Predictive Maintenance


Musste bisher eine Maschine oder Produktionsanlage erst ausfallen, bis man sie reparieren konnte, erkennen heutzutage intelligente Systeme die Probleme bereits bevor sie auftreten. Dies ermöglicht eine vorausschauende Wartung und kann enorme Kosten einsparen, die andernfalls durch Produktionsausfälle entstanden wären.

Voraussetzung für eine vorausschauende Instandhaltung ist eine in die Produktionsanlagen integrierte Überwachung der einzelnen Maschinen mit verschiedenen Sensoren. Diese können mittels IIoT miteinander verknüpft werden und anschließend unter Einbezug von Big Data Methoden ausgewertet und analysiert werden. Bei IIoT (Industrial Internet of Things) handelt es sich im Gegensatz zum langläufig bekannten IoT um das „Smart Home“ für die Industrie – also die Smart Factory. Die einzelnen Anlagen und Maschinen kommunizieren hierbei vollkommen selbstständig mithilfe von Machine-to-Machine-Kommunikation (M2M) um den Produktionsprozess automatisch zu optimieren, einzelne Geräte zu überwachen oder den allgemeinen Geschäftsprozess zu unterstützen.

Vorteile

  • Nutzung der Instandhaltung als strategisches Mittel
  • Predictive Maintenance als Differenzierungsmerkmal
  • Kundenzufriedenheit durch höhere Maschinenverfügbarkeit
  • Kundenbindung durch einen verbesserten After-Sales-Service
  • Optimierter Ressourceneinsatz in der Wartung und Ersatzteil-Logistik

Anwendungsbeispiele

  • Wartung im Automobilbereich
  • Windkraftanlagen
  • Produktionsanlagen
  • Abfüllanlagen
  • Industrie 4.0

Unsere Entwickler haben bereits mehrere Projekte im IoT, Big Data und Industrie 4.0 Umfeld umgesetzt. Nicht zuletzt die Teilnahme am Förderprojekt OPUS der Europäischen Union bekräftigt uns in unserem Bestreben stets die neuesten Technologien einzusetzen, um unseren Kunden die bestmögliche Softwarelösung anbieten zu können.

OPUS – Optimized Predictive Performance Using Cyber Physical Systems
euris ermittelt, ob sich aus der rechnerischen Kombination von Sensorwerten (Sensor Fusion) die Vorhersage für Fehlverhalten / abnormales Verhalten verbessern lässt. Dabei werden zusätzlich zu den entwickelten modellgetriebenen Analyseverfahren auch explorative Verfahren wie MapReduce oder selbstorganisierende neuronale Netze auf den Daten ausgeführt. Ziel ist es, im Rahmen von OPUS ein Framework zu erstellen, das zur Datensammlung, Analyse und Definition von Aktionen im Bereich CPS / IIoT (Industrial Internet of Things) eingesetzt werden kann.

Weitere Informationen finden Sie auf der offiziellen Projektwebseite.

Gerne unterstützen wir Sie bei Ihrem Vorhaben und erstellen gemeinsam mit Ihnen ein individuelles Konzept für ihre eigene Software zur vorausschauenden Wartungsplanung und Kostenreduzierung.


 


Ihr Ansprechpartner für diesen Bereich:
Roland Lütke Volksbeck
roland.luetke-volksbeck@euris.de
0231 54 50 40 - 20