu erhöhtem Ausschuss. Für die Verfügbarkeit der Gesamtanlage und die Qualität des gesamten Prozesses ist es daher von Vorteil, die einzelnen Nietdöpper mittels einer Predictive-Maintenance-Lösung zu analysieren, um Verschleiß und Ausfälle vorherzusagen. Dass das möglich ist, konnte bereits im Rahmen einer explorativen, prototypischen Analyse nachgewiesen werden. Zudem wurde – auch ohne vollständige Erfassung des gesamten Produktionsprozesses – die Einsatzfähigkeit und der Nutzen einer PMQ-Lösung validiert. Durch den Einsatz von Datenanalysen und eines Machine-Learning-Ansatzes war es möglich, Veränderungen im Nietvorgang zu erkennen und deren Folgen zu prognostizieren.

Beispiel Getränkeindustrie

Ein weiteres Beispiel stammt aus der Getränkeindustrie: Dort werden Bierflaschen im sogenannten Gegendruckverfahren befüllt. Stimmen der Vorspanndruck in der Flasche und der Abfülldruck nicht überein, führt dies zu Überschäumen und zu Unterfüllungen der einzelnen Flaschen und letztlich zu ungeplanten Stillstandzeiten bei den Maschinen und entsprechenden Reinigungsarbeiten. Da der Innendruck pro Flasche technisch bedingt nicht gemessen werden kann, werden Prädiktoren aus Umgebungsvariablen ermittelt – u.a. die Menge des verwendeten CO2, die Anzahl abgefüllter Flaschen und die Gesamtmenge der abgefüllten Sorte. Anschließend werden mithilfe eines prädiktiven Modells Korrelationen für positive und negative Fälle generiert. Nach dem Training dieses Modells können über einen ‚Healthscore‘ Zustandsbeschreibungen und Vorhersagen über mögliche Ausfälle getroffen werden.

Seiten: 1 2 3Auf einer Seite lesen

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.