Vorausschauende Instandhaltung in der Fabrikhalle
Die moderne Fabrik ist eine komplexe, oft hochtechnisierte Umgebung. Fertigungsstraßen bestehen aus einer Reihe von Geräten und Komponenten, von denen jede eine bestimmte Aufgabe in einer bestimmten Reihenfolge erfüllt. Ein Problem mit einem einzigen Bauteil kann den gesamten Fertigungsprozess zum Erliegen bringen. Solche Ausfälle sind äußerst kostspielig, weshalb die Fabriken der Instandhaltung einen hohen Stellenwert – und ein hohes Budget – einräumen. Das Problem bestet darin, dass die meisten Instandhaltungsmaßnahmen entweder routinemäßig durchgeführt werden, also unabhängig davon, ob eine Anlage repariert werden muss, oder reaktiv, sprich nachdem etwas defekt ist. Beide Ansätze tragen zwar dazu bei, das Risiko eines längeren Stillstands zu verringern, aber keiner von beiden leistet gute Vorbeugearbeit, um einen Ausfall von vornherein zu verhindern. Was Fabriken brauchen, ist eine vorausschauende Wartung – und genau das ist das Ziel des EU-finanzierten Projekts PROGRAMS (PROGnostics based Reliability Analysis for Maintenance Scheduling). „Wir beabsichtigen, Informationen von jeder Fabrikebene zu extrahieren – Steuerungs- und Sensordaten, Wartungsberichte, Erfahrungen der Arbeitskräfte, physikalische Merkmale und so weiter – und mit Hilfe eines auf künstlicher Intelligenz basierenden Algorithmus die optimale Planung von Wartungsaktivitäten zu bestimmen“, sagt Projektkoordinator Sotiris Makris, der die Abteilung Robotik, Automatisierung und virtuelle Realität der Universität Patras Labor für Fertigungssysteme und Automatisierung in Griechenland leitet. „Wir können die Produktivität steigern und die Kosten senken, indem wir die Auswirkungen von Wartungsaktivitäten auf den Produktionsplan minimieren.“
Ein Meilenstein in der vorausschauenden Instandhaltung
Das wichtigste Ergebnis des Projekts ist die Entwicklung eines innovativen Instruments zur Vorhersage der Restnutzungsdauer eines Teils. „Durch die Verwendung intelligenter Algorithmen, die auf KI-basierten Modellen und vor Ort gesammelten Daten beruhen, ist dieses Instrument ein entscheidender Fortschritt in der vorausschauenden Instandhaltung“, so Makris. Makris zufolge ermöglicht die Kenntnis der Restnutzungsdauer eines Teils einem Unternehmen, kurz- und langfristige Berechnungen der Kapitalkosten vorzunehmen. „Solche Informationen unterstützen die Entscheidungsfindung bei der Bestellung von Ersatzteilen oder der Planung von Instandhaltungsaktivitäten“, fügt er hinzu. „Sie können auch dazu eingesetzt werden, um sicherzustellen, dass das Personal für die Durchführung einer bestimmten Instandhaltungsaufgabe richtig geschult ist.“ Bei der Entwicklung des Instruments standen die Forschenden vor einer einzigartigen Herausforderung. „Überraschenderweise traten während des Projektzeitraums keine Ausfälle auf, so dass wir keine Daten über Ausfälle hatten, die wir in unseren KI-Algorithmus einspeisen konnten“, erklärt Makris. Stattdessen wurden im Rahmen des Projekts KI-basierte Modelle eingesetzt, um den leistungsschwachen Zustand der Ausrüstung zu simulieren. „Einem Maschinenausfall geht eine gewisse Leistungsverschlechterung und eine daraus resultierende Verringerung der Produktqualität voraus“, fügt Makris hinzu. „Diese Anpassung wurde von unseren Industriepartnern sehr begrüßt, da sie damit nicht nur einen Ausfall, sondern auch den ihm vorausgehenden Leistungsabfall vermeiden können.“
Ein wichtiger Etappensieg
Das Projekt arbeitet nun daran, die Produktreife zu verbessern und die Kommerzialisierung voranzutreiben. „Unser langfristiges Ziel ist es, robuste, KI-basierte Lösungen für die vorausschauende Instandhaltung zu entwickeln, die in industrielle Anwendungen integriert werden können“, so Makris. Die Umsetzung dieses Ziels wurde unter anderem dadurch erleichtert, dass das Projekt Mitglied des ForeSee-Clusters ist, einem Netzwerk von sechs EU-finanzierten Projekten, die sich mit Technologien zur vorausschauenden Instandhaltung befassen. „Unsere Teilnahme an dem Cluster war ein wichtiger Meilenstein für das Projekt“, so Makris abschließend. „Sie stellt nicht nur sicher, dass unsere Ergebnisse in die Standardisierungsbemühungen einfließen, sondern macht uns auch mit einer Reihe von Interessengruppen bekannt, die unsere Arbeit als Grundlage für ihre eigene Forschung nutzen können.“
Schlüsselbegriffe
PROGRAMS, vorausschauende Instandhaltung, Wartung, Fabrik, intelligente Algorithmen, künstliche Intelligenz, KI, Datenanalyse, Restnutzungsdauer, Fertigungsstraßen, Fertigung, industrielle Anwendungen
