Dieses Forschungsprojekt erfoscht 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 wird ein standardisierter Ansatz für die Integration der Maschinen und IT-Systeme in Zusammenarbeit erforscht.
Ziel ist die Bereitstellung eines KI-Systems mit intelligenten und modularen Algorithmen für Anlagenhersteller und Anlagenbetreiber. Die Voraussetzung hierbei besteht vor allem darin, dass die Produktionsumgebung auch bei Anpassung im KI-Ökosystem abgebildet werden kann, wobei Data Rooms für die Teilnehmer des Ökosystems notwendig werden, um private Daten abzulegen.
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.
Lösungsansatz & Nutzen:
Das entwickelte KI-Ökosystem soll nun durch Monitoring diese Stillstandzeiten reduzieren, 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 wird so das KI-Ökosystem zusätzlich in der Lage sein, 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, wollen wir mit diesem Projekt unsere Kompetenzen erweitern und unter Einsatz von KI-Technologien ein Ökosystem entwickeln, was mit Hilfe von Predictive / Prescriptive Maintenance den Arbeitsablauf in der Elektronikfertigung effizienter macht.