Vorausdenkende Gießereien entscheiden sich für die KI-gesteuerte "beratende" Wartung

Wenn man das Leistungsverhalten wichtiger interner Bauteile nicht direkt beobachten kann, wie kann man dann hochgradig entwickelte Gießereianlagen mit minimalen Ausfallzeiten und zu den geringstmöglichen Kosten durchgängig optimal betreiben?

Die einfache Antwort auf diese technische Herausforderung: Die Kombination von KI-Technologie, riesigen Datenmengen und der Cloud mit menschlicher Erfahrung und Expertise. Anstatt mit komplexen Analysen zu ringen, erhalten Gießereimanager und Servicetechniker rechtzeitig Warnungen und Ratschläge. Mit ihrer Hilfe lässt sich abweichendes Anlagenverhalten erkennen und beheben, bevor es kritisch wird und die Produktion unterbricht.

Normalerweise werden jedoch nur kritische Verschleißteile oder Daten überwacht, die für Standardwartungsaufgaben relevant sind. Das Verfahren ist also immer noch reaktiv, da sich die Warnhinweise lediglich auf eintretende oder bereits eingetretene Fehler beziehen. Das Erhöhen der Empfindlichkeit mittels niedrigerer Alarmschwellen zum frühzeitigen Erkennen von Fehlern führt oft zu Fehlalarmen. Die meisten Überwachungssystem der zustandsbasierten Wartung erfordern erhebliche IT-Investitionen sowie firmeneigenes Know-How, um die Daten richtig interpretieren und Fehlalarme vermeiden zu können. Darüber hinaus kann nur ein kleiner Bruchteil der verfügbaren Daten manuell interpretiert werden.

Der Fernüberwachungsdienst von DISA setzt zum Beispiel menschliche Experten ein, die Betriebs- und Zustandsdaten interpretieren und somit rechtzeitig beraten können. Das funktioniert gut – doch selbst die erfahrenen Ingenieure von DISA können nicht alle verfügbaren Daten manuell analysieren. Die vielen, jetzt in DISA-Anlagen installierten Sensoren liefern pro Anlagenzyklus tausende von Datenpunkten.

Umstellung auf die Analysesysteme der nächsten Generation

Moderne IT ermöglicht den nächsten Schritt nach vorn: Vorausschauende Wartung Die Kombination von massiver Rechenleistung, kostengünstigem Speicher und automatisierten Analysesystemen wie künstliche Intelligenz (KI) ermöglicht das Analysieren von Betriebsverlaufsdaten. Damit lassen sich digitale Modelle erstellen, in denen die komplexen Beziehungen zwischen vielen verschiedenen Parametern und Betriebsbedingungen abgebildet werden. Sie stellen zudem dar, wie diese Daten die Anlagenleistung, den Bauteilverschleiß und weitere Faktoren beeinflussen.

Das Einfügen von Live-Daten in dieses digitale Modell macht es zu einem Echtzeit-Tool, das bereits sehr früh vor Bauteilausfall oder mangelhaftem Leistungsverhalten warnt. Dies trägt dazu bei, geplante und ungeplante Ausfallzeiten zu minimieren und dabei gleichzeitig stabiles Leistungsverhalten zu sichern.

Der Modellierungsprozess der vorausschauenden Wartung ist jedoch komplex und erfordert deutlich mehr Datenexpertise und IT-Ausgaben als die zustandsbasierte Überwachung. Selbst wenn externe Anbieter die Analytik als Service anbieten, erfordert die Interpretation der Ergebnisse und deren Umsetzung in wirksame Maßnahmen erhebliches – und seltenes – firmeneigenes Erfahrungswissen. Wegen der hohen erforderlichen Investitionen können nur die größten Unternehmen realistisch davon profitieren.

Präskriptive Wartung bewältigt diese Herausforderung. Sie meldet Gießereien einfach potenziellen Anlagenausfall oder mangelhaftes Leistungsverhalten – und bietet Lösungsmöglichkeiten an. Da die Datenerfassung und KI-gesteuerte Analysen sowie das menschliche Know-How bereits Teil des Service sind, benötigt die Gießerei keine besonderen IT- oder Datenexperten.

Der einfach zu nutzende beratende Wartungsservice bietet die gleichen Vorteile wie firmeneigene Tools für die vorausschauende Wartung, jedoch zu deutlich geringeren Kosten und mit deutlich geringerem Geschäftsrisiko. Instandhaltungsmaßnahmen werden nicht, wie bei der zustandsbasierten Wartung, durch potenziell schädigenden Verschleiß oder schwerwiegende Bauteilprobleme veranlasst, sondern durch die automatisierte Analyse der Daten von vielen Anlagensensoren. In ihrer Gesamtheit warnen sie sehr früh vor auftretenden Fehlern oder suboptimalem Betrieb.

Es müssen also nur bei Bedarf Wartungsmaßnahmen eingeleitet werden – und nicht vorher. Und Probleme werden in der Regel vor ihrem Auftreten behoben. Und neben der frühzeitigen Problembehebung lassen sich die Informationen auch für das kontinuierliche Verbessern des Anlagenbetriebs und der Verfahren nutzen.