Smart Machines/Predictive Maintenance: Data Quick Check
Steigern Sie die OEE und Effizienz Ihrer Maschinen und Anlagen
Predictive Maintenance, Predictive Quality und adaptive Regelung mit Hilfe von KI versprechen hohe Mehrwerte. Häufig wird aber das Fehlen von Daten und die Seltenheit kritischer Ereignisse (z.B. Störungen) als (zu) großes Risiko für eine erfolgreiche Umsetzung betrachtet. Mit unserem Data Quick Check ermitteln wir auf Basis unserer Lösungsbausteine und Analysewerkzeuge zügig Potentiale und Defizite in ihren Daten aus dem Shopfloor.
Schaffen Sie sich eine abgesicherte Ausgangsbasis für die Umsetzung von Piloten für Industrie 4.0 Anwendungen. Sie erhalten aussagekräftige Analysen und Visualisierungen, die zur Konkretisierung von Machbarkeit, Aufgabenstellungen und Lösungsansätzen beitragen. Erfahrungsgemäß ergeben sich in diesem ersten Schritt bereits weitere interessante Erkenntnisse für Sie.
Zielsetzung
- Präzisierung der Ziele, Mehrwerte und Anforderungen
- Absicherung der Datengrundlagen
- Erste Einschätzung der Umsetzbarkeit der Anwendungsfälle und Mehrwerte
- Erkennung und Analyse von Mustern und Zusammenhängen
- Gemeinsame Verbindung von Fachwissen und Data Science/KI Wissen
- Erarbeitung notwendiger Schnittstellen und Integrationen (z.B. OPC UA, MQTT, SPS, MES)
Ihre Vorteile
Fundierte Grundlagen für Entscheidungen und die weitere Umsetzung Ihrer Industrie 4.0 Projekte
Einfachere Budgetierung und Vermeidung von Risiken durch kleine Schritte und Streckenerfolge
Zügige Ergebnisse dank standardisierter, fachgerechter Analysen und Visualisierungen
Neue Erkenntnisse über Anlagen-/ Maschinenverhalten durch entdeckte Muster und Zusammenhänge
Möglichkeit zur produktiven Weiterverwendung als interaktive Dashboards für Condition Monitoring
Weitergehende, zielgerichtete Analysen nach Ihren Wünschen
Häufig gestellte Fragen
- Sind ausreichend Sensor-, Steuer- und Prozessdaten vorhanden?
- Sofern viele Daten vorhanden sind – welche sind relevant?
- Reichen Zeitraum. Auflösung und Qualität der Daten aus?
- Sind alle notwendigen Informationen enthalten?
- Sind die Trainingsdaten (z.B. Störungen/Ausfälle) hinreichend?
- Können Muster, Zusammenhänge und Anomalien erkannt werden?
- Welche Einflussfaktoren (z.B. Fertigungsprogramme, Umbauten) sind zu berücksichtigen?
Beispielhafte Inhalte, Analysen und Visualisierungen
- Prüfung von Zeitstempeln und Synchronität der Signale
- Reduzierung auf relevante, informative Daten
- Erkennung Anomalien und Verhaltensänderungen z.B. Störungen, Umbauten, Verschleiß, Fertigungsprogramme
- Visualisierungen von Signalverläufen in unterschiedlichen zeitlichen Auflösungen
- Herstellung des Zusammenhangs mit wichtigen Ereignissen (Warnungen, Störungen etc.)
- Korrelationsanalysen und statistische Bewertungen
- (Kurzzeit) Fourier-Transformationen und Visualisierung als Spektrogramme
- Visualisierung und Analyse von Verteilungen, z.B. mittels Histogrammen und Tests
- Präzisierung und Formalisierung der fachlichen Aufgabenstellung
- Nutzung einfacher Vorhersagemodelle als Basis Benchmark
Vorgehen und Dauer
Innerhalb kürzester Zeit (2-4 Wochen) setzen wir gemeinsam folgende Schritte um:
- Wir formulieren gemeinsam die richtigen Fragestellungen auf Basis unserer Erfahrungswerte.
- Sie stellen uns Ihre Daten in der vorliegenden Form und dem gewünschten Weg zur Verfügung.
- Wir „röntgen“ Ihre Daten auf Qualität, Vollständigkeit sowie nach Mustern und Zusammenhängen.
- Sie erhalten aussagekräftige Ergebnisse die wir gemeinsam interpretieren.
Unsere Referenz
Diese Erfahrung hat unser Kunde gemacht:
„Für unseren Weg in die Welt der KI haben wir uns ganz bewusst für AIM und das initiale Paket „Data Quick Check“ entschieden. Nachdem AIM in einem allerersten Workshop überzeugend die mit dem KI-Einsatz verbundenen Optimierungspotenziale für unsere Use-Cases aufzeigen konnte, sind wir sehr gespannt auf diesen Piloten und freuen uns auf die produktive Zusammenarbeit für den nächsten Schritt in Richtung Implementierung.“
Matthias Reidans