Noch Fragen?

Ihre Kontaktdaten werden zum Zweck der Kontaktaufnahme im Rahmen dieser Anfrage gespeichert. Mit dem Absenden dieses Formulars stimmen Sie dieser Verwendung zu. Weitere Informationen finden Sie in unserer Datenschutzerklärung.

x

Vielen Dank für Ihr Interesse an unseren Produkten. Nach Eingabe Ihrer E-Mail-Adresse, bekommen Sie die angeforderte Datei von uns zugesandt.

* Pflichtfelder

„Machine Learning“ als Kern der „Predictive Maintenance“

Machine LearningMachine Learning

Web-Hosting in der Cloud war gestern, große Datenmengen mit Hilfe von Mustern und Gesetzmäßigkeiten vorausschauend zu analysieren, ist heute:  „Machine Learning“-Algorithmen ermöglichen die Maschine zu reparieren, bevor sie ungeplant ausfällt.

Temperaturverlauf, Druck, Drehzahl und vieles mehr: Daten von Anlagen werden mittlerweile en masse erhoben. Die daraus resultierenden großen Datenmengen lassen aber nur selten probate Schlüsse zu. Was fehlt sind analytische Modelle: Hier kommen die „Machine Learning“ -Algorithmen ins Spiel. Insbesondere in Kombination mit auftretenden Störmeldungen können mit deren Hilfe Muster und Gesetzmäßigkeiten in Betriebsdaten identifiziert werden, die mit hoher Wahrscheinlichkeit einen Ausfall erzeugen. Heißt übersetzt: Die „Machine Learning“-Verfahren erkennen Muster in Daten, verallgemeinern diese und wenden sie auf neue Daten an. „Machine Learning“-Services ermöglichen damit, die Maschine zu reparieren, bevor sie ungeplant ausfällt. Die Algorithmen ähneln dabei durchaus dem menschlichen Gehirn: Je öfter entsprechende Gesetzmäßigkeiten eintreten, die in weiterer Folge zu Ausfällen führen, desto eher können diese erkannt werden. 

Korrelation der Betriebsdaten entscheidend

„Machine Learning“ – als Schlüsseltechnologie von künstlicher Intelligenz – ist damit der Kern von „Predicitive Maintenance“. Denn: Erst durch die Echtzeit-Analyse der Korrelation von unterschiedlichsten Betriebsdaten, können künftige Entwicklungen mit einer entsprechenden Eintrittswahrscheinlichkeit prognostiziert werden. Entscheidend: Damit „Machine Learning“ eine vorausschauende Instandhaltung ermöglicht, muss sie in die Geschäftsprozesse integriert werden.

Nutzungsdaten als Basis für „Pay-by-use“-Modelle

Der praktische Nutzen einer Lösung wie dieser ist weitreichend: Anlagenbauer könnten etwa Anlagen aus der Ferne überwachen, Diagnosen stellen und mögliche Ausfälle prädiktiv vorhersagen. Anstelle des klassischen Verkaufs rückt dadurch die Verwendung der Anlagen in den Mittelpunkt – abgebildet durch monatliche Grundgebühren bzw. einer wesentlich reduzierten Einstiegshürde für den Käufer. 

Sie haben Interesse an „Machine Learning“ und den Möglichkeiten, die sich dadurch für Ihre Produktion ergeben? Dann treten Sie mit uns in Kontakt.

 

Bild: (c) Adobe Stock