Ziel des Entwicklungsprojekts ist die Entwicklung eines autark operierenden Plug & Play Predictive Maintenance (PdM) Systems für bereits bestehende Kolbenbearbeitungsmaschinen. Das System soll bei einer Fehlerquote von max. 5 % Maschinenausfallzeiten um 70 % reduzieren, wobei der verbleibende Anteil lediglich planbare Ausfälle wie z.B. Wartung beinhaltet. Basierend auf einem eigens entwickelten Sensorarray und eines drahtlosen Kommunikationssystems soll ein Produkt entwickelt werden, welches anhand der Analyse von Echtzeitdaten Handlungsempfehlungen bezüglich erwarteter Geräteausfälle und dem Lebenszyklus der analysierten Maschinen erarbeitet. Das System soll sowohl mit dem Betreiber der Maschine als auch mit dem Hersteller der Maschine in Verbindung stehen. Langfristig und nach erfolgreicher Implementierung in Kolbenbearbeitungsmaschinen soll das System in alle Arten von CNC-Maschinen eingebaut werden können. Durch die KI-basierte Auswertung von Maschinenparametern soll der optimale Zeitpunkt für die Wartung analytisch bestimmen und die Wertschöpfung durch eine optimierte Materialauslastung und verringerte Ausfallzeit der Maschinentechnik maximiert werden.
Entwicklung eines innovativen, auf Machine Learning Algorithmen basierten Prädiktionsmodells zur frühzeitigen Detektion von Defekten bei einer Kolbenbearbeitungsmaschine zur Reduktion der Ausfallzeiten um 70%
