Wednesday, April 24, 2019

Datenbasis und Voraussetzungen für Predictive Maintenance





Predictive Maintenance, als eine der Kernkomponenten von Industrie 4.0, hilft vorausschauend dabei, unnötige Wartungstermine zu vermeiden und Ausfallzeiten niedrig zu halten.

⇨ Voraussetzungen:
  • eine konkrete Fragestellung formulieren
  • vorhandene Wissen und Erfahrung der Insider heranziehen
    (Zulieferer, Brancheninsider oder Monteure) 
  • ausreichende Anzahl an dokumentierten Fehlerfällen vorhanden
  • potentieller wirtschaftlicher Vorteil erfassen
⇨ Datenbasis:
  • Menge, Sicherheit, Verfügbarkeit, Aktualität, Relevanz, Qualität und rechtliche Konformität der Daten ermitteln
  • Datenbeschaffung: Installation einiger Sensoren erforderlich
  • Normwerte als Grundlage nutzen

Die angestrebte Erkennung von nicht bekannten Mustern durch Predictive Analytics hängt mit der Datenmenge und dem Betrachtungszeitraum zusammen.


Kein Allheilmittel

Trotz dem riesigen Potential vom Einsatz der künstlichen Intelligenz, genügen oft einfache Monitoring-Ansätze ohne Maschinelles Lernen, um eine konkrete Fragestellung wie das Erkennen von Verschleiß einzelner Teile zu erledigen.

Auf der anderen Seite, bei der Analyse komplexer Anlagen oder bei Maschinenparks, für deren Überwachung zahlreiche unterschiedliche Messwerte erhoben und ausgewertet werden müssen (sog. Erkennung multivarianter Anomalien), spielt Predictive Maintenance seine Stärken aus.


Nicht nur bei Früherkennung einsetzbar

Das maschinelle Lernen kann auch bei der Fehleranalyse und den damit verbundenen ersten Untersuchungen helfen, und die wahrscheinliche Ursache für den Fehler erkennen.

Somit lassen sich benötigte Ersatzteile vor dem ersten Termin des Technikers bestellen.


Thursday, February 28, 2019

Machen Sie Ihre Produktionsumgebung fit für Industrie 4.0 - Digitaler R...





Unser #Webinar zum digitalen #Retrofit mit praktischen Tipps zum Thema #IoT#industrie40 und #BestPractices sowie konkrete #UseCases zur Umsetzung. compacer GmbH
(in German language)

Wednesday, February 20, 2019

Industrie 4.0: Das Streben nach Anlageneffektivität





Die zentrale Fragestellung: Wie effektiv sind meine Anlagen, bzw. Maschinen?
Als eine wichtige Kennzahl in der Produktion für die Quantifizierung der Wertschöpfung einer Anlage wird die Overall Equipment Effectiveness (OEE) genutzt. In diesem Verfahren wird die tatsächliche Anlage mit einer "idealen" Anlage verglichen. "Ideal" bedeutet voll-ausgelastet, ohne Ausfälle oder sonstigen Störungen, produzierend nur best gefertigte Produkte ohne Mängel.

Für die Betrachtung und Steuerung von Anlagen wird der Zusammenhang von Verfügbarkeit, Leistungsgrad und Qualitätsrate für die Beurteilung wie folgend genutzt:

OEE = Verfügbarkeit * Leistungsgrad * Qualitätsrate ( Ziel > 85%)


Im Kontext der Industrie 4.0 und damit verbundenen Prozessoptimierungen und Datenintegration rückt nicht die Leistungsfähigkeit einer individuellen Anlage, sondern die Effektivität von kompletten Prozessabläufen, in Vordergrund.

Die Verfügbarkeit (als Faktor der OEE) kann durch Predictive Maintenance optimiert werden. Eine Wartung basierend auf dem tatsächlichen Verschleiß führt zu minimierten Ausfallzeiten, bis zum Forecast der zukünftigen Anlagenausfälle.

Dies erfordert ein hohes Maß an Datenintegration zwischen den Operativen IT und Unternehmens IT.

Die IoT Welt, Product Lifecycle Management (PLM), Manufacturing Execution Systeme (MES), Customer-Relationship-Management (CRM), ERP System und Logistiksysteme müssen Daten nahtlos miteinander austauschen können, um einen durchgängigen vollautomatisierten Geschäftsprozess für die Anlageninstandhaltung zu gewährleisten.

Durch eine hybride Architektur ermöglicht eine Middleware für Business Integration und Prozessorchestrierung, angeschlossen an cloudbasierte Dienste, eine flexible Informationsinfrastruktur im Unternehmen, die eine kontinuierliche Produktivitätssteigerung anstrebt.