FH Bielefeld
University of
Applied Sciences

Entwicklung von datenbasierten Methoden zur Fehlervorhersage und für einen fehlertoleranten Anlagenbetrieb unter Verwendung der IoT-geprägten Produktion als Validierungsumgebung

Prescriptive Maintenance, Maschinelles Lernen, Cloud Computing, Diagnose, Fehlertolerante Steuerung, IoT


Fachhochschule BielefeldCfADS_logo_HR
Fachbereich Ingenieurwissenschaften und Mathematik
Interaktion 1
33619 Bielefeld


Projektbeteiligung

VENJAKOB Maschinenbau GmbH & Co. KG

Laufzeit
01.11.2018 – 31.10.2021


Projektförderung
NRW EFRE Wettbewerb Forschungsinfrastrukturen


Ziel2NRW_RGB_1809_jpg

 

EU-Emblem mit Hinweis auf die EU

 

Logo MWIDE NRW


Kurzbeschreibung

Im Rahmen des Verbundprojekts mit der Firma VENJAKOB Maschinenbau GmbH & Co. KG soll am Center for Applied Data Science ein Kompetenzaufbau in den Bereichen Diagnose, Predictive Maintenance und fehlertolerante Steuerungen und Regelungen stattfinden. Als Anwendungsobjekt dient eine Anlage der Firma Venjakob, die zur Oberflächenbeschichtung mittels Spritzlackierung eingesetzt wird. Mit datenbasierten, lernenden Verfahren sollen Stillstandzeiten vermieden, eine hohe Produktqualität sichergestellt und kritische Komponenten überwacht werden. Die entwickelten Methoden und Workflows werden in der CfADS-Cloud implementiert und zuerst an der beantragten IoT-Factory hinsichtlich Funktionalität getestet und anschließend an Anlagen der Firma VENJAKOB Maschinenbau GmbH & Co. KG validiert.
Als erstes Anwendungsbeispiel wird eine UV-Trocknungskomponente betrachtet. Mit der Erfassung und der Analyse der Daten in der CfADS-Cloud kann der Austausch der Lampen präziser erfolgen, womit unnötige Wechsel von Komponenten vermieden werden.
Eine weitere formale Problemstellung ist die automatisierte Erfassung von Abweichungen des „Normalzustandes“ durch Verfahren des maschinellen Lernens, mit dem Ziel, eine fehlertolerante Steuerung oder Regelung zu realisieren und unnötige Anlagenstillstände zu vermeiden.

weitere Informationen