Predictive Maintenance: Die Effektivität von Anlagen durch Machine Learning optimieren

Condition Monitoring und Predictive Maintenance

Hier erfahren Sie alles rund um unsere Forschung und Projekte zu Predictive Maintenance und Condition Monitoring.

Die Optimierung der Anlageneffektivität basiert unter anderem auf zwei Maßnahmen:

  • Minimierung der Ausfallzeit
  • Maximierung der Verfügbarkeit

Eine reaktive Wartung ist aufgrund von spontan auftretenden Fehlerzuständen schwer zu planen. Längere Wartungszeiten sind die Folge. Verringert man das Ausfallrisiko durch regelmäßige Wartungsintervalle, geschieht dies jedoch auf Kosten der produktiven Betriebszeit der Anlage.

Condition Monitoring und Predictive Maintenance

»Condition Monitoring« von Anlagen erkennt kritische Ereignisse und Betriebszustände mit hohem Verschleißpotential. Ereignisse und resultierende Fehler werden klassifiziert und bewertet. Kritische Ereignisse oder unerwünschte Betriebszustände können durch schnelle Reaktionen unmittelbar beseitigt werden, um kostenintensive Folgeschäden abzuwenden. Ausfallzeiten werden reduziert, da Servicetechniker, Ersatzteile und Logistik durch passende Diagnosen zielgerichtet bereitgestellt werden können.

»Predictive Maintenance« prognostiziert Risiken unerwünschter Betriebszustände und Ereignisse und  auf Basis der im »Condition Monitoring« gewonnenen Erfahrungswerte. Diese Prognosen ermöglichen bedarfsorientierte Planungen von Service- und Wartungsaktionen. Sie werden sowohl für individuelle Anlagen als auch für Anlagenparks erstellt. »Predictive Maintenance« maximiert im Idealfall die Verfügbarkeit und liefert frühzeitig Informationen für zielgerichtete Wartungsaktionen.

Optimierung der Effektivität der Anlagen Schritt für Schritt.
© Fraunhofer ITWM
Optimierung der Effektivität der Anlagen Schritt für Schritt.

Fünf Vorteile

Mit Hilfe unserer Erfahrung rüsten Sie Ihre Anlagen mit einem »Condition Monitoring« auf. Sie kombinieren die gesammelten Telemetrie- und Service- und Wartungsinformationen zu Prognosemodellen und erweitern Ihren Service mit »Predictive Maintenance«.

  • Erkennen von Ereignissen, Anomalien oder Fehlern
  • Identifikation von Ursachen ungeplanter Ausfälle bzw. Fehler
  • Zuverlässige Prognose der Restnutzungsdauer von Anlagen und Komponenten
  • Maximierung der produktiven Nutzungszeit
  • Minimierung der Wartungszeit durch frühzeitiges Planen von anstehenden Wartungsaktionen

Unsere Leistungen

Unsere Abteilung »Systemanalyse, Prognose und Regelung« unterstützt Sie bei der Optimierung der Effektivität Ihrer Anlagen Schritt für Schritt.

  1. Wir entwerfen mit Ihnen lösungsorientierte »Condition Monitoring« und »Predictive Maintenance« Systeme.
  2. Gemeinsam analysieren wir, welche Informationen für Anwendungsfälle bereits vorhanden sind und welche neu ermittelt werden sollten.
  3. Wir identifizieren, entwickeln und integrieren für Ihre Daten- und Informationslage passgenaue Machine-Learning bzw. Deep-Learning-Algorithmen.

 Unsere Lösungen können Sie in gängige IOT-Plattformen integrieren.

Condition Monitoring

  • Systemmodellierung und -Simulation mit Digitalen Zwillingen
  • Auswahl und Platzierung von Sensoren
  • Virtuelle Sensoren
  • Identifikation und Bewertung von Betriebszuständen
  • Klassifikation von Fehlern

Predictive Maintenance

  • Trendanalysen, modellbasierte Prognose von Fehlern und kritischen Ereignissen
  • Berechnung der verbleibenden Anlagennutzungsdauer
    (RUL-Analysen)
  • Prädiktive Regelung zur effizienten Anlagennutzung
  • Erstellung von automatischen Reports und Dashboards

Video zur Präsentation: Predictive Maintenance richtig umsetzen – Bewährte Vorgehensweisen und Praxisbeispiele

Einblicke in Methodik und Möglichkeiten von Predictive Maintenance zeigte Dr. Benjamin Adrian (Fraunhofer ITWM) am 2. Dezember 2021 mit seinem Vortrag »Predictive Maintenance richtig umsetzen: Bewährte Vorgehensweisen und Praxisbeispiele«. Die Präsentation fand im Rahmen der Veranstaltungsreihe »Insight InTU Research« der TU Kaiserslautern statt.

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: http://www.youtube.com/t/privacy_at_youtube