SmarterMaintenance
Ausgangssituation
Durch steigende Anforderungen an die Zuverlässigkeit von Produktionsstraßen wird heutzutage auch eine hohe Anforderung an die Instandhaltung von Maschinen und Anlagen gestellt. Bedingt durch hohe Kosten von Fachkräften, fehlende Vernetzung zu Problemlösungsinformationen und hohe Materialkosten für Ersatzteile ist die Instandhaltung z.B. in der Stahlindustrie der drittgrößte Kostenblock und Ursache für mehrere Tage Produktionsausfall jährlich.
Zielsetzung
Im Rahmen des industriellen Fortschritts zur Industrie 4.0 soll das neue Analysetool "SmarterMaintenance" die Instandhaltung von Prozessanlagen grundlegend optimieren. Durch Auswertung von Sensordaten mit komplexer Data-Mining-Analyse soll dabei selbstlernend ein Zusammenhang zwischen Messwerten detektiert und anhand dessen Predictive Maintenance ermöglicht werden. Weiterhin realisiert ein auf einem semantischen Modell basiertes Text-Mining-Verfahren mit Keyword Extraction und Part-of-Speech-Analyse die automatisierte Auswertung und logische Informationsverknüpfung von Bedienungsanleitungen etc. Das neue Tool soll in der Lage sein die Wartungskosten und die Ausfallzeiten in Fertigungsstraßen um 30 % bis 50 % zu senken.
Das Fachgebiet Wirtschaftsinformatik entwickelt im Rahmen des eigenen Teilprojektes ein Textauswertungsverfahren auf Basis eines semantischen Modells sowie Keyword Extraction- und Part-of-Speech-Analyse-Verfahren. Mit Hilfe dieses Algorithmus wird es möglich sein, maschinelle Probleminformationen mit entsprechenden Lösungsinformationen aus elektronischen Dokumenten zu verknüpfen.
Förderung
Das Projekt SmarterMaintenance wird vom Bundesministerium für Wirtschaft und Energie unter der Projektträgerschaft der AiF gefördert.
Förderkennzeichen: ZF4189701BZ5
Laufzeit: 01.05.2016 – 31.10.2017
Projektbeteiligte:
eoda GmbH (https://www.eoda.de/de/)
Ansprechpartner
- Dr. Philipp Bitzer
QuAALi