{"id":5626,"date":"2021-08-13T11:48:12","date_gmt":"2021-08-13T11:48:12","guid":{"rendered":"https:\/\/knowhow.distrelec.com\/?p=5626"},"modified":"2021-08-13T11:48:14","modified_gmt":"2021-08-13T11:48:14","slug":"keine-ausfallzeiten-mehr-wie-ki-die-maschinenwartung-veraendert","status":"publish","type":"post","link":"https:\/\/knowhow.distrelec.com\/de\/instandhaltung\/keine-ausfallzeiten-mehr-wie-ki-die-maschinenwartung-veraendert\/","title":{"rendered":"Keine Ausfallzeiten mehr: Wie KI die Maschinenwartung ver\u00e4ndert"},"content":{"rendered":"\n

Maschinenausf\u00e4lle sind nicht nur unglaublich teuer, sie k\u00f6nnen auch lebensgef\u00e4hrlich sein. Mit der zunehmenden Bedeutung von k\u00fcnstlicher Intelligenz geh\u00f6ren sie aber bald der Vergangenheit an.<\/p>\n\n\n\n

\n\t<\/div>\n\n\n\n

Keine Ausfallzeiten mehr: Wie KI die Maschinenwartung ver\u00e4ndert <\/h2>\n\n\n\n

Moderne Gesellschaften sind in zunehmendem Ma\u00dfe von Maschinen abh\u00e4ngig. Wir verwenden Autos, Busse und Z\u00fcge f\u00fcr unseren Weg zur Arbeit. Wir verlassen uns darauf, dass Turbinen und Stromnetze unser Zuhause mit Energie versorgen. Landwirtschaftsmaschinen z\u00fcchten und ernten unsere Nahrungsmittel. Man kann leicht vergessen, wie sehr unser Leben von Maschinen bestimmt wird \u2013 bis diese Maschinen einmal ausfallen.<\/p>\n\n\n\n

Pflege, Wartung und Instandhaltung sind entscheidend f\u00fcr den Nutzen einer Maschine. Oft ist es aber schwierig, bei der Entscheidung, ob und wann ein Teil repariert oder ersetzt werden muss, das richtige Gleichgewicht zu finden. Und wie bei den meisten Entscheidungen, die ohne konkrete Daten getroffen werden, kann dies zu gro\u00dfer Ineffizienz f\u00fchren. Es ist also nicht \u00fcberraschend, dass sich viele Unternehmen daf\u00fcr interessieren, wie KI und maschinelles Lernen neue Erkenntnisse liefern und Ineffizienz und Ausf\u00e4lle reduzieren k\u00f6nnen..<\/p>\n\n\n\n

Ausfallzeiten sind schlecht f\u00fcr die Produktivit\u00e4t<\/h2>\n\n\n\n

Ungeplante Ausfallzeiten f\u00fchren bei industriellen Herstellern zu j\u00e4hrlichen Kosten von ca. 50 Milliarden US-Dollar.Quelle: Deloitte<\/em><\/strong><\/p><\/blockquote>\n\n\n\n

F\u00fcr die Produktivit\u00e4t sind Ausfallzeiten Gift. Es reicht, wenn nur eine einzige Maschine stillsteht, und schon kommt die ganze Lieferkette zum Erliegen.

Nat\u00fcrlich rechnen viele Unternehmen mit einem gewissen Ma\u00df an Ausfallzeiten und akzeptieren dieses auch. Sie verstehen, dass Maschinen regelm\u00e4\u00dfig vom Netz genommen werden m\u00fcssen, um hinsichtlich ihrer Sicherheit und notwendiger Reparaturen \u00fcberpr\u00fcft zu werden. W\u00e4hrend Unternehmen diese geplanten Ausfallzeiten in ihre Betriebsabl\u00e4ufe integrieren k\u00f6nnen, um sicherzustellen, dass sie so produktiv wie m\u00f6glich bleiben, k\u00f6nnen ungeplante Ausfallzeiten zu immensen Unterbrechungen f\u00fchren.

Ungeplante Ausf\u00e4lle und St\u00f6rungen an Betriebsmitteln k\u00f6nnen ein Unternehmen in gro\u00dfem Umfang Zeit und Geld kosten. Sie hindern Mitarbeiter daran, ihre Arbeit zu erledigen, bringen Produktionspl\u00e4ne zum Erliegen und f\u00fchren, je nach Branche, zu gro\u00dfen Vertrauensverlusten bei Kunden. Stellen Sie sich nur einmal vor, was passieren w\u00fcrde, wenn ein medizinisches Ger\u00e4t in einem Krankenhaus ausf\u00e4llt.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Aktuelle Wartungsstrategien<\/h2>\n\n\n\n

Die meisten Wartungsarbeiten lassen sich einer von drei Kategorien zuordnen:<\/p>\n\n\n\n

REACTIVE MAINTENANCE<\/h3>\n\n\n\n

Nur reparieren, was kaputt ist.<\/p>\n\n\n\n

PLANNED MAINTENANCE<\/h3>\n\n\n\n

Die Wartung wird unabh\u00e4ngig vom Zustand geplant.<\/p>\n\n\n\n

PROACTIVE MAINTENANCE<\/h3>\n\n\n\n

Teile werden, basierend auf Erfahrungen, in Erwartung eines zuk\u00fcnftigen Ausfalls ersetzt. Die Entscheidung wird h\u00e4ufig auf Grundlage statistisch berechneter Zeitabst\u00e4nde getroffen.<\/p>\n\n\n\n

Schlechte Wartungsstrategien k\u00f6nnen die Produktionskapazit\u00e4t einer Fabrik um 5\u201320 % reduzieren.<\/p>Quelle: Deloitte<\/em><\/strong><\/cite><\/blockquote>\n\n\n\n

\"\"<\/figure>
\n

Die reaktive Wartung (also ungeplante Ausfallzeit) ist eine Herangehensweise, bei der Maschinen betrieben werden, bis eine St\u00f6rung auftritt. Dies kann zu langen Unterbrechungen f\u00fchren, da das Unternehmen den Betrieb einstellen muss, wenn die Maschine ohne Warnung ausf\u00e4llt. Allerdings sind die Kosten f\u00fcr routinem\u00e4\u00dfige Wartungen bei dieser passiven Herangehensweise niedrig. Techniker sind nur erforderlich, wenn sie tats\u00e4chlich gebraucht werden.<\/p>\n\n\n\n

Die geplante Wartung reduziert das Risiko von Ausf\u00e4llen durch regelm\u00e4\u00dfige Beurteilungen. Ein Ausfallrisiko besteht zwar weiterhin, die Unternehmen haben aber eine h\u00f6here Chance, das Problem vorausschauend zu beheben, bevor es zu umfangreich wird. Dies maximiert zwar die Lebensdauer einer Maschine, kann aber auch zu gro\u00dfen Verlusten bei der Produktionszeit f\u00fchren, w\u00e4hrend die Maschine au\u00dfer Betrieb ist.<\/p>\n\n\n\n

Die proaktive Wartung zielt darauf ab, die Wartung effizienter zu gestalten. Dazu werden Analysen herangezogen, um die Kapazit\u00e4t der Maschinen zu ermitteln, um ihre kritischen Momente auszumachen und um Wartungsressourcen zu optimieren. Es geht weniger darum, sich an einen Zeitplan zu halten, als vielmehr darum, Daten zu verwenden, um Betriebsabl\u00e4ufe zu \u00fcberpr\u00fcfen und zu verbessern.<\/p>\n<\/div><\/div>\n\n\n\n

Bei Firmen mit einer gro\u00dfen Anzahl von Maschinen scheint die proaktive Wartung sowohl langfristig als auch kurzfristig die kosteneffizienteste Strategie zu sein. Diese Herangehensweise st\u00f6\u00dft aber auch an ihre Grenzen, da sie nur die Faktoren steuert, die zu einem Maschinenausfall f\u00fchren k\u00f6nnen, die Maschine selbst aber nicht \u00fcberpr\u00fcft wird.

Was kann also getan werden? Gl\u00fccklicherweise helfen eine bessere Konnektivit\u00e4t und technische Innovationen dabei, die L\u00fccken zu f\u00fcllen.<\/p>\n\n\n\n

Wie Konnektivit\u00e4t die Wartung ver\u00e4ndern wird<\/h2>\n\n\n\n

Heute konzentrieren sich viele High-Tech-Giganten auf die Entwicklung von KI. Microsoft, Google, Amazon, IBM, Facebook, Apple und Tausende KI-Startups konkurrieren um die F\u00fchrungsrolle im Bereich KI. Das Marktforschungsunternehmen Tractica sch\u00e4tzt den Wert des weltweiten KI-Markts im Jahr 2017 auf 1,99 Milliarden Euro und prognostiziert, dass er bis 2025 auf 30 Milliarden Euro anw\u00e4chst.<\/p>\n\n\n\n

Es wird erwartet, dass durch KI bis 2020 1,8 Millionen Arbeitspl\u00e4tze wegfallen. Im gleichen Zeitraum sollen durch KI aber auch 2,3 Millionen neue Arbeitspl\u00e4tze entstehen. Das Gesundheitswesen, der \u00f6ffentliche Sektor und die Bildung werden einen kontinuierlich wachsenden Bedarf an Arbeitskr\u00e4ften haben. Die Fertigung wird es am schwersten treffen. Quelle: Garner<\/em><\/strong><\/p><\/blockquote>\n\n\n\n

Dieses beachtliche Wachstum ist m\u00f6glich, da KI in allen Branchen und Anwendungsbereichen eingesetzt werden kann \u2013 darunter auch in der Wartung. Unabh\u00e4ngig davon, was genau Wissenschaftler erschaffen, teilen KIs alle einen gemeinsamen Zweck: wiederkehrender Aufgaben zu \u00fcbernehmen und Menschen dabei zu helfen, effizienter und besser zu arbeiten. Dazu z\u00e4hlt auch die verbesserte Wartung.<\/p>\n\n\n\n

Durch KI kann Wartung nicht mehr nur pr\u00e4ventiv oder proaktiv sein, sondern vorausschauend werden.<\/h2>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Vorausschauende Wartung<\/h3>\n\n\n\n

Viele Industriezweige, die stark von Maschinen abh\u00e4ngen, investieren in die vorausschauende Wartung.

Mit den M\u00f6glichkeiten der KI kann Wartung nicht nur pr\u00e4ventiv oder proaktiv sein, sondern vorausschauend werden. Durch vorausschauende Wartung werden Reparaturen nur ausgef\u00fchrt, wenn sie erforderlich sind.

Dies wird durch angeschlossene Sensoren, Schalter und KI-f\u00e4hige Tools erreicht, die Tausende von Variablen in einer Maschine analysieren und so Probleme feststellen, die andernfalls unbemerkt geblieben w\u00e4ren. Daten aus verschiedenen Quellen werden in Echtzeit gesammelt, kombiniert und analysiert, sodass Unternehmen Maschinenausf\u00e4lle vorhersehen k\u00f6nnen, bevor sie auftreten. Wenn die Daten eine nachlassende Leistung anzeigen, k\u00f6nnen die Bediener eine Reparatur veranlassen, bevor die gesamte Montagelinie zum Stillstand kommt.

Diese F\u00e4higkeit, Reparaturen vorherzusagen, f\u00fchrt zu einer erheblichen Senkung der Wartungskosten. Sie kann aber sogar noch weiterreichende Vorteile f\u00fcr das Unternehmen haben. Wenn beispielsweise die vorausschauende Wartung einen unmittelbar bevorstehenden Ausfall erkennt, k\u00f6nnen automatisch eine Reihe problemspezifischer Ma\u00dfnahmen ergriffen werden: Ein Arbeitsauftrag wird ausgestellt, die zust\u00e4ndigen Techniker werden benachrichtigt, oder ein Ersatzteil wird bestellt.<\/p>\n\n\n\n

\"\"<\/figure>
\n

OIm Laufe der Zeit kann die vorausschauende Wartung erkennen, wie eine Reparatur am besten vorgenommen werden sollte. Diese zweite Analyseebene erm\u00f6glicht Unternehmen weitere Erkenntnisse, die zu einer Steigerung der Effizienz und schlie\u00dflich zu einer Reduzierung der Ausfallzeiten auf null f\u00fchren k\u00f6nnen. Dies ist m\u00f6glich, da die KI die tats\u00e4chliche Lebensdauer der Ausr\u00fcstung feststellen, den idealen Zeitpunkt f\u00fcr Reparaturen bestimmen und die Arbeitsabl\u00e4ufe so planen kann, dass der Zeitraum f\u00fcr Reparaturen m\u00f6glichst kurz gehalten wird.<\/p>\n\n\n\n

Weiterhin erm\u00f6glichen die bei der vorausschauenden Wartung gesammelten Daten Managern ein besseres Verst\u00e4ndnis daf\u00fcr, warum verschiedene Teams mit denselben Maschinen unterschiedliche Ergebnisse liefern. Auch diese zus\u00e4tzlichen Daten bieten Unternehmen Einblicke, mit denen sie zus\u00e4tzlichen Gewinn erwirtschaften k\u00f6nnen. Sie k\u00f6nnen die Projektplanung, die Personalplanung, die Inventarverwaltung und den Kundendienst unterst\u00fctzen. Entscheidungen werden auf Fakten basierend und somit mit weniger Risiko und mehr Sicherheit getroffen.<\/p>\n<\/div><\/div>\n\n\n\n

Die Zukunft schon heute vorhersagen<\/h2>\n\n\n\n

Die vorausschauende Wartung ist f\u00fcr Innovationen in der Fertigung von zentraler Bedeutung, da sie es Unternehmen erm\u00f6glicht, ihre gesamte Wartungsstrategie top-down zu optimieren. Damit k\u00fcndigt sich nicht nur eine rosige Zukunft f\u00fcr die Branche an, die M\u00f6glichkeiten werden schon jetzt in die Praxis umgesetzt.

Viele Branchen verwenden bereits irgendeine Form der vorausschauenden Wartung mit Technologien f\u00fcr eine kontinuierliche \u00dcberwachung. Tools f\u00fcr das Internet der Dinge unterst\u00fctzen Unternehmen dabei, die Systemleistung und die Einsatzumgebung im Auge zu behalten. Die kontinuierliche \u00dcberwachung generiert allerdings riesige Datenmengen, und an dieser Stelle muss die KI ins Spiel kommen. Durch fortschrittliche Algorithmen und maschinelles Lernen k\u00f6nnen Unternehmen Erkenntnisse in Echtzeit in die Entscheidungsfindung einflie\u00dfen lassen.

Hier sind nur einige Beispiele, wie die vorausschauende Wartung bereits heute angewendet wird:<\/p>\n\n\n\n

Z\u00fcge<\/h3>\n\n\n\n

In Deutschland arbeitet die Deutsche Bahn mit Siemens zusammen, um vorausschauende Wartungstechniken zu verbessern. Die Deutsche Bahn hofft, dass erweiterte Datenanalysen mit Hilfe intelligenter Sensoren und Algorithmen Muster in den Betriebsdaten erkennen k\u00f6nnen. Beispielsweise k\u00f6nnen intelligente Bremssysteme \u00fcberwacht werden, um den optimalen Zeitpunkt f\u00fcr den Austausch zu bestimmen. Sensoren k\u00f6nnen den Zustand der Schienen \u00fcberwachen, um Reparaturen entsprechend zu veranlassen. Indem die Fehlerrate von Bauteilen an den Z\u00fcgen reduziert wird, kann die Deutsch Bahn auch den Bedarf an Ersatzteilen und die Ausfallzeiten senken.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Automobile<\/h3>\n\n\n\n

R\u00fcckrufe sind nicht nur teuer f\u00fcr den Hersteller, sie sind auch sehr gef\u00e4hrlich f\u00fcr die Verbraucher. Gl\u00fccklicherweise k\u00f6nnen Daten und KI diese verhindern, indem Probleme sehr viel fr\u00fcher erkannt werden. BMW kooperiert mit Teradata, um die Entscheidungsfindung basierend auf den riesigen Datenmengen, die bei Entwicklung, Produktion und Vertrieb von Fahrzeugen generiert werden, zu verbessern. Indem diese Daten kombiniert und mit m\u00e4chtigen Werkzeugen analysiert werden, k\u00f6nnen Automobilhersteller ihre Lieferketten effizienter gestalten und Fehler erkennen, bevor sie zu Problemen f\u00fchren.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Fluggesellschaften<\/h3>\n\n\n\n

Die Wartung von Flugzeugen ist h\u00e4ufig \u00e4u\u00dferst komplex. Deshalb entwickeln Wissenschaftler winzige Roboter, die in das Innere eines Motors gelangen k\u00f6nnen, um seine Teile zu \u00fcberpr\u00fcfen und Reparaturen durchzuf\u00fchren. Die britische Wochenzeitung The Economist berichtet von dem Projekt, das von einem Team von Wissenschaftlern bei GE Global Research entwickelt wird. Aktuell werden die Roboter f\u00fcr die Durchf\u00fchrung der Inspektionen programmiert. Wenn diese Phase erfolgreich abgeschlossen ist, so hoffen die Wissenschaftler, werden die Roboter in der Lage sein, Reparaturen vorzunehmen, w\u00e4hrend das Flugzeug zwischen zwei Eins\u00e4tzen am Gate wartet.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Lagerhaltung<\/h3>\n\n\n\n

Roboter werden bereits heute f\u00fcr schweres Heben verwendet. Aber die Lagerroboter von morgen sollen auch Menschen unterst\u00fctzen. SecondHands ist ein Roboter, der menschliche Wartungstechniker unterst\u00fctzen soll. Er wird von Ocado Technology in Zusammenarbeit mit dem Karlsruher Institut f\u00fcr Technologie entwickelt und soll die von Menschen durchgef\u00fchrte Wartung effizienter machen. Der Roboter kann beispielsweise Menschen proaktiv bestimmte Werkzeuge reichen, wenn er erkennt, dass diese ben\u00f6tigt werden. Dazu verwendet er visuelle Wahrnehmung, die Erkennung menschlicher Handlungen, Aufgabenplanung und -ausf\u00fchrung und weitere F\u00e4higkeiten.<\/p>\n\n\n\n

\n