Logo des Repositoriums

Auflistung nach Schlagwort "Predictive Maintenance"

1 - 9 von 9
  • Zeitschriftenartikel
    Automatisierung von Geschäftsprozessen im Maschinen- und Anlagenbau – Fallstudie zu Predictive Maintenance
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 5, 2019) Gluchowski, Peter; Schieder, Christian; Gmeiner, Andreas; Trenz, Stefan
    Die Chancen, die sich durch die zielgerichtete Auswertung und Verwendung von Sensordaten für den Maschinen- und Anlagenbau ergeben, sind immens. Große Anlagen weisen hunderte oder gar tausende von verbauten Sensoren auf, die in kurzen Zeitabständen Daten über aktuelle Zustände einzelner Maschinenkomponenten sowie der Produktionsprozesse erzeugen. Die Produktion von Wellpappe, die als vielseitiges Verpackungsmaterial für Endkunden- und Industrieprodukte weltweit zum Einsatz kommt, stellt hierbei ein besonders anschauliches Beispiel dar. Die Entwicklung digitaler Dienstleistungen wie die vorausschauende Wartung (sog. „Predictive Maintenance“) basieren auf Daten, die an der Anlage erzeugt werden. Ein im Produktionsprozess von Wellpappe kritisches Bauteil stellt das bei der Verklebung der Wellpapp-Schichten verwendete Anpressband dar. Die neueste Generation von Wellpappenanlagen wird zu diesem Zweck mit spezieller Sensorik ausgestattet, die laufend Daten zum Zustand des Bandes liefern. Mit diesen Daten lassen sich mit Hilfe modellbasierter maschineller Lernverfahren Prognosen zur Lebensdauer treffen und damit Automatisierungspotenziale bei nachfolgenden Geschäftsprozessen ausschöpfen. Ziel ist die Minimierung der Produktions- und Qualitätsverluste sowie die Automatisierung der Ersatzteilprozesse. Der Beitrag skizziert die Vorgehensweise und Ergebnisse des zugehörigen Projekts und gibt einen Ausblick auf zukünftige Entwicklungen. The systematic evaluation and use of sensor data create immense opportunities for mechanical engineering and machine operations. Production lines have hundreds or even thousands of built-in sensors that generate data on the current status of individual machine components and production processes at short intervals. The production of corrugated board, which is used worldwide as a versatile packaging material for end customer and industrial products, is a particularly vivid example of this. The development of digital services such as predictive maintenance is based on data generated at the production line. A critical component in the production process of corrugated board is the pressure belt used to bond the layers of corrugated board. For this purpose, the latest generation of corrugators is equipped with special sensors that continuously provide data on the condition of the belt. These data can be used to predict the service life with the aid of model-based machine learning methods and thus exploit automation potential in subsequent business processes. The aim is to minimize production and quality losses and automate spare parts processes. The paper outlines the approach and results of the associated project and gives an outlook on future developments.
  • Konferenzbeitrag
    Dealing with Hardware-related Disturbances in Organic Computing Systems
    (INFORMATIK 2019: 50 Jahre Gesellschaft für Informatik – Informatik für Gesellschaft (Workshop-Beiträge), 2019) Görlich-Bucher, Markus
    The ability to withstand disturbances while remaining functioning in a desired way is regarded as a crucial element in the field of Organic Computing. However, current approaches to self-healing and robustness fail in considering hardware-related breakdowns. These disturbances differ from software-sided disturbances in various aspects: They persist until being repaired, therefore their removal necessitates maintenance actions performed by human repair workers. Furthermore, they may be predicted to a certain degree. In this article, we formulate a problem statement and various requirements an OC system must fulfil in order to increase its robustness against hardware-related disturbances. Furthermore, we present a working plan for a PhD project concerning the investigation of several aspects of the previously motivated problem statement.
  • Zeitschriftenartikel
    Efficient and fast monitoring and disruption management for a pressure diecast system
    (it - Information Technology: Vol. 60, No. 3, 2018) Hegenbarth, Yvonne; Bartsch, Thomas; Ristow, Gerald H.
    An increasing amount of information is collected in industrial production processes. In many cases, this data is only accessible to the vendor of the machines involved in the production process. In the government-funded research project BigPro, we propose a flexible and fast Big Data platform that allows detection and reaction to incidents and anomalies in the production process in near real-time.
  • Textdokument
    From Physical to Virtual: Leveraging Drone Imagery to Automate Photovoltaic System Maintenance
    (INFORMATIK 2021, 2021) Lowin, Maximilian; Kellner, Domenic; Kohl, Tobias; Mihale-Wilson, Cristina
    Optimizing the maintenance of large-scale infrastructure can be a significant cost driver for small and medium-sized enterprises (SMEs). This paper presents a feasible approach to combine data from real-world physical structures collected through an automated maintenance process with cloud-based AI services to generate a meaningful virtual representation of such structures. We use photovoltaic systems as an exemplary physical structure and thermal imaging, collected through scheduled drone monitoring. With help of these unstructured data sources, we demonstrate our approach's applicability. Our solution artifact provides a lightweight AI application that is adoptable for other problem spaces, enabling an easier knowledge transfer from research to SMEs. By combining Cloud Computing with Machine Learning, the artifact identifies present and emerging damages of physical objects. It provides a virtual representation of the object's state and empowers a meaningful visualization.
  • Textdokument
    Intelligente PV-Modul Datenbank-Applikation für Predictive Maintainance von PV-Anlagen
    (INFORMATIK 2021, 2021) Meyer, Felix; Rüter, Joachim; Behrens, Grit; Diehl, Matthias
    Während der Laufzeit von mehreren Jahren können Photovoltaik-Anlagen (PV-Anlagen) diverse Fehler entwickeln. Um diese frühzeitig zu erkennen und maximale Erträge zu gewährleisten, sind regelmäßige Leistungsüberprüfungen erforderlich. AktuelleWartungsmethoden sind jedoch teuer und zeitaufwendig. Dieses Paper beschreibt die Entwicklung einer Datenbank-Webapplikation, die derzeitige wissenschaftliche Erkenntnisse der KI und Big Data in der PV-Praxis nutzbar machen soll. So können PV-Wartungs-ExpertInnen bei der Fehlersuche und der Entscheidungsfindung unterstützt werden. Die Applikation ermöglicht es, PV-Moduldaten abzuspeichern und abzurufen und mittels künstlicher Intelligenz Prognosen für die Leistung und die Kennlinie eines Moduls durchzuführen. Des Weiteren hilft sie bei der Vernetzung von PV-ExpertInnen untereinander sowie zur Vertrauensbildung der NutzerInnen in KI-Systeme.
  • Zeitschriftenartikel
    Kontext und KI: Zum Potenzial der Beschäftigten für Künstliche Intelligenz und Machine-Learning
    (HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 3, 2020) Pfeiffer, Sabine
    Die Bedeutung von Künstlicher Intelligenz und Machine Learning (KI/ML) im Unternehmen nimmt zu. Noch weitgehend unklar ist, ob das Potenzial der Beschäftigten ausreicht und passfähig ist, um die Potenziale dieser Technologie im Unternehmen schnell nutzbar zu machen. Neben den dafür nötigen KI/ML-spezifischen Programmierkenntnissen in der IT-Abteilung erfordert ein robuster und produktiver Einsatz von KI/ML im Unternehmen auch von den Beschäftigten in den anwendenden Fachabteilungen neue Kompetenzen. Sie müssen die Potenziale und Grenzen von KI/ML-Technologien verstehen (KI/ML-Kompetenz) und in der Lage sein, KI/ML-Systeme und ihre Ergebnisse in den fachlichen Kontext und an situative Anforderungen rückzubinden (Kontext-Kompetenz). Der Beitrag identifiziert diese Kompetenzen und zeigt empirisch, in welchem Ausmaß sie vorhanden sind oder entwickelt werden müssen. Dies geschieht auf der Basis der BIBB/BAuA-Erwerbstätigenbefragung 2018 für zwei Felder, die aktuell besonders relevant für den Einsatz von KI/ML sind: Predictive Maintenance und beratungsintensive Sachbearbeitung. Die Ergebnisse zeigen: Beschäftigte haben ein unterschätztes Potenzial für die erfolgreiche Umsetzung von KI/ML, es lohnt sich also, sie in allen Phasen der KI/ML-Umsetzung partizipativ zu involvieren. The importance of Artificial Intelligence and Machine Learning (AI/ML) in companies is increasing. However, it is largely unclear whether the employees’ abilities are sufficient and suitable to make the potential of this technology rapidly usable in the company. In addition to the necessary AI/ML-specific programming knowledge in the IT department, a robust and productive use of AI/ML in the company also requires new skills from employees in the applying departments. They must understand the potential and limits of AI/ML technologies (AI/ML competence) and they must be able to integrate AI/ML systems and their results into the specific context and situational requirements (context competence). The article identifies these competencies and shows empirically to what extent they are available or need to be developed. This is done on the basis of the 2018 German BIBB/BAuA Employment Survey for two areas of application that are currently considered particularly relevant for the use of AI/ML: Predictive maintenance and consulting intensive administration. The results show: Employees have an underestimated potential for a successful application of AI/ML, so it is worthwhile to involve them in all stages of AI/ML implementation.
  • Konferenzbeitrag
    Mixed Reality User Experience von erklärbarer KI und Digitalem Zwilling in der Produktion
    (Mensch und Computer 2023 - Usability Professionals, 2023) Schloer, Nicholas; Boos, Sabine; Harst, Felix; Lanquillon, Carsten; Ohrnberger, Morris; Schoch, Fabian; Schütz, Isabell; Stache, Nicolaj; Wittenberg, Carsten
    Der Einsatz von Künstlicher Intelligenz (KI) stellt in der automatisierten Produktion aktuell noch eine große Herausforderung dar. Die Schwierigkeit besteht darin, die Anwendungsfälle auf andere Szenarien zu übertragen, da für den betrieblichen Ablauf und den Aufbau ein hohes Maß an technischem Know-how erforderlich ist. Ebenso diffizil ist die Bewertung von Ergebnissen, die für den Menschen nur mit Komplikationen und oft unvollständig nachvollziehbar sind. Bei kleinen und mittleren Unternehmen (KMU) kommt häufig hinzu, dass sie zwar über Datensätze verfügen, ihnen aber KI-Tools und Auswertungsmechanismen fehlen. Das "Center for industrial AI" ist ein von der Carl-Zeiss-Stiftung gefördertes, interdisziplinäres Projekt. Es nimmt sich den industriellen Problemen beim Einsatz von KI an und entwickelt Leitanwendungen. Neben den Leitanwendungen und den zugesagten Industriekooperationen wird das "Center for industrial AI" als dauerhafte Struktur an der Hochschule Heilbronn etabliert, um den nachhaltigen Transfer der Ergebnisse zu gewährleisten.
  • Textdokument
    Prototypische Implementierung eines Digital Twin und Predictive Maintenance Methoden am Beispiel des Wasserwerks Langeoog
    (INFORMATIK 2022, 2022) Wybrands,Marius; Höveling,Sven von; Muras,Marco; Töpfer,Heinrich; Marx Gómez,Jorge
    In der Wasserwirtschaft werden vermehrt die Potenziale von Digital Twin und Predictive Maintenance diskutiert. Es fehlt jedoch an Prototypen, welche die theoretischen Überlegungen mit den Bedarfen der Praxis abgleichen. Um diese Lücke zu schließen, wurden am Beispiel des Wasserwerks der Nordseeinsel Langeoog die Konzepte Digital Twin und Predictive Maintenance erprobt. Das Ziel war es, einen horizontalen Prototypen zu entwickeln, der vom Sensor bis zum Dashboard alle Informationsebenen abbildet, um Rückschlüsse auf Potenziale zur Digitalisierung und Einschränkungen in den Technologien zu ermitteln. Durch den Prototypen konnte gezeigt werden, dass durch den Einsatz von Digital Twins und Predictive Maintenance Methoden ein besseres Verständnis über den aktuellen Systemzustands für das Wartungspersonal erlangt werden kann.
  • Textdokument
    Responding to the Forecast
    (INFORMATIK 2017, 2017) Varwig, Andreas; Kammler, Friedemann; Thomas, Oliver
    Machines become increasingly complex. At the same time, more and more sensors are installed and information is gathered in order to enable a close to real-time prediction of a machine's state. Compa-nies try to implement Predictive Maintenance strategies to avoid machine downtimes on a large scale. For this purpose, artificial neural networks are applied more and more often. However, the classifica-tion of machine states with artificial neural networks is still not accurate enough. This is partially due to a lack of standards in data processing and in the harmonization of data from different sensor types. We aim to contribute to close these research gaps by developing a standard PM concept for machine and plant manufactures.