Wartung von Industrieanlagen über eine App

Aichelin setzt bei der Instandhaltung seiner Anlagen auf Digitalisierung. Der mobile Assistent "#Jakob" wacht ab jetzt über den Zustand der Maschinen und erleichtert Instandhaltungsarbeiten sowie die Dokumentation. Fraunhofer Austria ist als Projektpartner beteiligt und liefert die für die Entwicklung der App nötige Expertise in den Bereichen Predictive Maintenance und Condition Monitoring.

Die Anwendung kann mittels Bilderkennung und künstlicher Intelligenz Bauteile erkennen und gleichzeitig Anlagendaten überwachen und Empfehlungen zum zeitgerechten Tausch von Teilen liefern. Nun sei diese Anwendung reif für den Vertrieb, heißt es bei Fraunhofer Austria.

Zwei Pilotkunden

Aichelin, ein in Mödling bei Wien ansässiger Anlagenbauer, baut Industrieanlagen zur Wärmebehandlung von metallischen Bauteilen, hauptsächlich für die Autoindustrie und ihre Zulieferer. Auch die Wartung von Industrieöfen gehört zu den Dienstleistungen. Das sei eine "hochkomplexe Angelegenheit", heißt es dazu: Zehntausende Bauteile und die Größe der Anlage machen es schwierig, den Überblick zu behalten. Um die Instandhaltung zu digitalisieren und zu vereinfachen, hat Aichelin gemeinsam mit der Softwarefirma Humai Technologies GmbH und Fraunhofer Austria die Instandhaltungs-App entwickelt. Zwei Pilotkunden waren an dem Projekt beteiligt und lieferten laufend Verbesserungsvorschläge.

Eine Anlage mit einem eingebauten Fieberthermometer
Bei Fraunhofer Austria war die Gruppe Instandhaltung und Anlagenmanagement unter der Leitung von Robert Glawar und insbesondere die Mitarbeiterin Klaudia Kovacs an dem Projekt beteiligt. "Das Condition Monitoring Modul ist sozusagen das Fieberthermometer der Anlage. Weicht die Anlage von einem definierten Gut-Zustand ab, leuchtet eine Warnung in der App auf", erklärt Klaudia Kovacs, die das Regelwerk hinter dem Tool mitentwickelt hat.

Um die Vorhersagen überhaupt zu ermöglichen, mussten sie und ihre KollegInnen die Maschinen teilweise mit Sensoren nachrüsten – also ein sogenanntes Retrofitting durchführen. Die Sensoren erfassen Parameter wie zum Beispiel die Temperatur, die Stromaufnahme oder Schwingungen der Maschine. Weitere Daten erhielt die Forscherin von Servicetechnikern, Konstruktionsexperten und Elektrotechnikern. "Zuerst muss eine gute Datenbasis geschaffen werden, danach überwacht ein Machine Learning Algorithmus die Anlage. Dieser erkennt, wenn die Werte nicht mehr im normalen Bereich liegen und sendet sofort eine Warnung an den Instandhalter", so Kovacs weiter.

Auch ein Modul zur vorausschauenden Instandhaltung in Arbeit

Zusätzlich zu diesen Warnungen vor kurz bevorstehenden Ausfällen beschäftigte sich das Team von Fraunhofer Austria auch mit der langfristigen Ersatzteilplanung. Das Modul zur vorausschauenden Instandhaltung – das sogenannte Predictive Maintenance Modul – soll bei der Entscheidung helfen, ob ein Teil getauscht werden muss oder noch nicht. "Bei diesem Tool arbeiten wir mit Statistiken. Je nach Bauteilalter sowie den wirkenden Belastung auf das Bauteils beurteilt die App auf dieser Basis die Wahrscheinlichkeit, dass das Teil noch ein weiteres Jahr überlebt", so Klaudia Kovacs.

Quelle und Foto: Fraunhofer Austria Research Gesellschaft mit beschränkter Haftung