Ihre Daten. Unsere Expertise. Innovative Lösungen.
Die Netzwerkpartner diskutierten anhand von Praxisbeispielen, wie sich durch fundierte Datennutzung Vorhersagen über Maschinenwartungen und Verschleiß treffen lassen, um so ungeplante Ausfälle zu vermeiden. Predictive Maintenance ein wichtiger Anwendungsfall von Industrie 4.0 – eine Thematik, die alle produzierenden Unternehmen betrifft. Denn letztendlich geht es immer um eine ökonomische Abwägung von Kosten und Nutzen von Wartungsmaßnahmen vs. Fortsetzung der Produktion.
Der Einführung in die Thematik von Herrn Baumann (duramentum GmbH & Co. KG) folgten Praxisbeispiele von Herrn Szalanczi (Neuroforge) und Herrn Franke (d-opt GmbH), die Vorhersagemethoden für einzelne, spezielle Maschinen(typen) betreffen und methodisch dem Condition Monitoring zuzuordnen sind.
Simba n³ stellte eine Klasse von Wahrscheinlichkeitsmodellen vor, bei denen sich Ausfallwahrscheinlichkeiten und restliche Lebensdauer in Abhängigkeit vom Verbrauch von unterschiedlichen Maschinen aus den Modellparametern berechnen lassen. Damit ist es möglich, den Zustand ganzer Produktionslinien zu bewerten, bei denen das Produktionsergebnis das Resultat des Zusammenspiels zahlreicher und verschiedener Maschinen ist. Das macht diese Modellklasse für den Shopfloor der VW Motorenwerke Chemnitz besonders interessant. Nach einer gemeinsamen prototypischen Erprobung mit Simba n³ sind seit 2018 diese Modelle bei VW im operativen Einsatz.
Ereigniszeit-Modelle lassen sich branchenunabhängig einsetzen, betonte Dr. Nagel in seinem Beitrag und verdeutlichte dies durch entsprechende Simba n³ data science Projekte.
Mögliche Anwendungen sind beispielsweise:
Aus eigenen Projekten und unter Berücksichtigung von Forschungsergebnissen verfügt Simba n³ über alle notwendigen Module, um mittelstandstaugliche, maßgeschneiderte Lösungen für Predictive Maintenance umsetzen zu können, die mit einer mobilen Erfassung von Störungen (oder Unterbrechungen) der Produktion beginnen und über flexible Modelle zu transparenten Hilfen bei Entscheidungen führen.