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
- 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.
Kommentar veröffentlichen