Predictive Maintenance: Die Effektivität von Anlagen durch Machine Learning optimieren

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.