Innovationsprojekte

Mit Smart Maintenance Maschinenausfälle vorhersehen

Boost 4.0

Wie können Daten aus der Produktion genutzt dazu werden, Betriebsausfälle von Maschinen vorherzusehen und zu vermeiden? Im Rahmen des Spitzenclusters it's OWL arbeiten das Fraunhofer IEM und BENTELER gemeinsam an dem Thema Big Data im industriellen Umfeld. Die Forschungskooperation findet im Rahmen des EU-Projekts BOOST 4.0 statt.

Die systematische Erfassung und Auswertung von Maschinendaten einer hydraulischen Presse und einer Materialfördereinrichtung bei BENTELER ermöglichen es, Muster im Produktionsprozess zu erkennen. Das Fraunhofer IEM entwickelt ein Vorgehensmodell für die Implementierung von vorausschauender Instandhaltung, beispielsweise die Wartung und Inspektion von Maschinen zur Vermeidung von Betriebsausfällen. Dafür werden datengetriebene Modellierungsverfahren (Maschinelle Lernverfahren) genutzt und weiterentwickelt, die zum Beispiel Maschinenfehler erkennen, lange bevor sie passieren. Ausfällen kann so vorgebeugt werden, wodurch sich beispielsweise Standzeiten reduzieren oder der Fertigungsprozess effizienter gestaltet wird.

BOOST 4.0 ist derzeit eine der größten europäischen Initiativen für Big Data in der Industrie. 50 Partner aus 16 europäischen Ländern arbeiten an einem europäischen Big Data-Standard, in den auch bestehende deutsche Referenzarchitekturen wie RAMI 4.0 oder Initiativen wie International Data Spaces mit einfließen. Methoden und Modelle werden verknüpft und verschiedene Communities und Erfahrungswerte aus Europa zusammengebracht. Dies erfolgt an zehn europäischen Standorten, etwa in Spanien, Italien und Deutschland, wo erste Projektinhalte rund um die industrielle Datenanalyse und -verwertung getestet und umgesetzt werden.

Fakten

Projektname: Big Data Value Spaces for COmpetitiveness of European COnnected Smart FacTories 4.0 (BOOST 4.0)
Projektdauer: 01.01.2018 bis 31.12.2020
Projektvolumen: 100 Millionen Euro

Förderung

Dieses Projekt wird von der Europäischen Union im Rahmen des Forschungs- und Innovationsprogramms "Horizon 2020" unter der Grant-Agreement-Nummer 780732 gefördert.

News

Aus der Arbeit im Projekt ist eine erste wissenschaftliche Veröffentlichung entstanden: "Detecting Anomalous Behavior Towards Predictive Maintenance" wurde von Dr. Daniel Köchling, Projektleiter Industrie 4.0 bei BENTELER Automotive, Dr. Athanasios Naskos und Dr. Ifigeneia Metaxa, beide ATLANTIS Engineering, sowie Dr. Anastasios Gounaris, Aristotle University of Thessaloniki verfasst.

Abstract:
Ein wesentliches Element von Industrie 4.0 ist die vorausschauende Wartung, die maschinelles Lernen, IoT und große Datenanwendungen nutzt, um sicherzustellen, dass die erforderlichen Anlagen zu jeder Zeit voll funktionsfähig sind. In dieser Arbeit stellen wir eine Fallstudie über intelligente Wartung in der Praxis vor. Die Grundidee besteht darin, von modellbasierten und einfachen regelbasierten Techniken wegzugehen und einen Ansatz zu verfolgen, der anomale Ereignisse unbeaufsichtigt erkennt. Darüber hinaus untersuchen wir, wie die Einbeziehung von Domänenwissen den Prozess der unbeaufsichtigten Erkennung von Anomalien unterstützen kann, und diskutieren praktische Fragen.

Der vollständige Artikel kann bei Springer International Publishing bezogen werden.