ABC der vorausschauenden Instandhaltung

17 December 2019

Gleich, ob Sie mit dem Thema vorausschauende Instandhaltung (Predictive Maintenance, PdM) schon vertraut sind oder nicht: Das Team von Senseye hat ein praktisches ABC mit Begriffen für Sie zusammengestellt, die in diesem Bereich häufig verwendet werden.

 

A is for_German

 

A - Abnormität

„Anomalien sind Merkmale von Dat en, die unerwartet oder ungeklärt sind. Abnormität ist ein Maß für die Dichte von Anomalien. Mit anderen Worten: ein Maß dafür, wie abnormal die Daten erscheinen.“

Dr. James Loach
Chief Scientist

 

B is for_German

 

B - Badewannenkurve

„Das ist eine klassische Darstellung der Wahrscheinlichkeit von Ausfällen während des gesamten Lebenszyklus einer Maschine. Zu Beginn sind Ausfälle eher auf Fabrikations- und Installationsfehler zurückzuführen (Frühausfälle). Während des größten Teils des Lebenszyklus bleibt die Ausfallrate dann konstant (Zufallsausfälle). Gegen Ende der Lebensdauer steigt die Ausfallwahrscheinlichkeit, weil Bauteile ermüden (Abnutzungsausfälle).“

Chris Esprey
Spezialist für Zustandsüberwachung

 

C is for_German

 

C – Condition Monitoring (Zustandsüberwachung)

„Zustandsüberwachung (Condition Monitoring, CM) ist eine Disziplin, bei der Sensordaten verarbeitet werden, um den Zustand von Industriemaschinen zu bestimmen. CM bietet zahlreiche Geschäftsvorteile und bildet die Grundlage für ausgereifte Instandhaltungsmaßnahmen, von reaktiven über präventive bis hin zu prädiktiven.“

Rob Russell
CTO

 

D is for_German

 

D - Diagnostik

„Die Untersuchung von Symptomen und Syndromen, um die Art eines Fehlers oder Ausfalls zu bestimmen."

Dr. Simon Kampa
CEO

 


E is for_German

E - Expertenwissen

„Expertenwissen – oder Kontextwissen – umfasst Informationen, die zur Interpretation von Daten verwendet werden. In unserem Bereich beschreibt es die Eigenschaften von Maschinen, ihre Funktionsweisen und potenziellen Störungen. Expertenwissen wird auch genutzt, um Zustandsindikatoren auszuwählen.“

Dr. Samuel Park
Data Scientist

 

 F is for_GermanF – Fehlerarten

„Maschinen versagen nicht immer auf die gleiche Weise. Sie bestehen aus vielen beweglichen Teilen, die sich mit der Zeit abnutzen. Fehlerarten sind eine Möglichkeit, jegliche Form von Fehler zu beschreiben, der bei einer Maschine auftreten kann. Wichtig ist dabei allerdings, dass für jede Fehlerart konsequent derselbe Begriff oder Code verwendet wird. Bei der Erfassung von Fehlerarten im Rahmen der Aufzeichnungen zu Instandhaltungsarbeiten empfiehlt es sich, in aussagekräftige Zustandsüberwachungsdaten zu investieren. Diese Daten liefern Kontext und verbessern die durchzuführenden Analysen.“

Rob Russell
CTO
 
 

G is for_Instagram

 

G – Ground Truth

„‚Ground truth‘ ist die Bezeichnung für jegliche bereichsspezifische Benchmarks, mit deren Hilfe die Prognosefähigkeiten eines Machine-Learning-Modells quantifiziert und beurteilt werden können, das auf den jeweiligen Bereich angewandt wurde. Bei richtiger Verwendung kann die „Ground Truth“ als Instrument zur Modellauswahl genutzt werden.“

Dr. Samuel Park
Data Scientist

 

H is for_Instagram

H - HUMS

„Health and Usage Monitoring-Systeme (HUMS) wurden ursprünglich für die Luft- und Raumfahrt entwickelt, um den Zustand mechanischer Bauteile sowie die Nutzung einer Flugzeugzelle und ihrer dynamischen Komponenten automatisch zu überwachen. Es hat sich gezeigt, dass HUMS die Sicherheit erhöhen, den Wartungsaufwand verringern, die Verfügbarkeit und Einsatzfähigkeit verbessern und die Betriebs- und Supportkosten senken. Jetzt hält das HUMS-Konzept auch in anderen Branchen Einzug, wenngleich unter anderen Bezeichnungen.“

Rob Russell
CTO

 

 

I is for_German

I - Industrie 4.0

„Es herrscht weitgehend Einigkeit darüber, dass es bislang vier industrielle Revolutionen gab. Die erste brachte den Übergang von landwirtschaftlich geprägten zu städtischen Umgebungen, die zweite die Massenproduktion, die dritte die Automatisierung durch Computer und die vierte – die Vernetzung. Mit der Industrie 4.0 dringt die Informationstechnologie in jede Schicht der Maschine vor. So entsteht die Operational Technology mit ihren riesigen Datenmengen, die ein ungeahntes Maß an Informationen und Optimierungsmöglichkeiten bringen.“

Alex Hill
Senseye CEO USA

 

J is for_Instagram

J – Just-in-Time

„Just-in-Time (JIT) ist ein grundlegendes Produktionskonzept, das in den 1960er-Jahren in der japanischen Fertigungsindustrie entwickelt wurde. Der Schwerpunkt liegt dabei darauf, die Produktionszyklen zu verkürzen und die Lagerhaltung entlang der gesamten Lieferkette zu reduzieren. Das bringt eine Reihe von Vorteilen für das gesamte Unternehmen: geringere Kosten für Lagerbestände, effizientere Produktion und verbesserte Produktqualität.“

Rob Russell
CTO

 


K is for_Instagram

K - Kalman-Filter

„Ein Verfahren, bei dem Wissen über die Systemzustände und fundierte Annahmen zu unbekannten Faktoren genutzt werden, um begründete Rückschlüsse auf die künftige Entwicklung eines Systems zu ziehen. Wenn alles passt, lassen sich damit fast schon Wunder wirken.“ 

Dr. Lee Middleton
Data Scientist

 


L is for_Germany

L - Lubrication (Schmierung)

„Schmierung ist das Verfahren, mit dem der Verschleiß/die Reibung zwischen zwei Oberflächen reduziert wird. Dies wird bei Maschinen in der Regel durch die Anwendung eines Schmierstoffs wie Öl oder Fett erreicht. Veränderungen im Partikel- und Feuchtigkeitsgehalt des Schmierstoffs können herangezogen werden, um auf den Verschleiß von Maschinenkomponenten zu schließen und entsprechende Wartungsmaßnahmen einzuleiten.“

Chris Esprey
Spezialist für Zustandsüberwachung

 

 

M is for_Germany

 

M - Maschinelles Lernen

„Algorithmen sind Anweisungen, um Eingabedaten in Ausgabedaten zu überführen. Algorithmen können von Menschen geschrieben werden, doch wenn das schwierig oder zu langsam ist, können wir diese Aufgabe an einen Computer delegieren. Die Algorithmen, mit denen Computer Algorithmen entwickeln – anhand von Beispielen für Ein- und Ausgaben – werden als Machine-Learning-Algorithmen bezeichnet. Und genau um sie geht es beim maschinellen Lernen.“

Dr. James Loach
Chief Data Scientist

 

N is for_German-1N - Notifications (Benachrichtigungen)

„Benachrichtigungen sind eine wichtige Methode, um die Aufmerksamkeit eines Benutzers auf die Dinge zu lenken, die er wissen muss. Dabei bewegt man sich allerdings auf einem schmalen Grat zwischen zu vielen Informationen (‚Ich werde dauernd gestört‘) und zu wenigen (‚Das Ding funktioniert nicht!‘). Diese Gratwanderung lässt sich nur meistern, indem man engen Kontakt zu den regelmäßigen Benutzern des betreffenden Produkts hält.“

Adam Poole
Leitung Produktdesign

 

 

O is for_Instagram

 

O - Operational Equipment Effectiveness/OEE (Gesamtanlageneffektivität, GAE)

„Die Gesamtanlageneffektivität (GAE) ist eine wichtige Kennzahl für die Produktivität der Fertigung. Sie gibt an, zu wie viel Prozent eine Anlage während der Fertigungszeit tatsächlich produktiv ist. Dazu werden drei Elemente der Maschinenleistung kombiniert: Verfügbarkeit, Leistung und Ausgabequalität. Bei einem GAE-Wert von 100 % werden nur gute Teile produziert und dies so schnell wie möglich und ohne Ausfallzeiten.“

Lily Hristova
Product Associate


P is for_German

P - Prognostik

„Prognostik ist die technische Disziplin der Vorhersage von Maschinenausfällen. Es gibt dabei zwei Hauptansätze: einen modellorientierten, bei dem das Verständnis vom physischen Aufbau der Maschine herangezogen wird, um Fehler zu prognostizieren, und einen datenorientierten, bei dem mit historischen Daten und maschinellem Lernen gearbeitet wird. Wir kombinieren beides und nutzen unsere Kompetenz in der Zustandsüberwachung, um datengesteuerte Techniken voranzutreiben.“

Dr. Daniel Reid
Chief Architect

 

 Q is for_German

Q - Quantisierungsfehler

„Quantisierungsfehler äußern sich als Rauschen, das sich einem Signal überlagert, weil die Abtastwerte auf diskrete Zahlen beschränkt sind. Quantisierungsfehler können durch den Einsatz von Sensoren verursacht werden, die eine geringe Auflösung im Verhältnis zu den Merkmalen der Daten aufweisen, die von Interesse sind. Sie können dazu führen, dass die Empfindlichkeit von Anwendungen zur Zustandsüberwachung herabgesetzt wird.“

Graham Bruce
Spezialist für Zustandsüberwachung


R is for_Instagram

R – Root Cause (Ursache)

„Die Ursache ist der eigentliche Grund für das Auftreten eines Problems. Der Begriff bezeichnet die früheste, primäre Ursache des Fehlers. Wenn die Ursache behoben wird, wird das Problem vollständig beseitigt.“

Peggy Cooper-Berger
Marketing Associate

 

 

S is for_Germany

 

S - Skalierbarkeit

„Skalierbarkeit ist die Fähigkeit, den Umfang eines gegebenen Projekts zu verändern – von einer einzigen Maschine auf Zehntausende. Die Datenmenge, die bei modernen Maschinen erfasst werden kann, ist enorm und nimmt ständig zu. Um diese Daten nutzen zu können, legen wir unsere Systeme so aus, dass wir den 100.000sten Sensor genauso präzise und schnell überwachen können wie den ersten.“

Oliver Skånberg-Tippen
Machine Learning Engineer


T is for_German

T - Trenderkennung

„Unerwartete Trends bei den Daten von Maschinen deuten auf eine signifikante und anhaltende Veränderung des Maschinenzustands hin. Sie sind oft ein Anzeichen für eine Verschlechterung im Vorfeld eines Maschinenausfalls. Deshalb ist es wichtig, solche Trends rechtzeitig zu erkennen.“

Dr. Henry Truong
Data Scientist

 


U is for_German

U - Ungeplant

„Von der Fahrt zur Arbeit, die durch einen ausgefallenen Zug unterbrochen wird, bis zur Produktionslinie, die wegen eines Maschinenausfalls zum Stillstand kommt: Ungeplante Ausfallzeiten können unangenehm und kostspielig sein. Eines der Ziele der Zustandsüberwachung besteht darin, Frühwarnzeichen für kommende Ausfälle zu finden, damit durch rechtzeitige Maßnahmen folgenschwere Ereignisse vermieden werden können.“

Dr. Chris Smith
Spezialist für Zustandsüberwachung

 


V is for_Instagram

V – Vibration 

„Die Vibrations- oder Schwingungsanalyse ist eine Schlüsseltechnik bei der Zustandsüberwachung rotierender Maschinen, da kleine Veränderungen in der Struktur mechanischer Bauteile (wie Lager und Zahnräder) einen großen und prognostizierbaren Einfluss auf das Schwingungsverhalten der Bauteile haben. Dies ermöglicht es, Verschleiß und ein Versagen eines Bauteils frühzeitig zu erkennen.“

Chris Esprey
Spezialist für Zustandsüberwachung

 

 

W is for_Instagram

 

W - Web App

„Die Web App von Senseye befähigt Wartungsteams, große Datenmengen schnell und einfach zu interpretieren, sodass sie sich auf die Durchführung kritischer Instandhaltungsarbeiten konzentrieren können. Wir heben die wichtigsten Informationen heraus und stellen die nötigen Tools zur Verfügung, um die zugrunde liegenden Daten zu analysieren und zu verstehen. So unterstützen wir die Praktiker bei der Entscheidungsfindung.“

Matt Wilson
Frontend Lead

 

X is for_Instagram

 

X - XOr

„XOr, oder ‚Exklusiv-Or‘ ist ein klassisches Problem des maschinellen Lernens. Ein neuronales Netzwerk wird verwendet, um bei zwei gegebenen binären Eingängen die Ausgänge von XOr-Logikgattern vorherzusagen. Wenn die beiden Eingänge gleich sind, sollte der Wert False zurückgegeben werden, ansonsten der Wert True. Komplexe Modelle wie dieses müssen immer wieder geändert und angepasst werden, um Probleme an realen Maschinen zu lösen.“

Henry Truong
Data Scientist


Y is for_Instagram

Y - Yaw (Gieren)

„Gieren ist die Drehbewegung eines starren Körpers um seine vertikale Achse. Es ist eine der Grund-Rotationsbewegungen von Maschinen, vom Industrieroboter bis hin zur Windkraftanlage. Deshalb ist das Gieren für Anwendungen zur Zustandsüberwachung häufig ein wichtiger Faktor.“

Graham Bruce
Spezialist für Zustandsüberwachung

 


Z is for_InstagramZ - Zero

Zero war ein Bot, der gar
konfus und schlecht im Messen war.
Ausfälle waren programmiert,
bis man ihn schließlich neu justiert,
jetzt ist er einfach unfehlbar.

Dr. Lee Middleton
Data Scientist

 

 

Bleiben Sie auf dem Laufenden

Meist gelesen