LinkedIn - pmOne

Machine Analytics / IoT

Die kontinuierliche Optimierung der Fertigung und des Betriebs von Anlagen sind eine zentrale Voraussetzung um im globalen Wettbewerb zu bestehen. Die Digitalisierung liefert dazu bereits ungeahnte Datenmengen als „Rohstoff“ für die datengetriebene Optimierung. Gezielter Abgriff und systematische Analyse dieser Daten ermöglichen die Steigerung der OEE (Overall Equipment Effectiveness, Gesamtanlageneffektivität). Dazu nutzen wir intelligente Algorithmen aus dem Bereich Machine Analytics, indem mittels Predictive Maintenance Materialschäden und Stillstände vermieden und die Materialeffizienz in der Produktion mittels Yield Optimization gesteigert werden.

Die wichtigsten Ziele

  • Gesamtanlageneffektivität steigern
  • Ausfallszeiten reduzieren
  • Den Produktionsertrag steigern
  • Durchsatz erhöhen
  • Die „First Time Fix Rate“ steigern
  • Produktionskosten reduzieren

Materialschäden und Stillstände durch Predictive Maintenance vermeiden

Die vorausschauende Wartung (Predictive Maintenance) bringt viele Vorteile und ist daher zielführender als die klassischen präventiven oder reaktiven Wartungsansätze. Ungeplante Maschinenausfälle und die damit verbundene Kettenreaktion von verschiedenen Aktivitäten (z.B. Außendiensteinsatz) lassen sich damit reduzieren.

Yield Optimization - Steigerung der Materialeffizienz in der Produktion

Die Optimierung der Materialeffizienz spielt für die Industrie eine zentrale Rolle: Vor dem Hintergrund einer anwachsenden globalen Rohstoffnachfrage, steigenden Preisen und begrenzten natürlichen Ressourcen ist der schonende Umgang mit dem verfügbaren Material eine zentrale Herausforderung. Zudem stellt der Materialverbrauch einen erheblichen Kostenfaktor dar. Dort setzt Yield Optimization an. 

Machine Analytics
Weitere Anwendungsbereiche von Machine Analytics

Anwendungsbeispiele zu Machine Analytics

Automobil-Zulieferindustrie

Beispiel 1: Automobilzulieferer

  • Prognose IO/NIO der Maschine auf Basis zweier Signale
  • Fehlerklassifikation nach Signaldaten
  • Digitalisierung Produktion: Field-Gateways lokaler SQL-Server, Anbindung Azure Plattform
  • hohe tägl. Datenmenge: 2GB/Roboter
  • Architekturmodell, IoT-Hub aufbauen

Beispiel 2: Industrie

  • Analyse von Kundenbeschwerden in Bezug auf Geräusche -> Sensoranalyse der Audiodaten
  • Suche nach fehlerhafter Komponente / Zulieferer
  • Identifikation von Korrelationen zu Produktionsdaten
  • Erstellung eines Vorhersage-Modells für ein Frühwarnsystem
  • Einbindung der Geräuschdaten von Einzelkomponenten in das Vorhersage-Modell
Process-Industrie

Beispiel 3: Prozess-Industrie

  • Bestimmung einflussreichster Prozessparameter auf Ausbeute (Yield) – Feature Importance Algorithmen
  • Klassifikation gute/schlechte Einstellungen der Prozessparameter
  • Vorschlag: optimales Parameter-Setting
  • Recommender: Einstellungen der Parameter nach Qualität vorhergehender Prozessschritte

Schnell und erfolgreich mit dem IoT Starter Package

Suchen Sie nach dem optimalen Start zur Digitalisierung Ihres Unternehmens? Oder wollen Sie IoT-Projekte und deren Anforderungen besser verstehen lernen? 

Los geht`s zum IoT Starter Package

Webinare

Gernot Molin
Senior Vice President - Advanced Analytics
pmOne AG
Technologiepark 21
33100 Paderborn
+49 89 4161761-0
Gernot Molin
Timo Klerx
Senior Data Scientist
pmOne Analytics GmbH
Technologiepark 21
33100 Paderborn
+49 89 4161761-0
Dr. Timo Klerx