Predictive Maintenance

Basierend auf Sensordaten und mit dem Einsatz von Machine Learning Algorithmen ist ein treffsicheres Vorhersagemodell zur Prognose von Ausfällen industrieller Anlagen entwickelt worden. Mit diesem können der Wartungsaufwand reduziert, Ausfallzeiten gekürzt und Produktionskosten gesenkt werden.

Der Hackathon: Im Januar 2017 luden ANDRITZ und PIONEERS DISCOVER sieben auserwählte Software Startups aus Europa zu einem Big Data Analytics Hackathon in Graz/Österreich ein, darunter auch 7LYTIX. In den drei Tagen galt es fünf Kernfragen aus dem Bereich Predictive Maintenance bestmöglich zu lösen. Die industriellen Anlagen von Andritz sind mit einer Vielzahl von Sensoren versehen, welche die Anlagenperformance permanent messen.

Treffsichere Lebensdauervorhersagen: Mit der Identifikation und dem Einsatz des besten Machine Learning Algorithmus anhand eines Testdatensatzes gelang es 7LYTIX, Muster in den Sensordaten zu erkennen und ein Prognosemodell zu entwickeln, das den Zeitpunkt bevorstehender Maschinenausfälle in den folgenden 20 Tagen genauestens vorhersagt. Die erzielte Prognosegenauigkeit war mit einem F1-Wert von 0.96 überragend (0=schlechte; 1=perfekte Vorhersage).

Entscheidende Betriebsparameter: Darüber hinaus konnte 7LYTIX die Betriebsparameter ermitteln, die den stärksten Einfluss auf die Ausfälle, den Wartungsbedarf und auf die Betriebskosten der industriellen Anlagen von Andritz haben. Im Rahmen dessen konnte sogleich festgestellt werden, in welchen Produktionsphasen die Anlagen am kosteneffizientesten arbeiten und welche Variablen hierbei eine entscheidende Rolle spielen.

Die Vorteile: Die Vorteile für herstellende Unternehmen liegen auf der Hand: Teure Ausfallzeiten kürzen. Wartungsaufwand reduzieren. Produktionskosten senken. Doch auch Anbietern industrieller Anlagen und Maschinen wie ANDRITZ eröffnet sich damit die Möglichkeit präzise Produktverbesserungen basierend auf Nutzungsdaten vorzunehmen. Anbietern industrieller Anlagen und Maschinen wie ANDRITZ eröffnet sich damit die Möglichkeit präzise Produktverbesserungen basierend auf Nutzungsdaten vorzunehmen.

Zusammenfassung

Basierend auf Sensordaten und mit dem Einsatz von Machine Learning Algorithmen ist ein treffsicheres Vorhersagemodell zur Prognose von Ausfällen industrieller Anlagen entwickelt worden. Mit diesem können der Wartungsaufwand reduziert, Ausfallzeiten gekürzt und Produktionskosten gesenkt werden.