Implementierung von Predictive Maintenance Systemen

IIoT-Lösungen mit Siemens MindSphere / Azure / Splunk

Plötzliche, unvorhergesehene Maschinenausfälle verursachen Leistungseinbrüche, Lieferengpässe und können zum Stillstand eines gesamten Prozesses führen. Ausfälle sind nicht nur mit viel Zeit und Kosten verbunden, sondern können auch Ihren Vorteil gegenüber Ihrem Wettbewerb schwächen. Durch die Implementierung von Predictive Maintenance in Ihre Infrastruktur und die Überwachung und Analyse von Echtzeit- und historischen Maschinendaten lassen sich Zustandsveränderungen frühzeitig feststellen und somit ungeplante Stillstände auf ein Minimum reduzieren. Die Auswertung der erhobenen Maschinendaten ermöglicht darüber hinaus die Einleitung von Wartungsvorgängen genau dann, wenn sie mit großer Wahrscheinlichkeit notwendig werden.

Einbindung von Third Party Systemen


in Siemens MindSphere

MindSphere ist das cloudbasierte IoT-Betriebssystem von Siemens, das es Ihnen als Hersteller oder Betreiber von Maschinenparks ermöglicht, Ihre Produkte, Anlagen, Systeme und Maschinen zu verbinden und die ausgelesenen und gewonnenen Daten aus dem IoT-Netzwerk für umfangreiche Analysen zu nutzen.

in Microsoft Azure

Beim Betrieb von Industrieanlagen gewinnt die Gesamt-Anlagen-Effizienz (OEE) immer größere Bedeutung. Generieren Sie mit den Azure IoT-Plattformen von Microsoft Erkenntnisse darüber, wie gut Ihre Anlagen im Verhältnis zu ihren geplanten Kapazitäten abschneiden. Die End-to-End IoT Lösungen ermöglichen Ihnen nicht nur die Überwachung Ihrer Geräte, sondern auch maßgeschneiderte Analysen zur Optimierung Ihrer Geschäftsprozesse und Anwendungsfälle.

in Splunk

Splunk Industrial Asset Intelligence liefert in Echtzeit prädiktive Analysen, die es dem Nutzer ermöglichen, den Betrieb proaktiv zu optimieren und die Leistung zu verbessern. Splunk sammelt, analysiert und visualisiert Echtzeit- und historische Maschinendaten aus beliebigen Quellen – einschließlich Sensordaten, OT-verbundene Assets und Produkte, um eine einfache Echtzeitansicht komplexer Industriedaten zu erstellen. www.industry-monitoring.com

Als Systemintegrator binden wir Ihre Maschinen in Siemens MindSphere, Microsoft Azure oder splunk> ein und entwickeln Ihnen bei Bedarf eine Lösung, die speziell auf die Bedürfnisse Ihres Unternehmensumfelds zugeschnitten ist.

Mit Hilfe der Multi-Protokoll-Router Ewon von HMS Networks Solutions bzw. deren Vertriebspartner Wachendorff stellen wir eine Verbindung zu nahezu jeder Maschine her. Sollte eine Maschine einmal nicht mit uns sprechen wollen, entwickeln unsere Embedded-Software-Entwickler die passende Schnittstelle.

Wir unterstützen Sie bei der Umsetzung


Datenerhebung

Grundlage für ein erfolgreiches Predictive Maintenance System ist die Datengenerierung und -erhebung. Unser Team sorgt dafür, dass Sie die Daten aus Ihrer Maschine bekommen, die für einen optimierten Betrieb notwendig und sinnvoll sind. Dafür haben wir Experten in den Bereichen Embedded Programmierung und Anwendungsentwicklung. Im Hardwarebe-reich arbeiten wir mit namhaften Herstellern wie zum Beispiel HMS Industrial Networks  oder Wachendorff  zusammen.


Datensammlung

Die erhobenen enormen Datenmengen müssen an zentraler Stelle gespeichert werden. Wir beraten Sie, welche cloudbasierte Systemarchitektur für Ihren Anwendungsfall am besten geeignet ist und setzen sie zusammen mit Ihnen auf.

Visualisierung

Nach dem automatisierten Plausibilitäts-Check und der Reinigung der Daten sind sie bereit zur Visualisierung. Die visuelle Aufbereitung der Daten ermöglicht eine übersichtliche Über-wachung sowie Analyse von Echtzeitdaten. Zustandsveränderungen der Maschinen lassen sich somit bereits vor der Störung oder dem Ausfall feststellen. Wir unterstützen Sie bei der Implementierung und Anwendung der führenden Datenspeicher- und Visualisierungs-Plattformen Siemens Mindsphere, Azure, splunk und entwickeln für Sie maßgeschneiderte Dashboards und Apps.


Prognose und Künstliche Intelligenz

Aus den erhobenen Daten lassen sich mit Hilfe statistischer und selbstlernender Methoden zuverlässige Prognosen ableiten. Aus diesen werden notwendige Konsequenzen hinsichtlich der Wartung von Maschinen gezogen. Unsere Mathematiker beraten Sie hinsichtlich der sinnvollen statistischen Methoden für Ihren Anwendungsfall und unterstützen Sie bei der Umsetzung. 

IIoT - Lösungen mit Siemens MindSphere

Implementierung von Predictive Maintenance Systemen

Download (1,66 MB)
Nutzung von Azure IoT Hub und Services

Implementierung von Predictive Maintenance Systemen

Download (1,66 MB)
Plattform für Maschinendaten Splunk

„Digital Industry Visualization Engine“ 

Download (645 KB)