Instandhaltung, Service und Montage : Machine Learning zur Vorhersage von Anlagenausfällen

Unvorhersehbarer Anlageunfälle kommen oftmals bei der Arbeit vor, diese sind meist sehr kostspielig. Ein möglicher Lösungsansatz ist die Verkürzung der Wartungsintervalle, um so ein Risiko zu verringern. Dieser führt ebenfalls zu hohen Kosten, aufgrund z.B. Produktionsausfall oder Austausch von Teilen. Um diesem Problem entgegenzuwirken, hat die Tepcon GmbH eine Monitoring-Lösung entwickelt, mit der weltweit beliebige Anlageninformationen erfasst und verarbeitet werden, als auch Anlagesteuerungen vorgenommen werden können. Anlage-Informationen können mittels unterschiedlicher Methoden, des automatischen Lernens analysiert werden. Die bisherige Monitoring-Lösung kann jedoch nur spezifisch für einzelne, ausgewählte Methoden erfolgen.

Das in dem FuE (Forschung und Entwicklung) Projekt angestrebte Ziel war eine autarke Lösung zur Vorhersage von Anlagenausfällen, wodurch das automatische Lernen parallel für mehrere Methoden erfolgen kann. Mithilfe von vibroakustischer Sensoren können nahezu beliebige technische Anlagen nachgerüstet werden, ohne Eingriffe in das bestehende System. Damit kann der Anwender das Vorhersagesystem genau auf seine jeweilige individuelle Anlage einrichten.

Mit dieser Lösung hat der Anwender die Möglichkeit, das Vorhersagesystem genau auf seine individuelle Anlage auszulegen und möglichst viele Methoden simultan anzuwenden. Hierbei erfolgt das Training der Methoden extern. Anhand der erfolgten Relevanzbestimmung konnte die Aufwandsreduktion und der Genauigkeitsverlust ausgeglichen werden, wodurch das Projekt alle Teildisziplinen erfüllt. Zudem wurde ein multisensorielles Hardwaresystem eingestellt, welches eingebettete Softwaremodule des automatischen Lernens enthält. Somit beschleunigt sich der Lernprozess. Das Vorhaben gilt als äußerst erfolgreich und wurde mithilfe der Spitzmüller AG durch das Förderprogramm „Zentrales Innovationsprogramm Mittelstand (ZIM)“ gefördert. Quelle: Spitzmüller AG