Steigerung der Instandhaltungsqualität durch maschinenspezifische Informationen am Beispiel der Papier- und Druckweiterverarbeitung

Die Wahl einer wirtschaftlichen Instandhaltungsstrategie steht im Spannungsfeld zwischen Produktionsausfällen auf der einen und Instandhaltungsaufwendungen auf der anderen Seite. Die voraussagende Instandhaltung von Produktionsanlagen verspricht einen Ausweg aus diesem Zielkonflikt, sofern sich die Maschinenzustände prognostizieren lassen. Die Digitale Maschinenakte unterstützt diese Aufgabe durch eine Kombination aus Datenaustausch und Künstlicher Intelligenz.

Maschinenüberwachung, Künstliche Intelligenz

Im Projekt "Steigerung der Instandhaltungsqualität durch maschinenspezifische Informationen am Beispiel der Papier- und Druckweiterverarbeitung" wurden Methoden entwickelt, die eine verbesserte Instandhaltungsqualität durch eine voraussagende Strategie ermöglichen. Die entwickelten Methoden kombinieren den Austausch von instandhaltungsbezogenen Daten und die Analyse dieser Daten mittels künstlicher Intelligenz. Dadurch wird erreicht, dass die am Lebenszyklus einer Anlage beteiligten Unternehmen zusätzliche Informationen gewinnen, z. B. über den aktuellen Verschleißgrad einer Baugruppe.

Instandhaltung, Data Mining

Die zustandsorientierte Instandhaltung von Produktionsanlagen verspricht gegenüber anderen Instandhaltungsstrategien ein besseres Verhältnis von Verfügbarkeit zu Instandhaltungskosten. Zur Bestimmung und Prognose des Anlagenzustands wird in diesem Beitrag ein neuartiger Ansatz vorgestellt. Der Ansatz nutzt Methoden der künstlichen Intelligenz, die auf einen lebenszyklusphasenübergreifenden, verteilten Datenbestand angewandt werden. Der Ansatz vereinfacht die Einführung der zustandsorientierten Instandhaltung durch maschinelle Lernverfahren und ist insbesondere für Anlagen mit einem bisher unbekannten Ausfallverhalten geeignet.

Zustandsorientierte Instandhaltung, Zustandsprognose, Künstliche Intelligenz, Verteilte Datenhaltung