Das Streben nach vorausschauender Wartung in der Industrie 4.0 – ELEDIA E-AIR

Wie viele weitere Kaffeesorten kann unsere Maschine zubereiten, bevor eine Wartung erforderlich ist?? Nun, das ist eine grundlegende Frage für die meisten ELEDIA-Mitglieder. Die offensichtliche Antwort auf diese Frage könnte lauten: „Wir werden es wissen, wenn es kaputt ist.“ Aber wenn Maschinen in der Produktionskette von grundlegender Bedeutung sind, sind dann ungeplante Ausfallzeiten für Wartungsarbeiten akzeptabel?

In der Terminologie für Wartung, Reparatur und Überholung (MRO) würde der zuvor beschriebene Ansatz (Austausch/Wartung einer Maschine nach einem Ausfall) als a bezeichnet korrigierende Wartungund wir wissen, dass dies nur dann eine sinnvolle Strategie ist, wenn der Produktionsprozess jederzeit mit minimalen Folgen unterbrochen werden kann (dies ist übrigens bei der ELEDIA-Kaffeemaschine NICHT der Fall). Eine völlig entgegengesetzte Strategie besteht darin, die Wartung nach Abschluss einer vordefinierten Anzahl von Betriebszyklen/Stunden zu planen und dabei dem Konzept zu folgen vorbeugende oder geplante Wartung. Da die Inspektionen regelmäßig durchgeführt werden, hat diese Strategie den offensichtlichen Vorteil, dass Fixkosten garantiert sind. Aber sind diese Kosten minimal? Im Zeitalter der intelligenten Fabriken und Industrie 4.0Die Antwort auf eine solche Frage ist vielleicht weniger offensichtlich.

Die Minimierung der Wartungskosten, indem man im Voraus weiß, wann genau eine Maschine oder ein Prozess ausfallen wird, war schon immer der Traum industrieller Prozessmanager. Vorausschauende Wartung hat sich tatsächlich als eine der konkretesten Anwendungen von Industrie 4.0 zur Verwirklichung dieses Traums herausgestellt. Das grundlegende Ziel der vorausschauenden Wartung besteht darin, den Zustand einer Maschine/eines Prozesses zu ermitteln, um zu definieren, wann eine Wartung tatsächlich erforderlich ist. In diesem Sinne unterscheidet sie sich von der vorbeugenden oder korrigierenden Wartung, da sie auf der tatsächlichen Vorhersage des Zustands der Ausrüstung (datenbasierte Prognose) und nicht auf der erwarteten durchschnittlichen Lebensdauer (statistikbasierte Prognose) oder auf der Erkennung eines bereits aufgetretenen Problems (Diagnose) basiert. Der einzige Nachteil besteht darin, dass die Vorhersage der Zukunft normalerweise keine einfache Aufgabe zu sein scheint.

Moderne Automatisierungssysteme sind mit verschiedensten Sensoren ausgestattet, um den Zustand von Maschinen und Prozessen zu beobachten. Darüber hinaus erweitern die Verfügbarkeit kostengünstig einsetzbarer drahtloser Sensoren und das IoT-Paradigma die Fähigkeit, detaillierte Daten von komplexen Systemen zu erfassen, selbst wenn sie in großen Fabriken betrieben werden, und diese Daten für die weitere Fernverarbeitung zu sammeln. Es stellt sich jedoch eine einfache Frage: Kann ich anhand des Geräuschs der rotierenden Klingen erkennen, wie viele Zyklen die Schneidemaschine genau ausführen wird? Hier kommt KI ins Spiel.

In den letzten Jahren haben ELEDIA-Mitglieder eine breite Palette von entwickelt, angewendet und eingesetzt KI-Methoden für Industrie 4.0 Kleine und große Szenarien, die Entwicklung von Prognose- und vorausschauenden Wartungstools, die sowohl auf einzelne Maschinen oder Herstellungsprozesse angewendet wurden, als auch auf große Fabriken, die in separate Einrichtungen verlegt wurden. Der grundlegende Ansatz, den ELEDIA verfolgt, um Vorhersagefähigkeiten mit hoher Genauigkeit und Effizienz zu erreichen, ist eine Kombination aus physischen Informationen über den tatsächlich beobachteten Prozess/die tatsächlich beobachtete Maschine und fortschrittlichen Analyse- und Lernfähigkeiten, die durch KI ermöglicht werden. Durch die Integration des Wissens über die erwarteten physikalischen Eigenschaften des untersuchten Prozesses (z. B. die Beziehung zwischen der Tonhöhenfrequenz/dem Spektrum des von einem rotierenden Messer emittierten Schalls in Bezug auf die Drehzahl, den Materialschnitt und die Schnittgeschwindigkeit) und die kundenspezifische Anpassung der E-AIR-Methoden der künstlichen Intelligenz wurde die Möglichkeit demonstriert, Anomalien in industriellen Prozessen schnell zu erkennen und eine frühzeitige und zuverlässige Wartung zu alarmieren. Zu diesem Zweck war die „Fusion“ von Key Performance Indicator (KPI)-Daten und Informationen, die aus verschiedenen zerstörungsfreien Bewertungs- und Prüftechnologien (wie Schallpegelmessungen, akustische Analyse, Druck- und Vibrationsanalyse, Temperatur-/Feuchtigkeitsmessungen) gesammelt wurden, eine grundlegende Herausforderung, die es zu bewältigen galt.

In diesem Szenario betrifft eine aktuelle Anwendung der E-AIR Industry 4.0-Suite sowohl die automatische Gesundheitsanalyse von Maschinen als auch die Steuerung von Herstellungsprozessen im Rahmen einer industriellen Zusammenarbeit mit der IMA Group, einem weltweit führenden Unternehmen in der Entwicklung und Herstellung von automatischen Maschinen für die Verarbeitung und Verpackung von Pharma-, Kosmetik-, Lebensmittel-, Tee- und Kaffeeprodukten.

Die aktuellen Forschungsbemühungen von ELEDIA zielen auf die weitere Anpassung der E-AIR-Industrie-4.0-Suite-Methoden für Datenfusion, Datenanalyse und maschinelles Lernen hin zu komplexeren modellbasierten prädiktiven Wartungsszenarien ab. In diesem Zusammenhang besteht auch die Möglichkeit des Selbstlernens Digitaler Zwilling Das Gegenstück zu einem realen Maschinensystem/Prozess wurde von ELEDIA-Mitgliedern bereits in praktischen Industrieszenarien demonstriert, und seine Verallgemeinerung zur Bewältigung groß angelegter Mehranlagenprobleme befindet sich derzeit in der Entwicklung.

Wenn also das nächste Mal jemand fragt: „Wie viele Kaffees kann unsere Maschine noch zubereiten, ohne dass eine Wartung erforderlich ist“, ist E-AIR zur Stelle und hilft weiter.

Weitere Informationen

Für weitere Informationen zu unseren Industrie 4.0-KI-Softwaredemos und -Suites kontaktieren Sie uns bitte unter contact@eledia.org.

Verwandte Projekte