Zusätzliches Wissen über zu erwartenden Zustand und das Verhalten von Maschinen und Anlagen mit konkreten Handlungsempfehlungen führt zu einer Entlastung der Betreiber, besserem Verständnis der Maschine/Anlage, Effizienzsteigerungen, Risikovermeidung und flexibler Wartung.
Was kann es?
Ein integrierter Algorithmus, der anhand von Sensorik und Daten der Maschinensteuerung das Maschinenverhalten überwacht und unerwartete Abweichungen detektiert, die Maschinenschäden vorankündigen.
Was bewirkt es?
Maschinenbetreiber werden frühzeitig zu Risiken informiert, Serviceplaner können sich am tatsächlichen Servicebedarf orientieren.
Mehrwert:
verbessert die Effizienz, verringert Wartungskosten, verbesserte Workflows und optimierte Prozesse, senkt Risiken
Anwendungsfälle:
Aufbau Datenmodell und Modellanpassung mit historischen Betriebsdaten, Datenschnittstelle zum DCS / zur zentralen Datenbank, Maschinensteuerung ggf. Anbringung zusätzlicher Sensoren. Aufbau einer IT-Architektur für Maschinenvernetzung mit einer IoT-Plattform.
Einführung:
Erfassen der Ziele und Festlegung der IT-Architektur sowie eines Pilotierungszeitraums. Start mit einer Pilotanwendung für eine konkrete Anlage bzw. abgrenzbaren Anlagenteil
Voraussetzung:
Digitalstrategie für Maschinen/Anlagen, Bereitstellung von Personal und Budget
Architekturen und Technologien sind verfügbar, Prototypen befinden sich bereits im Einsatz, Skalierbarkeit teilweise abgeschlossen. Teilelemente sind bereits massentauglich.
Alternativen:
Herkömmliche Methoden der Zustandsüberwachung, Wartung und Service.
