Domänen-Know-how der Ingenieure nutzen

Predictive Maintenance - Support bei der Umsetzung

10. März 2021, 14:00 Uhr | Iris Stroh

Es wird zwar viel über Predictive Maintenance (vorausschauende Wartung) geschrieben, aber die damit verbundenen Möglichkeiten werden in der Industrie bislang noch zu wenig genutzt. Das bestätigt Philipp Wallner, Industry Manager bei MathWorks. Warum eigentlich, die Vorteile liegen doch auf der Hand?

Predictive Maintenance wird nicht ausnahmslos mit KI-Methoden umgesetzt, sondern auch mit Signal-Processing-Ansätzen, geht es aber um Predictive Maintainance mithilfe von KI dann »stehen wir noch am Anfang. Es gibt viele, die damit experimentieren, aber nur wenige Unternehmen setzen Predictive Maintenance schon im Feld ein«, so Wallner weiter. Ein Grund dafür ist seiner Meinung nach, dass alles was mit Predictive Maintenance und mit KI, Maschinenlernen (ML) oder Deep Learning (DL) zusammenhängt, immer noch sehr stark allein in den Händen der Data-Scientists liegt. Das ist insofern ein Problem, dass diejenigen, die das Domänen-Know-how haben, sprich die Ingenieure, ebenfalls involviert sein müssten und die kennen sich leider oft mit diesen Themen nicht so gut aus. Darüber hinaus liege der Fokus derzeit noch sehr stark auf der Weiterentwicklung der Algorithmen, und weniger auf der Umsetzung an der Maschine, was den Ingenieuren auch nicht weiterhilft.

Mathworks will die Umsetzung von Predictive Maintenance für Ingenieure erleichtern. Schaut man sich das Prinzip von Predictive Maintenance an, geht es immer darum, auf Basis von Sensordaten einen Predictive-Maintenance-Algorithmus zu entwickeln, mit dem Probleme erkannt werden können, bevor sie ernsthafte Auswirkungen auf die Maschine/Anlage haben und so Ausfallzeiten zu verhindern. Deshalb hat Mathworks Apps für die gängigsten Workflows für Predictive-Maintenance-Anwendungen entwickelt, die eine Umsetzung deutlich vereinfachen.