Die Lernfabrik Fallenbrunnen kommt der vorausschauenden Wartung einen Schritt näher
Die Vorhersage der Zukunft mit Hilfe mathematischer Methoden: dies scheint der Ehrgeiz der Predictive Maintenance – der vorausschauenden Wartung – in naher Zukunft zu sein. Diese Methode der Datenanalyse ist Teil der Big-Data-Analyse und zielt darauf ab, zukünftige Trends in Disziplinen wie Wissenschaft, Marketing oder im Finanz- oder Versicherungssektor vorherzusagen.
Das wichtigste Element der Vorhersageanalyse ist der sogenannte Vorhersageindikator. Dieser Begriff ist für eine Person oder Einheit definiert, die zur Vorhersage des zukünftigen Verhaltens nachverfolgt wird. Für den speziellen Fall der Lernfabrik Fallenbrunnen wurde ein Szenario erstellt, um die Lebensdauer der in einem BOSCH TS1-Bandumlaufsystem vorhandenen Sensoren und/oder Motoren abzuschätzen, siehe Bild.
Das BOSCH TS1-System wird hierbei mit zwei Steuerungen betrieben: mit einer SIEMENS S7-1200 (Hauptsteuerung) und mit einem Raspberry Pi (Alternative Steuerung im Fehlerfall), wobei beide Steuerungen den aktuellen Status der Sensoren lesen und die Aktoren betreiben können. Dabei werden in dem aufgebauten Szenario ausschließlich neueste Standards der industriellen Kommunikation wie IO-Link, Profinet und EtherCAT verwendet. Der Datenaustausch und die Synchronisation zwischen den Steuerungen erfolgt bidirektional über den OPC-UA-Standard.
Darüber hinaus werden Daten erzeugt werden, in dem OPC-UA-Server gespeichert und anschließend über das Kommunikationsprotokoll MQTT zur Cloud gesendet werden. Dort wird, durch die Anwendung verschiedener KI-Algorithmen, das Vorhersageverhalten der gewonnen Daten in der Cloud abgeschätzt. Abschließend wird eine grafische Oberfläche generiert, mit der diese Daten auf mobilen Geräten wie Augmented-Reality-Brillen visualisiert werden können.
Wenn Sie sich für dieses Projekt interessieren, kontaktieren Sie mich gerne!
[wmts id=”8246″]