Big Data – Analysesoftware

Mit Industrial Analytics neue Geschäftsmodelle entwickeln

Seite: 4/4

Anbieter zum Thema

Grundlage: Machine Learning

Das gemeinsame Predictive-Maintenance-Projekt begann zunächst mit einer Machbarkeitsstudie. Das Ziel: Eine Wartung oder Reparatur soll vorbeugend vorgenommen werden können, bevor ein Ausfall eintritt. Dazu startete Boge mit der Aufnahme der Kompressordaten, aus denen das Verhalten gelernt wird. Anschließend konzentriert man die Analyse auf die fehlerrelevanten Daten, die zum Verständnis möglicher Kompressorausfälle erforderlich sind. Um möglichst robuste Vorhersagen zu treffen werden aktuelle Verfahren des maschinellen Lernens zugrunde gelegt, die helfen das Kompressorverhalten zu beschreiben und zu prognostizieren.

Bei den Analysen stand Boge als Anwender mit seinem wichtigen Know-how im Mittelpunkt. Die Software kann einen Fehler zwar mit einer bestimmten Wahrscheinlichkeit vorhersagen – Voraussetzung hierfür ist jedoch stets, dass er zuvor von einem Applikationsexperten als relevant klassifiziert wurde. Nur der Anwender kann bewerten, ob eine Anomalie tatsächlich als kritischer Fehler einzustufen ist.

Bildergalerie
Bildergalerie mit 8 Bildern

Ausschlaggebend ist das Datenmuster

Die aufgenommenen Daten stammen alle von Messtechnik-Komponenten, die ohnehin im Kompressor vorhanden sind. Es musste keine neue Sensorik nachgerüstet werden. In die Auswertung und Analyse wurden Motortemperatur, Luftdruck und Motordrehzahl einbezogen. Die Datenqualität wurde beurteilt und gemeinsam mit Boge über ihre Relevanz entschieden. Anschließend sortierte man nicht relevante Datenquellen aus. Dabei gilt es zu beachten wie die Messwerte miteinander interagieren, denn ausschlaggebend ist nicht der einzelne Wert, sondern das vorhandene Datenmuster. So entsteht ein komplexes Datenmodell der Normalität, mit dessen Hilfe der Schadensfall präzise vorhersagbar ist, wenn die Werte in einer bestimmten Weise vom gelernten Model abweichen. Mit entscheidend ist, dass das System permanent hinzulernt. Mit jeder neuen Fehlermeldung und anhand von Rückmeldungen des Bedieners verändert sich das Model.

Daraus ergeben sich wertvolle Analytics Ergebnisse: In welchem Status befindet sich der Kompressor aktuell und in der Vergangenheit, wann wird sich der Zustand zu einem kritischen Fehler hin verändern und wie effizient war der Kompressor, d. h. wie viel Druck hat er in den letzten Tagen geliefert. Die Analytics Lösung von Boge ist so konzipiert, dass sich auch noch nicht bekannten Fehler hinzulernen lassen – berechnete Vorhersagen über den Kompressorausfall werden also über die gesamte Betriebszeit des Kompressors immer präziser.

Maschinenstillstände lassen sich vermeiden

Letztlich profitiert der Anwender von einer hocheffektiven Software, die konkret darüber Auskunft gibt, wie viele Minuten oder Stunden es noch dauert, bis ein technisches Problem an der Maschine entsteht. Interessanterweise entscheidet dann der weitere Einsatz des Kompressors darüber, ob dieser Wert Bestand hat: Verändert sich das Einsatzszenario und die Maschine wird zum Beispiel geschont, verlängert sich die angezeigte ‚Restlaufzeit‘. In jedem Fall lassen sich größere Schäden verhindern, wenn Anwender rechtzeitig reagieren und einen Serviceeinsatz bzw. ein Wartungsintervall einleiten – und genau hier schließt sich der Kreis für Boge, denn das gesamte Selectcair-Servicepaket des Druckluft-Spezialisten basiert auf dem Prinzip „Sicherheit geht vor“. Es wird alles unternommen, damit die Maschine so wenig und so kurz wie möglich während ihres Lebenszyklus stillsteht. Eine Investition in Redundanzanlagen ist nicht mehr nötig – ein dickes Plus für den Kunden.

Fazit: Mit ihren Automatisierungslösungen, Fertigungsverfahren und Konstruktionen setzen Grenzebach sowie Boge jeweils Benchmarks in ihren Branchen. Industrial Analytics von Weidmüller unterstützt dieses Anspruch.

Hannover Messe: Halle 11, Stand B58

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

(ID:45165891)