Erfolgs-
geschichte

Predictive Maintenance

Predictive Maintenance

Die Firma CLAAS ist ein bekannter Hersteller von Landmaschinen, wie zum Beispiel Mähdrescher, Traktoren und Feldhäcksler. Um die Produktion möglichst effizient zu gestalten, wurde im Jahre 2020 der Einsatz von einem fahrerlosen Transportsystem (FTS) eingeführt. Auf der Hauptproduktionslinie fahren dazu einzelne fahrerlose Transportfahrzeuge (FTF) des FTS autonom durch die einzelnen Montagenstationen, sodass nach und nach das fertige Produkt darauf entsteht. Momentan kommt es immer wieder vor, dass ein FTF ausfällt. Dies kann verschiedene Gründe haben, wie eine Verstellung oder Verschmutzung der Sicherheitssensoren oder das Blockieren von Rädern durch Fremdkörper. Bei einem Ausfall des FTFs ist durch die Größe der Produkte ein Austauschen im beladenen Zustand schwierig und dauert Zeit. Da ein Fahrzeug platztechnisch auch nicht überholt werden kann, kommt es zu Taktverzögerungen in der ganzen Produktionslinie, was große Kosten verursacht. Ein Ausfall in der Linie sollte daher möglichst verhindert werden.

Bisher findet am Montageende eine kurze Wartung der FTF statt, bevor sie wieder neu in die Produktionslinie gebracht werden. Diese Wartung wird, besonders in Stresssituationen, jedoch nicht immer vollständig durchgeführt und auch nicht alle Fehler können dadurch erkannt werden. So werden dann fehlerhafte Fahrzeuge erneut beladen und in die Produktionslinie gebracht, wo es dann zu einem Ausfall kommt. Es besteht daher der Bedarf eines automatischen Erkennens von Fehlern, sodass auffällige FTF erst gar nicht wieder in die Produktionslinie gebracht, sondern direkt in die Wartung geschickt werden können.

Für die frühzeitige und automatische Erkennung von fehlerhaften FTFs ist eine zusätzliche Sensorik am Fahrzeug nötig. Aus diesem Grund wurde bei einer Werksbesichtigung das FTF genauer untersucht und mögliche Positionen für die Installation der Sensorik erörtert. Zudem wurde diskutiert, welche Sensoren für diesen Use Case geeignet sind, wie zum Beispiel ein Accelerometer, Gyroskop oder Akustiksensor. Ausgehend von diesen Anforderungen wurde dann ein erstes Sensorkonzept entwickelt und mit dem Anwenderunternehmen abgestimmt. Dabei sind zusätzliche Aspekte wie das Verwenden von industrietauglicher Hardware oder das Begrenzen der Übertragung von Datenmengen über das WLAN aufgetaucht. Das Sensorkonzept wurde daher dahingehend noch einmal überarbeitet. Als nächstes steht nun das finale Design der Sensorik sowie deren Beschaffung und Installation am Fahrzeug an. Sobald dies geschehen ist, können Daten aufgenommen werden, die dann mit Hilfe von Algorithmen der künstlichen Intelligenz für das frühzeitige Erkennen von Fehlern genutzt werden können.

Durch die FTS können sowohl Kosten als auch Stillstandzeiten reduziert werden und gleichzeitig steigert sich dir Produktivität.

Für die Evaluation des Einsatzes von FTS wurden Interviews, Fragebögen, FMEA (Fehlermöglichkeits- und -Einflussanalyse) und Workshops angewendet.

 

Mit einer KI-basierten Zustandsüberwachung möchten wir Anomalien in kritischen Anlagen frühzeitig erkennen, um ungeplanten Produktionsausfall zu vermeiden. Wir sind damit in der Lage die Instandsetzung und Wartung besser zu planen und diese gezielt außerhalb der Produktionszeiten oder durch Ausschleusen parallel zur Produktion durchzuführen.“ – Timo Westerbusch (CLAAS)

Zurück zur Übersicht