Case Study

Digitales Framework für eine effektive vorausschauende Wartung etablieren

Prädiktive Wartung ist essenziell für Unternehmen, deren Betrieb auf komplexe Maschinen und Anlagen angewiesen ist. Durch den Einsatz fortschrittlicher Analysen und Algorithmen für maschinelles Lernen kann vorausschauende Wartung dazu beitragen, potenzielle Probleme zu erkennen, bevor sie zu Ausfällen oder Produktionsverzögerungen führen. Dieser proaktive Ansatz kann die Wartungskosten senken, Ausfallzeiten von Geräten minimieren und die allgemeine Betriebseffizienz verbessern, was ihn zu einem unverzichtbaren Tool für moderne Unternehmen macht.

Ohne eine Möglichkeit, die Anlagenleistung zu visualisieren oder in Echtzeit zu überwachen, war unser Kunde nicht in der Lage, datengestützte Entscheidungen zur Anlagenwartung zu treffen. Infolgedessen war unser Kunde mit einem erheblichen Verwaltungsaufwand konfrontiert, der sich aus der Abhängigkeit von papiergestützten Wartungsplänen ergab.

Herausforderung für den Kunden

Unsere Lösung wurde in der Umgebung einer Pilotanlage erstellt und iterativ verfeinert, wobei die nachfolgend aufgeführten Schritte befolgt wurden:

1. Bewertung der Hypothesen unserer Kunden in Bezug auf Hauptprobleme und Ursachen auf der Grundlage von Datenanalysen.

2. Definition und Priorisierung der Anwendungsfälle und der jeweiligen Softwarefunktionalitäten.

3. Agile Softwareentwicklung einer zustandsbasierten Anlagenüberwachungslösung unter Verwendung von Microsoft Azure Cloud- und Edge-Komponenten.

4. Integriertes Change Management als integraler Bestandteil der Lösungserstellung und -implementierung, um sicherzustellen, dass sowohl technische Leiter als auch Endbenutzer das volle Potenzial der neuen Anwendungen ausschöpfen.

Unser Ansatz

Wir haben ein MVP („minimum viable product“, minimal einsetzbares Produkt) der zu entwickelnden Anwendung als Grundlage für den Übergang von zeitbasierter zu zustandsorientierter und vorausschauender Wartung ausgeliefert. Dies trug dazu bei, eine Grundlage für die mittel- und langfristige Wertschöpfung durch künstliche Intelligenz und maschinelles Lernen zu schaffen. Durch unser integriertes Change Management haben wir die Organisation unseres Kunden eingebunden und für die weitere Lösungsentwicklung und den Rollout in allen Werken befähigt.

Der Impact