Künstliche Intelligenz Predictive Maintenance für Use Cases in der Industrie

Die Künstlichen Intelligenz (KI) und ihre Fähigkeiten, durch eingebaute Sensoren, physikalische Zustände in maschinellen Anlagen zu erkennen, eröffnen viele Möglichkeiten wie zum Beispiel Anwendungen zur vorausschauenden und vor allem vorbeugenden Wartung.

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Sinequa

Insider Research

Während die vorausschauende Wartung darauf abzielt, die Lebensdauer einer Maschine vorherzusagen, beinhaltet die vorbeugende Wartung die Reparatur der Maschine, um sie länger in Betrieb zu halten. Vor dem Hintergrund der Digitalisierung vieler Fertigungsanlagen und der Kosten für eine reaktive Wartung von maschinellen Anlagen sollen computergestützte Instandhaltungsmanagementsysteme (Computerized Maintenance Management Systems – CMMS) sowohl die Anlagenleistung überwachen als auch den Anwendern die Zuweisung und Verfolgung von Reparaturaufträgen ermöglichen. Dafür werden mithilfe von Sensoren Daten ermittelt und in der Folge die Hersteller benachrichtigt, wenn ein Maschinenteil nicht mehr funktioniert.

Optimierung der Wartungsstrategie

Die integrierte, cloudbasierte Plattform Maximo Asset Health von IBM nutzt KI, IoT und Analysen, um die Performance zu optimieren, die Lebenszyklen von Assets zu verlängern und betriebliche Ausfallzeiten und Kosten zu reduzieren. Maximo Asset Health nutzt dazu Daten von IBM-Watson bzw. in Maschinen eingebaute Sensoren, um festzustellen, ob und wann eine Maschine oder ein Bauteil gewartet werden muss.

Wobei die Software auch Faktoren wie das Alter der Maschine und die Wartungshistorie berücksichtigt. Mit dieser Technologie erhält der Nutzer, zusammen mit einer optimierten Installation und Verwaltung, Zugang zu konfigurierbaren CMMS-, EAM- und APM-Anwendungen. Etwaige Maschinenprobleme lassen sich auf der Grundlage der Messwerte an verschiedenen Standorten nach Prioritäten geordnet schneller erkennen und anzeigen. Zu den Schlüsselfunktionen von Maximo Asset Health gehören:

• EAM-, Mobilitäts-, Add-On- und Branchenmodelle.

• Konsolidierung der Wartungssysteme verschiedener Standorte in einem System.

• Optimierung der Zuverlässigkeit mit KI-gestützter Überwachung, Inspektion und vorausschauender Wartung.

• Vereinfachte Lizenzierung. Das heißt, nur für die tatsächliche Nutzung bezahlen.

• Multi-Cloud-Bereitstellung für mehr Flexibilität.

Reduzierung des Ersatzteilbestands

DataRPM von Progress ermöglicht es, den Zustand einer Maschine per Daten zu verfolgen, die von vorinstallierten Sensoren in Maschinen gesammelt wurden. Mithilfe der Software lassen sich die gesammelten Daten in Formaten wie einem Datalake speichern oder einem benutzerfreundlichen Dashboard aufbereitet darstellen. Die von der Software durchgeführten Analysen zeigen Anomalien an, die aufgrund von Faktoren der Maschine wie beispielsweise Alter und Wartungshistorie zu erwarten sind.

Im Anschluss dazu wird die Anzahl der Anomalien identifiziert, die während des Tests, den die Software auf der Maschine durchführt, tatsächlich erkannt hat. Treten mehr Anomalien auf als erwartet, wird dem Wartungspersonal signalisiert, dass eine Reparatur der Maschine erforderlich sein könnte. Eine Studie des Herstellers gibt an, dass DataRPM in einem bezeichneten Fall die Kosten für den Ersatzteilbestand um knapp 60 Prozent senken konnte, während die Arbeitseffizienz um knapp zehn Prozent stieg.

Cloud-basierte Lösung mit mobilen Funktionen

Die CMMS-Lösung für die Verwaltung von Arbeitsaufträgen, Wartungsplänen und Ersatzteilbeständen eMaint bietet eine vorausschauende Wartungs- und Aufgabenverwaltungssoftware an, die ebenfalls auf der Grundlage von Sensordaten ermittelt, wann eine maschinelle Anlage oder Bauteile repariert werden sollen. eMaint wird neben dem Einsatz in der industriellen Fertigung auch in den Wirtschaftsbereichen Gebäudemanagement, Fuhrpark, Serviceanbieter, Öl und Gas, Bau, Kommunen, Lager, Gesundheitswesen, Versorger, Bildung, Lebensmittelverarbeitung und Verpackung eingesetzt.

Als Cloud-basierte Lösung mit mobilen Funktionen ist sie für Wartungsteams im Einsatz vor Ort konzipiert. eMaint ist skalierbar und kann Wartungsarbeiten über mehrere Standorte hinweg vereinheitlichen. Es kann so angepasst werden, dass der Nutzer nicht durch das Instandhaltungs-Managementsystem eingeschränkt wird. Zusammen mit den Sensordaten etabliert eMaint eine maßgeschneiderte Plattform auch mit Daten aus dem vorherigen System der maschinellen Anlage.

Nachdem die Software Anomalien an der Maschine festgestellt hat, erhält der Anwender Vorschläge, wann die Maschine überprüft oder repariert werden sollte. Auf den Seiten mit Details zu einer bestimmten Maschine, kann er per Mausklick einen Wartungstermin vereinbaren oder einem internen Techniker eine Aufgabe zuweisen, um die Maschine überprüfen oder reparieren zu lassen. Das System kann auch erkennen, ob ein neues Bauteil benötigt wird, und so eine Verbindung zu den Teilelieferanten des Fertigungsunternehmens herstellen, damit der Anwender gleich ein neues Bauteil bestellen kann. Die Bestellung bzw. Lieferung des Bauteils lässt sich direkt in der Software verfolgen.

Fazit

Große Unternehmen wie beispielweise IBM verfügen über die ausgereiftesten Produkte. Ähnliche Technologien, die von kleineren Unternehmen entwickelt wurden, sind auch für größere Unternehmen von Interesse. Dies zeigt die Übernahme von DataRPM durch Progress sowie die Übernahme von eMait durch Fluke.

Unabhängig davon, ob nur Asset Management oder auch zusätzliche Funktionen für das Wartungsmanagement angeboten werden, sind alle Produkte in der Lage, die bereits vorhandenen Sensordaten von Maschinen zu nutzen. Alle Angebote sind auch mit mindestens einem Hersteller von Smartphones, Tablets oder PCs kompatibel.

(ID:48332488)