b-7443_Niels_Pothmann_quadrat
IHR KONTAKT
ArvatoSystems_AI_Predictive Maintenance_Fotolia_77866546

Predictive Maintenance

Vorausschauende Wartung für die Industrie 4.0

Dank Daten und Künstlicher Intelligenz Ausfälle vermeiden

Ausfälle und Störungen maschineller Anlagen in der Industrie können schwerwiegende Konsequenzen nach sich ziehen und sollten proaktiv vermieden werden.


Dank Predictive Maintenance ist durch permanente Analyse von Daten der aktuelle Zustand von Maschinen und Anlagen stets transparent. Dadurch lassen sich ungeplante Ausfälle vermeiden und Außendiensteinsätze von Servicemitarbeitern optimieren. Wartungs- und Serviceintervalle sowie das Ersatzteilemanagement sind wesentlich besser planbar. Zusätzlich kann die Leistung der Maschine verbessert und eine höhere Produktivität erzielt werden.


Windräder, Kraftfahrzeuge oder Turbinen bieten sich beispielsweise für Predictive Maintenance an, denn Ausfallzeiten von Windkraftanlagen lassen sich fast vollständig vermeiden.

Der Case im Überblick

Ausgangssituation

Traditionelle Wartungsmethoden bergen ein hohes Risiko. Erst wenn Fehler oder Störungen aufgetreten sind, erfolgt reaktiv eine Analyse des verursachenden Problems sowie Maßnahmen zur Störungsbeseitigung. Maschinenausfälle können so nicht proaktiv verhindern werden. Benötigte Servicekräfte und Ersatzteile sind erst nach Störeintritt und erfolgter Analyse bestellbar. Dies kann erhebliche Ausfallzeiten zur Folge haben.

Vision

Über Auswertung und Analyse bestehender und erhebbarer Maschinen- und Anlagendaten sowie unter Einsatz komplexer mathematischer Algorithmen und Machine Learning-Methodik lassen sich Ausfälle und Störungen von industriellen Anlagen vorhersagen und proaktiv vermeiden.

Lösung

Durch den Einsatz von Sensoren werden permanent Daten gesammelt und mittels Algorithmen analysiert und ausgewertet. Störungen und mögliche Ausfälle können auf Basis dieses Datenmaterials und historischer Szenarien bereits vor Eintritt und unter Angabe einer Eintrittswahrscheinlichkeit vorhergesagt werden. Dazu können beispielsweise Drehzahlen, Geräusche oder Temperaturen von Motoren erfasst und ungewöhnliche Vibrationen oder Unwuchten frühzeitig erkannt werden.

Vorteile

Reduktion von Ausfallzeiten
Optimierter Einsatz von Servicepersonal
Optimiertes Ersatzteilmanagement

Ihr Kontakt für diesen Case

b-7443_Niels_Pothmann_quadrat
Niels Pothmann
Experte für Advanced Analytics & Künstliche Intelligenz