Dieses Forschungsprojekt erforschte ein KI-Ökosystem für Predictive/Prescriptive Maintenance in der Elektronikfertigung, um die ungeplanten Stillstandzeiten zu reduzieren und eine Wartung erst dann durchzuführen, wenn sie notwendig ist. Hierfür wurde ein standardisierter Ansatz für die Integration der Maschinen und IT-Systeme in Zusammenarbeit erforscht.
Erreichtes Ziel:
Bereitstellung eines KI-Systems mit intelligenten und modularen Algorithmen für Anlagenhersteller und Anlagenbetreiber.
Voraussetzung:
Die Produktionsumgebung kann auch bei Anpassung im KI-Ökosystem abgebildet werden, wobei Data Rooms für die Teilnehmer des Ökosystems notwendig werden, um private Daten abzulegen.
Ursprüngliches Problem
Auf Grundlage von Erfahrungswerten werden Produktionsanlagen in festen Intervallen gewartet. Vergleicht man allerdings die tatsächlich notwendigen Stillstandzeiten mit den planmäßig erbrachten Ausfallzeiten in ausreichendem Abstand zur Verschleißgrenze, fällt auf, dass diese in Summe geringer ausfallen würden.
Unser entwickelter Lösungsansatz
Das entwickelte KI-Ökosystem reduziert durch Monitoring die Stillstandzeiten, indem durch Predictive Maintenance eine Wartung erst im Fall eines prädiktiven Defekts durchgeführt wird. Die Zahl der ungeplanten Unterbrechungen wird hierdurch grundlegend geringer.
Durch Prescriptive Maintenance ist das KI-Ökosystem zusätzlich in der Lage, den Zeitpunkt zu analysieren, zu welchem es aus kaufmännischer Sicht sinnvoll ist, eine Wartung durchzuführen, sodass dieser bestimmte Wert für die optimierte Auftragsplanung genutzt werden kann.
In Zusammenarbeit mit der Hochschule Ansbach, der SEHO Systems GmbH und der BMK professional electronics GmbH haben wir mit diesem Projekt unsere Kompetenzen erweitert und unter Einsatz von KI-Technologien ein Ökosystem entwickelt, das mithilfe von Predictive/Prescriptive Maintenance den Arbeitsablauf in der Elektronikfertigung effizienter macht.
Fördergeber:
Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie
