#125

Daten- und KI-basierte Zustandsüberwachung von Produktionsanlagen

Die Digitalisierung von Anlagen und Maschinen findet im industriellen Produktionsumfeld bereits großflächig statt. Durch zunehmende Leistungsfähigkeit, Miniaturisierung und digitale Vernetzbarkeit elektronischer Komponenten bei gleichzeitig sinkenden Bauteilpreisen werden zukunftsweisende Automatisierungslösungen realisiert. Dies erfordert aber auch eine Zustandsüberwachung, die eine nachvollziehbare und im Idealfall vorausschauende, intelligente Übersicht über Funktionsfähigkeit, Fehlerentstehung und erforderlichen Instandsetzungsbedarf gewährleistet.

Unser Seminar erläutert daher die Zusammenhänge, Hintergründe und Herangehensweisen digitaler Zustandsüberwachung von Maschinen und Anlagen im Kontext der industriellen Produktion. Dabei konzentrieren wir uns insbesondere auf die Schwingungserfassung und -auswertung, den Einsatz von KI-Methoden zur Zustandserkennung sowie den systematischen methodischen Entwurf von Zustandsüberwachungssystemen.

Themen

▪   Digitalisierung und Bedarf, Hintergründe und Trends zur Zustandsüberwachung
▪   Schwingungsreduktion und Vibrationskontrolle
▪   Potentiale von Produkten mit integriertem Monitoring
▪   Grundbegriffe und Ansätze für das Monitoring von Produkten
▪   Unterscheidung von Big- und Smart-Data Methoden
▪   Erläuterung der Relevanz und Potentiale einer maschinenintegrierten und einer Cloud-Lösung für softwarebasierte Dienstleistungen
▪   Vorstellung und Erläuterung von selbst-lernenden Algorithmen für eine Maschinen- und Prozessoptimierung

Dozenten

Jürgen Nuffer
Christoph Tamm
Jonathan Millitzer

Lernziele

Bedarf und Nutzen von Schwingungsüberwachung, Zustandsüberwachung und KI im Zuge der Digitalisierung im Produktionsumfeld verstehen.
Zusammenhang zwischen Vibration, Betriebsbelastung, Zuverlässigkeit und Zustandsüberwachung verstehen.
Einsatzmöglichkeiten und Nutzen von KI-Methoden in der Datenanalyse und Zustandsoptimierung kennenlernen.
Methodische Systematik zur Gestaltung und Vorgehensweise zur Umsetzung von Condition-Monitoring-Systemen erfahren.