Predictive Maintenance in der automatisierten Produktion

[vc_row el_class="container"][vc_column][vc_btn title="Referenzen" style="classic" shape="square" color="btn-light-orange-blue" i_icon_fontawesome="fa fa-angle-double-left" add_icon="true" link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2F|title:Referenzen||"][/vc_column][/vc_row][vc_row el_class="container reference-mobile" el_id="reference-detail-layout"][vc_column el_class="reference-detail-layout-left .reference-mobile-order-2" offset="vc_col-lg-8 vc_col-md-8"][vc_row_inner][vc_column_inner][vc_single_image image="8989" img_size="750x495" el_class="reference-detail-layout-left-image"][/vc_column_inner][/vc_row_inner][vc_tta_accordion shape="square" gap="20" c_position="right" active_section="1" el_class="reference-detail-left-accordion"][vc_tta_section title="Die Herausforderung" tab_id="1508250369004-11fd70c1-c50a"][vc_column_text]In der modernen Automobilfertigung werden eine Vielzahl spezialisierter Fügetechniken verwendet. Im vorliegenden Fall werden z.B. Dachhimmel mit der Karosserie verklebt, anstatt sie zu verschweißen oder zu löten. In der Voraussicht, dass Verfahrenssicherheit und Zuverlässigkeit von einer umfassenden Datenerfassung profitieren können, wurden die an Industrierobotern befestigten Klebedüsen mit entsprechenden Sensoren bestückt, die Temperaturen, Drücke und weitere Parameter erfassen.   Zielsetzung war die Durchführung einer  Analyse, die es erlaubt, in enger Rücksprache mit der Produktionssteuerung, Datenpunkte mit Ausfällen und Reparaturmaßnahmen zu verknüpfen und somit Fehler zu prognostizieren und im Vorfeld zu verhindern. [/vc_column_text][/vc_tta_section][vc_tta_section title="Der Lösungsweg" tab_id="1508250369051-4a626d72-344d"][vc_column_text]Zunächst wurden die Daten im Rahmen einer umfänglichen Datenexploration umfänglich charakterisiert, um bspw. Ausreißer oder Trends zu identifizieren.  Daneben wurden Korrelationen herausgestellt, um Interdependenzen zwischen den Eingangsgrößen herauszuarbeiten und somit die redundanten Daten auszufiltern.  Mithilfe einer Hauptkomponenten-Analyse (PCA) wurde der Datensatz auf zwei Hauptkomponenten reduziert. Dies ermöglichte zum einen die Darstellung der Datenpunkte in der Fläche zur besseren Kommunikation und zum anderen die Weiterverarbeitung in klassischen Machine Learning- Verfahren. [/vc_column_text][/vc_tta_section][vc_tta_section title="Das Ergebnis" tab_id="1508252697978-ef0a40d1-ea09"][vc_column_text]Aus der Analyse der Daten konnte ein charakteristisches Datenmuster identifiziert werden, das dem Ausfall der Komponenten ca. zwei Wochen vorauseilt.  Im Weiteren werden unterschiedliche Machine Learning- Verfahren evaluiert, um einen drohenden Ausfall der Komponenten vorab zu signalisieren, damit entsprechende Wartungsmaßnahmen eingeleitet werden können. [/vc_column_text][/vc_tta_section][/vc_tta_accordion][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class=".reference-mobile-order-1"][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-one"][vc_column_inner][vc_column_text] PROJEKT INFORMATIONEN Kunde Automobilbranche Anwendungsfall Vorausschauende Instandhaltung zur Vermeidung von Störungen und Defekten in der Produktion Technologie MQTT, Splunk, Python  Kundenvorteile Vorhersage des spezifischen Fehlerbildes mit 2 zwei Wochen Vorlauf  Nutzung der bestehenden Sensorik  Nachvollziehbarkeit der Warnmeldung [/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class="reference-mobile-order-3" css=".vc_custom_1536932145604{margin-bottom: -100px !important;}"][vc_row_inner el_class="reference-detail-right-sidebar-one-heading"][vc_column_inner][vc_custom_heading text="DIESE REFERENZEN KÖNNTEN SIE AUCH INTRESSIEREN:" font_container="tag:h6|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-two"][vc_column_inner][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fdata-science-in-einer-robotergestuetzten-lackieranlage%2F|title:Predictive%20Analytics%20in%20einer%20robotergest%C3%BCtzten%20Lackieranlage"][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fbig-data-analytics-und-dashboarding-fuer-stimmungsbarometer-mit-social-listening%2F|title:Big%20Data-Analytics%20und%20Dashboarding%20f%C3%BCr%20Stimmungsbarometer%20mit%20Social%20Listening"][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row el_class="container"][vc_column][tiq_start_service_boxes start_service_box_1_image="10226" start_service_box_2_image="10225" start_service_box_3_image="10224" start_service_box_4_image="10223" start_service_box_5_image="10222" start_service_convert_as_slider="true" start_service_title="Unsere Leistungen" start_service_box_1_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbig-data%2F|title:Big%20Data||" start_service_box_1_title="Big Data" start_service_box_2_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbusiness-intelligence%2F|title:Business%20Intelligence||" start_service_box_2_title="Business Intelligence" start_service_box_3_url="url:http%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fadvanced-analytics%2F|title:Advanced%20Analytics||" start_service_box_3_title="Advanced Analytics" start_service_box_4_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fdatenqualitaet%2F|title:Graphdaten" start_service_box_4_title="Datenqualitätsmanagement" start_service_box_5_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fberatung%2F|title:Beratung||" start_service_box_5_title="Beratung" start_service_box_6_url="|||"][/vc_column][/vc_row] ...