KMU-innovativ Autonome Serviceverwaltung eines Dispositionssystems zur Serviceplanung von Maschinen und Ressourcen mit Autopilotfunktionalität am Beispiel Druckluftkompressor (AutoServIoT)

Problemstellung
Beim Betrieb von Maschinen und Anlagen ist es wichtig, ihre Funktion lange zu gewährleisten und die Stillstandszeiten so gering wie möglich zu halten. Hierzu werden Prozesse und Zustände mittels Sensorik überwacht und in regelmäßigen Abständen Vor-Ort Wartungstätigkeiten durchgeführt. Die Koordinierung dieser Wartungen erfolgt entweder präventiv nach einem festen Zeitschema oder vorausschauend unter Berücksichtigung der Daten von Zustandssensoren. Treten Unregelmäßigkeiten in der Anlage auf, muss zur Ausfallvorsorge der Serviceplan unter Berücksichtigung aller Faktoren neu priorisiert werden. Derzeit erfolgt die Serviceplanung inklusive der Verwaltung der Ressourcen, wie Maschinenverfügbarkeit, Personalplanung, Werkzeuge und Ersatzteile, meist manuell oder teilautomatisiert mit unterschiedlichen Systemen. Es fehlt ein ganzheitliches autonomes System zur Serviceverwaltung, das auch Anlagen einbezieht, die aufgrund ihres Standortes ohne Netzanbindung betrieben werden müssen.

Ziel
Ziel des KMU-innovativ-Projektes AutoServIoT ist es, eine Autopilotfunktionalität für Serviceplanungen und -verwaltungen mit Hilfe künstlicher Intelligenz zu entwickeln. Das System soll autonom und adaptiv die Festlegung von Servicetätigkeiten, die Einsatzplanung aller Ressourcen sowie die ständige Repriorisierung der Wartungs- und Serviceaufträge übernehmen. Insgesamt zielt das Projekt darauf ab, die Wartungsplanung und -durchführung aus Sicht des Dienstleisters und des Anlagenbetreibers effizienter zu gestalten.

Vorgehensweise
Beispielhaft für Druckluftkompressoren soll ein Demonstrator realisiert werden, der die zahlreichen zu erfassenden Sensordaten in Echtzeit in servicerelevante Informationen überführt und mit der Verfügbarkeit von Maschine, Ersatzteilen und Servicepersonal verknüpft. Hierzu ist zunächst ein Ölzustandssensor für die Anwendung an Druckluftkompressoren anzupassen. Außerdem werden Auswertealgorithmen erprobt, die der Virtualisierung sensornaher Daten dienen. Im Rahmen von Machbarkeitsuntersuchungen zur Datenkomprimierung für die drahtlose Kommunikation mittels 5G wird bewertet, ob sich Daten von Systemen, die sich an abgelegenen Orten befinden, übertragen lassen. Weiterhin wird eine Cloud-Architektur entwickelt und mit Hilfe von KI-Algorithmen eine Autopilotfunktionalität für die Maschinenwartung umgesetzt.

Ergebnisse und Anwendungspotenzial
Nach erfolgreicher Projektbearbeitung ist geplant, die Konzeptbestandteile des Demonstrators auf weitere Anlagentypen anzuwenden. Aus Sicht der Anlagenbetreiber ermöglicht das System eine verbesserte Anlagenverfügbarkeit sowie eine Reduzierung des Verbrauchs an Ersatzmitteln, z. B. durch bedarfsoptimierten Ölwechsel. Dadurch können verarbeitende Unternehmen, insbesondere KMU, effizienter und wirtschaftlicher mit wartungsintensiven Anlagen arbeiten.

• Galek & Kowald GmbH
• Hochschule Schmalkalden
• ZILA GmbH