Herausforderung

Hersteller von Linearachsen hat unerwartete Ausfälle seiner Komponenten während des Betriebs beim Kunden. Fehlbedienungen des Kunden können nicht erkannt werden.

Vorgehen

  • Anbringung von Schwingungssensoren an den Linearachsen
  • Vorverarbeitung und Weitergabe der Daten über AWS Greengrass Edge Computing.
  • Echtzeit-Analyse der Schwingungsdaten auf Edge-Gerät. Start mit Condition-Based Monitoring. Anschließend A/B-Tests mit Linearen Regressions Algorithmen
  • Weiterverarbeitung der Daten in AWS Cloud und Visualisierung der Ergebnisse über Kibana

Ergebnis

  • Bei 85% der aufgetretenen Fehler konnte eine Fehlbedienung des Kunden festgestellt werden (z.B. Überschreitung der max. Last)
  • Die Fehlerhäufigkeit konnte um 60% reduziert werden, da außergewöhnliche Schwingungen frühzeitig erkannt worden sind
  • Nach 2-monatiger Laufzeit konnte der Lineare Regressions Algorithmus Fehler besser vorhersagen als es durch Condition-Based Monitoring möglich war.


Nutzen

  • Reduzierung von Fehlbedienung des Kunden
  • Reduzierung der gesamten Fehlerhäufigkeit
  • Verbesserung der Fehlervorhersage

Daten

  • Condition-Based Monitoring
  • Schwingungssensordaten
  • Echtzeit-Analyse
  • Fehlervorhersage

Technologien

  • Kibana
  • AWS
  • docker