Projektbeschreibung
Vorhersage von Maschinenausfällen, bevor sie auftreten
Die Fabrik der Zukunft wird in der Lage sein, alle Anlagenzustände – von der einzelnen Maschine bis zum Fertigungsliniensystem – vorherzusehen und darauf zu reagieren. Durch die Umstellung von der planmäßigen Wartung und dem regelmäßigen Service von Maschinen auf die vorausschauende Instandhaltung können Fabriken Anlagenausfälle verhindern, indem sie Probleme vorhersagen, bevor sie auftreten. Das EU-finanzierte Projekt EnCORE wird einen bahnbrechenden Ansatz für die vorausschauende Instandhaltung entwickeln. Es wird beispielsweise eine Technologie für Deep Learning einsetzen, um die Vorhersage des zukünftigen Zustands einer Maschine unter Verwendung von Daten zu ermöglichen, die den regulären Maschinenzuständen entsprechen. Das Projekt arbeitet daran, diese neue Lösung auf den Markt zu bringen. Seine Software wird für zwei Anwendungen validiert: eine Formpressmaschine zur Herstellung von Kunststoffflaschengehäusen und eine Formmaschine zur Herstellung von Rasierklingen.
Ziel
In the manufacturing sectors, the traditional planned maintenance approach is no longer viable, as it cannot cope with the ever-rising complexity of production systems. This pressing problem hurts industry’s profitability, and unplanned downtime costs industrial manufacturers €43 billion per year. This pressing problem has fuelled the growth of the predictive maintenance market. Currently, predictive maintenance solutions employ typical machine learning approaches based on monolithic rule-based predictions and require from the customer labelled data that correspond to defective machine states. This impedes the penetration of predictive maintenance in the industry. EnCORE is the fruit of 5 years of R&D to develop proprietary deep neural networks fit for predictive maintenance applications. Our solution uses best-in-class deep learning technology removing the overheads related with data preparation and enable the prediction of machine’s future condition using data that correspond to normal machine states. This is a game changing approach in the predictive maintenance industry. EnCORE is at TRL-6, with our software being validated at two different applications, (1) a compression moulding machine that produces plastic bottle enclosures/caps and (2) a cold forming machine that produces razor blades. Our target market will be the Food & Beverage and Consumer Goods industries targeting both OEMs of machinery and End-Users use such machinery. To take our product to the market, we will employ an hybrid business model using both direct sales and sales through industrial IoT platforms. EnCORE’s unique offering unlocks tremendous value for our customers; this will fuel the adoption of our solution by the industry. In the commercialisation period, we forecast cumulative profits of about €15 million with a strong Return on Investment (ROI) of €13 million. This will allow us to grow our workforce by 83 new employees, to meet the expected market demand for our breakthrough product.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- Technik und TechnologieSonstige Technik und TechnologieLebensmitteltechnologie
- NaturwissenschaftenInformatik und InformationswissenschaftenInternetInternet der Dinge
- SozialwissenschaftenWirtschaftswissenschaftenBusiness und ManagementGeschäftsmodell
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenDeep Learning
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche IntelligenzComputational Intelligence
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-SMEInst-2018-2020-1
Finanzierungsplan
SME-1 - SME instrument phase 1Koordinator
341 00 Chalkis
Griechenland
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).