AutoCBM
Automatisierte Anpassung zustandsbasierter Instandhaltungsmethoden
(Condition Based Maintenance) für Produktionssysteme
Problemstellung und Herausforderung
Die Maximierung der Produktivität, der Rentabilität und der Gesamteffektivität von Produktionssystemen in der Automobilindustrie werden stark von der technischen Verfügbarkeit der einzelnen Produktionsanlagen beeinflusst. Die effektive Instandhaltung dieser Systeme gewinnt daher an Bedeutung um wettbewerbsfähig und effizient zu produzieren. Stillstände, die beispielsweise aus Störungen resultieren oder auch bei geplanten Wartungsmaßnahmen entstehen, müssen daher minimiert werden.
In diesem Kontext bieten sich im Zuge der jüngsten Entwicklungen im Bereich der künstlichen Intelligenz sich neue Möglichkeiten, den aktuellen Stand der Technik im Bereich der Instandhaltung weiterzuentwickeln. Das AutoCBM-Konsortium wird, durch die Nutzung dieser neuen Möglichkeiten zu effizienteren Produktionssystemen beizutragen.
Das Projekt wird gefördert durch die Europäische Union im Rahmen des Programms FEI-Förderung der Forschung, Entwicklung und Innovation.
Verbundprojektziel und Vorgehensweise
Das übergeordnete Ziel des Projektvorhabens ist die Entwicklung und Pilotierung einer Methodik für die automatisierte Auswahl und Parametrierung von Prognosemethoden für ein Condition-Based-Maintenance System für Produktionsanlagen. Kern der Methodik ist ein lernfähiger Meta-Algorithmus, der in der Lage ist, Erfahrungswissen zwischen verschiedenen Maschinen- und Anlagentypen zu transferieren. Zudem sollen Tätigkeiten, die für jeden neuen Anwendungsfall erforderlich und mit hohem manuellen Arbeitsaufwand durch Spezialisten verbunden sind, weitestgehend automatisiert werden.
Bei AutoCBM steht die automatisierte, KI-gestützte Entwicklung von CBM-Systemen zur Überwachung ganzer Produktionsanlagen, mit dazugehörigen individuellen Schwellwerten (Warngrenzen), im Fokus. Dies geschieht durch den Einsatz eines intelligenten Meta-Lernalgorithmus, welcher sich auf unterschiedliche Anlagen übertragen lässt und für Anlagenbetreiber eine erhebliche Zeitersparnis bei der Einbindung neuer Anlagen bedeutet, da keine aufwändige manuelle Datenvorverarbeitung und –Aufbereitung mehr geleistet werden muss und die Algorithmenauswahl automatisiert erfolgt.
