Faculty of Computer Science




  Neue Ansätze für Predictive Maintenance

                              Thomas Wagner
   ...
Gliederung
Faculty of Computer Science



        1. Einleitung

        2. Einführung in die Thematik ‐ Kontextsensitive ...
Einleitung
Faculty of Computer Science



            Abnutzungsprozesse:
                    gp

                        ...
Einleitung
Faculty of Computer Science



            Predictive Maintenance ‐ Konventionell
                             ...
Einführung in Thematik ‐ Kontextsensitive 
                              Prognosen
Faculty of Computer Science



        ...
Einführung in Thematik ‐ Kontextsensitive 
                              Prognosen
Faculty of Computer Science



        ...
Einführung in Thematik ‐ Kontextsensitive 
                              Prognosen
Faculty of Computer Science


         ...
Einführung in Thematik ‐ Kontextsensitive 
                                Prognosen
Faculty of Computer Science


       ...
Anwendungsbeispiel ‐ Filteranlage
Faculty of Computer Science

            Anwendungsfall – Luftfilter (Air‐Condition Syst...
Anwendungsbeispiel ‐ Filteranlage
Faculty of Computer Science

            Analyse der Datenbasis
                  Indika...
Anwendungsbeispiel ‐ Filteranlage
Faculty of Computer Science


            Modellierung des jeweiligenKontext‐Verhaltens ...
Anwendungsbeispiel ‐ Filteranlage
Faculty of Computer Science


            Erstellung einer Kontextsensitiven Prognose


...
Fazit
Faculty of Computer Science




           Geeignetes Werkzeug zur Modellierung verhaltensvarianter 
           Alte...
Faculty of Computer Science




          Neue Ansätze für Predictive Maintenance
          Neue Ansätze für Predictive Ma...
Upcoming SlideShare
Loading in...5
×

Neue Ansätze für Predictive Maintenance. Jakob Krause, Thomas Wagner, TU Dresden, Institut Angewandte Informatik

594

Published on

Published in: Technology, Education
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
594
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
6
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Neue Ansätze für Predictive Maintenance. Jakob Krause, Thomas Wagner, TU Dresden, Institut Angewandte Informatik

  1. 1. Faculty of Computer Science Neue Ansätze für Predictive Maintenance Thomas Wagner Jakob Krause 2009‐4‐24
  2. 2. Gliederung Faculty of Computer Science 1. Einleitung 2. Einführung in die Thematik ‐ Kontextsensitive  . ü u g d e e at o te tse s t e Prognosen 3. Anwendungsbeispiel – Filteranlage 4. Fazit
  3. 3. Einleitung Faculty of Computer Science Abnutzungsprozesse: gp Wirkungen: Maschine Beanspruchungen: •Brüche •Ermüdung •biologisch biologisch •Korrosion •chemisch •Verformung •physikalisch •Verschleiß •Verschmutzung •usw. Folgen von Maschinenausfällen: Fl M hi fäll Stillstandzeiten in der Produktion Überschreitung von Lieferfristen Entstehung von Kosten
  4. 4. Einleitung Faculty of Computer Science Predictive Maintenance ‐ Konventionell Vorhersage Maschine Alterungs-Indikator Ausfallzeitpunkt p Grenzwert Grenzwert Zeit Zeit Problem: Alterungsprozesse sind oft verhaltensvariant! 
  5. 5. Einführung in Thematik ‐ Kontextsensitive  Prognosen Faculty of Computer Science Beispiel für Verhaltensvariante Alterung Fräsen verschiedener Materialien Verlauf des Verschleißes bei unterschiedlicher Härte der Werkstück-Materialen Verschleiß Härte(Werkzeug) = Härte Härte(Werkstück) •Je nach Härtegrad des Werkstücks altert (verschleißt) das Werkzeug unterschiedlich schnell
  6. 6. Einführung in Thematik ‐ Kontextsensitive  Prognosen Faculty of Computer Science Das Alterungsverhalten von Maschinen hängt  häufig von den Produktionsbedingungen ab  (Kontexte)  Beispiele für Kontexte: Produktionspläne Materialeigenschaften der Werkstücke  Auslastung der Maschine Reihenfolge der Produktionsschritte  h fl d dk h … Das Einbeziehen der Kontexte führt zu besseren  D Ei b i h d K t t füh t b Vorhersagen der Maschinenalterung
  7. 7. Einführung in Thematik ‐ Kontextsensitive  Prognosen Faculty of Computer Science Prinzipielles Vorgehen bei Kontextsensitiven Prognosen: ERP / MES Alterungs-Indikator Produktionspläne Kontext A Kontext B Kontext C Grenzwert Maschine Zeit
  8. 8. Einführung in Thematik ‐ Kontextsensitive  Prognosen Faculty of Computer Science Identifizierung von Kontexten Durch Experten mit Wissen über das Maschinenverhalten  oder durch Analyse von Signaldaten der Maschine:  durch Analyse von Signaldaten der Maschine: Untersuchungen mit entsprechenden Algorithmen wurden  durchgeführt:  •Segmentierung von Signalen •Zuordnung von Kontexten •Spezifizierung des Alterungsverhaltens unter Kontexteinflüssen Segmente: 1         2          3                       4                 5                6 Grenzwert Alterung A         B A         C B C Zeit
  9. 9. Anwendungsbeispiel ‐ Filteranlage Faculty of Computer Science Anwendungsfall – Luftfilter (Air‐Condition System der Fakultät  Informatik) Alterungsprozess durch: Zusetzen (Verschmutzung) des Filters Um gleichmäßigen Luftstrom zu gewährleisten muss Leistungsaufnahme des  Motors angepasst werden  Alterungsindikator Leistungsaufnahme Verschmutzung Druck D k Luftstrom L ft t Leistungsaufnahme g
  10. 10. Anwendungsbeispiel ‐ Filteranlage Faculty of Computer Science Analyse der Datenbasis Indikatorwahl  Leistungsaufnahme Identifizierung von Kontexten Id ifi i K Arbeitszeit Wochenen de Ferien
  11. 11. Anwendungsbeispiel ‐ Filteranlage Faculty of Computer Science Modellierung des jeweiligenKontext‐Verhaltens  Kontextsensitive Modellgleichung: ⎧ c1 ( x ) für K =quot;Wochenendequot; ⎪ I ( K , x ) = ⎨c2 ( x ) + c3 ( x ) 2 für K =quot; Ferienquot; ⎪s +t +i ⎩ k k k − p +1 für K =quot; Arbeitquot;
  12. 12. Anwendungsbeispiel ‐ Filteranlage Faculty of Computer Science Erstellung einer Kontextsensitiven Prognose C BCBCBCB CBCBC A C Prognose Kontexte A: Ferien B: Wochenende C: Arbeitszeit
  13. 13. Fazit Faculty of Computer Science Geeignetes Werkzeug zur Modellierung verhaltensvarianter  Alterungsindikatoren g Realitätsnahe Modellierung durch Einbeziehen von Kontext‐ g Wechseln Potential zur Verringerung der Instandhaltungskosten
  14. 14. Faculty of Computer Science Neue Ansätze für Predictive Maintenance Neue Ansätze für Predictive Maintenance Vielen Dank! Vielen Dank! Fragen…? Thomas Wagner Thomas Wagner Jakob Krause: jakob.krause@tu‐dresden.de 2009‐4‐24
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×