Sie sind hier: HomeFeldebeneE-Mechanik & Interfaces

Predictive Maintenance: Die intelligente Energiekette

Fortsetzung des Artikels von Teil 3.

Nach Priorität getaktet

Um eine intelligente Lagerhaltung zu realisieren und stets die richtige Ersatzteilmenge vorrätig zu haben, wird parallel zur anstehenden Wartungsmeldung – nach Zustimmung des Kunden – im CRM-System von Igus ein automatisches Angebot generiert und der vorher definierten Kontaktperson (zum Beispiel dem Einkauf), zur Bestellung übermittelt. In der Praxis bedeutet dies effizienteres Produzieren und Warten, denn fehlende oder veraltete Ersatzteile im Kundenbestand gehören so der Vergangenheit an. 

Ein weiterer Nutzen des Online-Systems: Die Daten aus dem Igus-Labor werden auf einem Server mit den anonymisierten Kundendaten und zudem mit offenen Daten anderer Kundenanwendungen zu einem Datenmodell verarbeitet. All das geschieht unter Verwendung von Machine-Learning-Strategien, die sich komplexe Algorithmen zunutze machen und ‚schwache‘ künstliche Intelligenzen entstehen lassen. 
Das Ergebnis ist eine Art datenbasiertes ‚elektronisches Konstruktionshandbuch‘, das die Lebensdauerberechnung aus dem geschützten Kundenbereich abfragt. Sämtliche Daten, die eingebaute Sensoren an Ketten, Leitungen und Gleitlagern erfassen, fließen auf Wunsch in die (anonymisierte) Testdatenbank ein. 

Aus diesem über Jahrzehnte gewachsenen Datenpool werden derzeit im Vorfeld die Soll-/Referenzwerte für die Betriebszustände von Energieketten, Leitungen und Gleitlagern bestimmt. Das Online-System führt die erfassten Messwerte in die Datenbank zurück und nutzt sie weiter. So bilden Tausende bestehende Daten in Kombination mit neuen Daten intelligente Strukturen, sogenannte neuronale Netze, die in der Lage sind, zu lernen. Neu gewonnene Daten können an das Bauteil zurückgespielt werden, das letztlich zunehmend intelligenter wird.

Autor: 
Richard Habering ist Geschäftsbereichsleiter igus smart plastics bei Igus in Köln.