Projekte

ADIMA:
Adaptives Assistenzsystem für die Instandhaltung intelligenter Maschinen und Anlagen

Projektlaufzeit: 1.5.2016 bis 30.4.2019 (Laufend)
Forschungsbereich: Industrielle Kommunikation : Industrielle Kommunikation, Mensch-Technik-Interaktion : Mensch-Maschine-Interaktion
Projektleiter: Prof. Dr. Dr. habil. Carsten Röcker , Prof. Dr. rer. nat. Oliver Niggemann
Projektlogo:Adaptives Assistenzsystem für die Instandhaltung intelligenter Maschinen und Anlagen


  

Der Begriff Industrie 4.0 beschreibt die zunehmende Nutzung von Informations- und Kommunikationstechnologien (IKT) in industriellen Prozessen, wodurch eine vollständige Vernetzung aller involvierten Akteure erreicht wird – vom Sensor über das Produkt und das Produktionsmittel hin bis zu Systemen für die Unternehmenssteuerung.

 

Während sich erste Prototypen solcher Systeme bereits im praxisnahen Einsatz befinden (siehe z.B. SmartFactoryOWL), wirft die Instandhaltung aufgrund immer größer werdender Anlagen, stärkerer Modularisierung und komplexeren Produkten noch etliche Fragen auf. Insbesondere durch Ausbreitung von Fehlern durch die Verkettung der Anlagenteile können Fehler durch lokale Diagnosemethoden oft nicht adäquat behandelt werden. Darüber hinaus sind Fehlerbehandlungen, die durch das Zusammenspiel unterschiedlicher Komponenten und Teilsysteme in einem dynamisch konfiguriertem Produktionssystem auftreten können, heute nur schwer im Vorfeld abzuschätzen. Folglich ist es auch nicht möglich, feste Routinen zur Fehlerbehebung zu definieren, auf die ein Wartungstechniker im Servicefall zugreifen kann.


Ziel des Projektes ist deshalb die Entwicklung eines Assistenzsystems für die Instandhaltung intelligenter Maschinen und Anlagen, das Wartungsinformationen basierend auf maschinellen Lernalgorithmen selbstständig aus Maschinendaten generiert und so visualisiert, dass Instandsetzungsarbeiten von lokal ansässigen Technikern auch ohne maschinenspezifisches Wissen schnell und erfolgreich durchgeführt werden können. Es wird geschätzt, dass durch ein solches System die Verfügbarkeit auf Kundenseite, also des Anlagenbetreibers, um bis zu 20% gesteigert werden kann. Weiterhin sollen bis zu 20% weniger Servicetechnikereinsätze notwendig werden, was zu einer Kostensenkung im Bereich der Instandhaltung zwischen 25 und 50% führen soll. Gleichzeitig ermöglichen diese Punkte auch maßgebliche Renditesteigerungen auf Seiten des Anlagenherstellers. Denn im Bereich des technischen Kundendienstes machen Faktoren wie Reise-, Logistik-, und Personalkosten für Technikereinsätze derzeit bis zu 64% der Gesamtkosten aus – welche den Kunden zwar in Rechnung gestellt werden, aber nur minimale Profite abwerfen. Bei einer Reduktion der notwendigen Serviceeinsätze könnten sich die Anlagenhersteller im Instandhaltungsbereich auf das profitable Ersatzteilgeschäft konzentrieren.

 

Gefördert durch: Bundesministerium für Bildung und Forschung (BMBF)


Herbert Kannegiesser GmbH,

ISI Automation GmbH & Co. KG

Bild: Adaptives Assistenzsystem für die Instandhaltung intelligenter Maschinen und Anlagen


Publikationen:

Büttner, Sebastian; Wunderlich, Paul; Heinz, Mario; Niggemann, Oliver; Röcker, Carsten: Managing Complexity: Towards Intelligent Error-Handling Assistance Trough Interactive Alarm Flood Reduction. In: International Cross Domain Conference for Machine Learning & Knowledge Extraction (CD-MAKE '17) Springer, Reggio Calabria, Italien, Aug 2017 (Details)

Wunderlich, Paul; Niggemann, Oliver: Structure Learning Methods for Bayesian Networks to Reduce Alarm Floods by Identifying the Root Cause. In: 22nd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA 2017) Sep 2017 (Details)

Wunderlich, Paul; Niggemann, Oliver: Challenges in Learning Causal Models of Alarms in Industrial Plants. In: 16th IEEE International Conference on Industrial Informatics (INDIN) Porto, Portugal, Jul 2018 (Details)

Wunderlich, Paul; Niggemann, Oliver: Inference Methods for Detecting the Root Cause of Alarm Floods in Causal Models. In: 23rd International Conference on Methods and Models in Automation and Robotics (MMAR) Międzyzdroje, Poland, Aug 2018 (Details)

Lang, Dorota; Wunderlich, Paul; Heinz, Mario; Wisniewski, Lukasz; Jasperneite, Jürgen; Niggemann, Oliver; Röcker, Carsten: Assistance System to Support Troubleshooting of Complex Industrial Systems. In: 14th IEEE International Workshop on Factory Communication Systems (WFCS) Imperia (Italy), Jun 2018 (Details)

Ali Khan, Waqas ; Wisniewski, Lukasz; Lang, Dorota; Jasperneite, Jürgen: Analysis of the Requirements for offering Industrie 4.0 applications as a Cloud Service. In: 26th IEEE International Symposium on Industrial Electronics (ISIE 2017) In: 26th IEEE International Symposium on Industrial Electronics (ISIE 2017) Edinburgh, Scotland, UK, Jun 2017 (Details)

Lang, Dorota; Friesen, Maxim; Ehrlich, Marco; Wisniewski, Lukasz; Jasperneite, Jürgen: Pursuing the Vision of Industrie 4.0: Secure Plug and Produce by Means of the Asset Administration Shell and Blockchain Technology. In: 16th IEEE International Conference on Industrial Informatics, INDIN 2018 Porto, Portugal, Jul 2018 (Details)

Wunderlich, Paul; Niggemann, Oliver: Concept for Alarm Flood Reduction with Bayesian Networks by Identifying the Root Cause. In: IMPROVE - Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency: Intelligent Methods for the Factory of the Future S.: 111-129, Springer Vieweg, Aug 2018 (Details)


gefördert durch: Bundesministerium für Bildung und Forschung (BMBF)Förderkennzeichen: 13FH019PX5
Förderlinie: FHprofUnt 2015
Ansprechpartner: M.Sc. Mario Heinz
Mitarbeiter: M.Sc. Paul Wunderlich , M.Sc. Mario Heinz , M. Sc Dorota Lang