Von Ihren Maschinen lernen: Was wäre, wenn einige Maschinenteile nie ausfielen?

Share

Haben Sie schon einmal daran gedacht, dass Ihre Maschinenteile 'zu gut' sein könnten? Die Wahrscheinlichkeit ist groß, dass dies der Fall ist. Nutzen Sie dieses neue Geschäftsmodell und lernen Sie von Ihren Maschinen im Feld - um erhebliche Einsparungen zu erzielen.

Vermutlich haben Sie schon gehört, dass datengesteuerte Entscheidungsfindung, wie maschinelles Lernen auf Basis von KI, neuronalen Netzen und selbstlernenden Maschinen, für wettbewerbsfähige Unternehmen unabdingbar ist. Aber wir verstehen, wenn Sie daran zweifeln - denn Maschinelles Lernen ist kompliziert und ohne erhebliche Investitionen wohl nicht realisierbar. Davon abgesehen sind einige Maschinen und Anlagen ohnehin nicht wirklich in der Lage, die Vorteile solcher Ansätze zu nutzen.

Aber wie wäre es, wenn Sie von Ihren Maschinen lernen, um neue Einnahmequellen zu schaffen?

Sammeln und analysieren Sie Maschinendaten, um von Ihren Maschinen zu lernen. Sammeln und analysieren Sie Maschinendaten, um von Ihren Maschinen zu lernen.

Von Ihren Maschinen lernen vs. maschinelles Lernen

Wie bereits erwähnt, sind selbstoptimierende Algorithmen, die auf KI und neuronalen Netzen basieren, einfach noch nicht für jeden Maschinenbauer geeignet. Es ist nicht die Realität für kleinere Maschinenbauer und für viele ist es, bestenfalls, ein Zukunftsplan. Für die meisten Maschinenbauer (und Kunden) liegt der Fokus auf der Schaffung einer reibungslos und schnell laufenden Maschine mit einer hohen OEE (Gesamtanlageneffektivität). Darüber hinaus ist das Anrühren der SPS-Software an optimierten Anlagen und Maschinen für die meisten ein No-Go, da ihr Motto wahrscheinlich lautet: 'Never touch a running system'. 

Allerdings ist es ein realistischer Schritt für jeden Maschinenbauer, selber von seinen Maschinen zu lernen. Neue Maschinen sind wie ein neu entwickeltes Auto, sie haben am Anfang Fehler und müssen optimiert werden. Indem Sie von Ihren Maschinen im Feld lernen, können Sie eventuell verhindern, dass Teile ausfallen und andere interessante Erkenntnisse gewinnen. Die meisten Maschinenbauer haben sehr effektive Qualitätssicherungssysteme und auf Basis der Ursachenanalyse werden die Fehler und Schwachstellen an den Geräten gefunden und behoben.

machine-learning-saving-on-machineSparen Sie an Maschinenteilen, indem Sie von Ihren Maschinen im Feld lernen.

Was Ihnen das Lernen von laufenden Maschinen beschert

Maschinenbauer verfügen über Systeme, um die Qualität ihrer Maschinen während ihrer Lebensdauer anhand von Fehlern und Korrekturmaßnahmen zu verbessern. Diese werden auch an ihre Forschungs- und Entwicklungsabteilung weitergegeben, damit ähnliche Fehler bei zukünftigen Maschinen vermieden werden können. Was aber, wenn Sie die Daten Ihrer Maschine sammeln und analysieren, Benchmarks zwischen mehreren Maschinen durchführen und feststellen, dass einige Teile nie ausfallen oder weit unter den erwarteten Konstruktionskriterien laufen? 

Oft sind Ihre Konstruktionskriterien und Sicherheitsmargen zu hoch, da Sie versuchen, Ausfälle im Feld zu vermeiden. Diese Erkenntnis gewinnen Sie jedoch nur, wenn Sie einen genaueren Blick in Ihre Maschinendaten werfen, getreu der Devise: 'Wenn es gut funktioniert, dann reparieren Sie es nicht.'

Mit dieser Einsicht können Sie die Maschinenteile, die 'zu gut' (und zu kostenintensiv) sind, downgraden und die Konstruktionskriterien oder Sicherheitsmargen in Ihrem Redesign senken. Dies kann zu großen Einsparungen führen, ohne dass Sie einen Qualitätsverlust riskieren. Denn was wäre, wenn Sie sich nicht anpassen und Ihr Wettbewerber es tut? Mit Sicherheit ist dies ein Geschäftsmodell, das für jeden Maschinenbauer eine Überlegung wert ist. 

industry-4-0-data-monitoring-May-21-2023-11-25-54-3008-AMFinden Sie heraus, ob Sie bei Neukonstruktionen Ihre Auslegungskriterien oder Sicherheitsmargen senken können.

Anwendungsfall: Neugestaltung Ihres Fließbandes

Bei der Konstruktion eines Förderbandes haben Sie Berechnungen angestellt, die besagen, dass Sie ein Antriebspaket benötigen, das 4 Nm bei 200 U/min für einen korrekten Betrieb unter Berücksichtigung von Last, Reibung usw. liefern kann. Sie setzen Ihre Sicherheitsmargen auf 20 % und legen die Komponenten für die Auslegung auf 4,8 Nm bei 200 U/min aus. Jetzt, wo sie laufen, können Sie beginnen, Daten von bestimmten Komponenten und Prozessen über einen längeren Zeitraum zu sammeln.

Schauen Sie sich alle Ihre Maschinen auf der ganzen Welt an, überwachen Sie die SPS und machen Sie erweiterte Analysen mit den gesammelten Daten in der Cloud. Stellen Sie sich vor, es kommt heraus, dass die Last tatsächlich 3,8 Nm RMS für alle Maschinen beträgt und nie über 4 Nm liegt. Dann können Sie Ihre Anforderungen an das Antriebspaket entsprechend senken, Kosten einsparen und mit den gewonnenen Erkenntnissen Ihre Sicherheitsmargen für Ihr Förderbanddesign neu überdenken

Sind Sie bereit herauszufinden, ob Sie bei bestimmten Teilen tatsächlich Einsparungen vornehmen können? 

redesign-your-conveyor-beltKonstruieren Sie Ihr Förderband neu, indem Sie die Leistungsanforderungen senken und Kosten sparen.

Wie Sie Ihre eigene 'Machine Learning'-Strategie aufbauen

Lernen Sie auf praktische und effektive Weise von historischen Daten von Maschinen im Feld. Mit geringen Investitionen und schnellem ROI können Sie Ihre eigene Strategie auf dieser neuen Geschäftsmöglichkeit aufbauen. Die folgende Liste könnte Ihnen einige Anregungen geben:

1) Ausgangspunkt - aktuelle Geräteleistung - benötigte Daten
Die erste Phase besteht darin, die aktuellen Praktiken für Teile aus Ihrem Maschinenpark zu analysieren. Stellen Sie fest, welche Teile regelmäßig ausgetauscht werden und welche nicht. Stellen Sie fest, ob Daten erfasst werden, die einen klaren statistischen Zusammenhang zwischen dem angegebenen Wert und dem Zustand des betreffenden Teils aufweisen.

Einige Daten werden eine klare Korrelation zwischen Standard-SPS-Variablen und Teilen aufweisen, für andere müssen möglicherweise zusätzliche Variablen definiert und erfasst, oder sogar zusätzliche Sensoren verwendet werden. Über ein Edge-Gateway können die SPS-Daten von Maschinen im Feld in die Cloud übertragen werden. 

2) Prototyping - Testen
Der nächste Schritt besteht darin, herauszufinden, was die minimalen und maximalen Werte für Ihre Sicherheitsmargen sind. Analysieren Sie die Leistung Ihrer Maschinenteile und ermitteln Sie, welche Teile verbessert werden müssen und welche Teile heruntergestuft werden können. 

Führen Sie interne Tests an den betreffenden Teilen durch, um die nun aufgestellte Hypothese zu bestätigen oder zu widerlegen. Nutzen Sie diese Erkenntnisse für die Konstruktion Ihrer nächsten Maschine.

3) Einführung des Geschäftsmodells
Definieren Sie, wie Sie Ihre Sicherheitsmargen senken können, und setzen Sie dies bei Ihrer nächsten Neukonstruktion um, um größere Einsparungen zu erzielen.

ixon_iiot_maturity_model-1-May-21-2023-11-26-23-0184-AMBauen Sie Ihr eigenes Geschäftsmodell auf der Strategie des maschinellen Lernens auf.

Sparen Sie Kosten für 'zu gute' Maschinenteile

Möchten Sie bei Ihrer Maschinenkonstruktion Kosten einsparen? Indem Sie von Ihren Maschinen in der Praxis lernen und Teile mit einer zu hohen Sicherheitsmarge neu konstruieren, können Sie einen höheren Gewinn erzielen und sich einen Wettbewerbsvorteil schaffen.

Wenn Sie eine Beratung benötigen, wie Sie anfangen können, von Ihren Maschinen zu lernen, können Sie sich gerne unverbindlich an einen unserer Branchenexperten wenden.

Kostenlose Expertenberatung