Startseite » Industrie 4.0 »

Predictive Maintenance bei BMW: Produktions-Stillstände reduzieren, Nachhaltigkeit und Ressourcen-Effizienz fördern

Vorausschauende Wartung
BMW setzt weltweit in seinen Werken Predictive Maintenance ein

BMW setzt weltweit in seinen Werken Predictive Maintenance ein
Die BMW Group setzt in ihren Werken auf Predictive Maintenance.
Bild: BMW Group

Die BMW Group rollt weltweit Predictive Maintenance-Lösungen in ihrem Produktions-Netzwerk aus. Dazu setzt das Bayrische Unternehmen bei der Instandhaltung ihrer Produktions-Systeme Sensorik, Data Analytics und Künstliche Intelligenz ein. Ein zeit- oder regelbasierter Ansatz wird dabei durch eine zustandsorientierte, vorausschauende Instandhaltung abgelöst. Dabei sollen teure Produktions-Stillstände reduziert und Nachhaltigkeit sowie Ressourcen-Effizienz gefördert werden.

 

Ein wichtiges Thema im Zuge der Digitalisierung der Instandhaltung ist „Predictive Maintenance“: Mittels Monitoring von Maschinen- und Zustandsdaten kann vorhergesagt werden, wann eine Anlage ausfallen wird, bevor es tatsächlich dazu kommt. Der datenbasierte Ansatz hilft dabei, das Instandhaltungs-Optimum zu erreichen.

So können Komponenten vorsorglich getauscht und Produktionsausfälle verhindert werden. Gleichzeitig werden intakte Komponenten nicht unnötig frühzeitig ausgetauscht – was die Effizienz und Nachhaltigkeit erhöht.

Zustandsprognose auf Basis einer cloudbasierten Plattform.

Um frühzeitig Warnungen über mögliche Produktions-Ausfälle zu erhalten, greift Predictive Maintenance auf eine Cloud-Plattform zurück. Die überwachten Produktionsanlagen werden einmalig über ein Gateway an die Cloud angeschlossen und übermitteln regelmäßig Daten – meist einmal in der Sekunde.

Innerhalb der Plattform lassen sich einzelne Software-Bausteine flexibel und bedarfsgerecht zu- und abschalten. Dadurch können Anpassungen an veränderte Anforderungen in kurzer Zeit vorgenommen werden können.

Equipment as a Service (EaaS): Unternehmen beurteilen Abo-Modelle positiv

Durch den hohen Standardisierungsgrad der einzelnen Komponenten entsteht ein global verfügbares und hoch skalierbares System, in dem neue Anwendungsfälle einfach umgesetzt und bestehende Lösungen schnell ausgerollt werden können.

Durch Predictive Maintenance können Wartungs- und Instandhaltungsprozesse an den realen Zustand angepasst werden. Instandhaltungs-Maßnahmen werden so von der laufenden Produktion entkoppelt und in die produktionsfreie Zeit terminiert. Dadurch läuft alles zielgerichteter, kosteneffizienter und ressourcenschonender ab.

Auch eine Verlängerung von Laufzeiten erhöht maßgeblich die Nachhaltigkeit der eingesetzten Produktionsmittel. Ganz nach dem Motto: Einmal entwickelt, mehrfach in das Produktions-System der BMW Group ausgerollt.

Predictive Maintenance: Vielfältige Einsatzmöglichkeiten.

In der Antriebsfertigung der BMW Group werden neben konventionellen Motoren auch Gehäuse für Elektromotoren in flexiblen, hochautomatisierten Anlagen mechanisch im Minutentakt gefertigt.

Das hierfür entwickelte System zur vorausschauenden Instandhaltung erkennt Auffälligkeiten durch einfache statistische Modelle. In komplexeren Fällen kommen prädiktive KI-Algorithmen zum Einsatz. Mit Visualisierungen und Alarmen wird der Produktionsmitarbeiter über anstehende Wartungsarbeiten im Voraus informiert.

Im Karosseriebau leistet eine Schweißzange bis zu 15.000 Schweißpunkte pro Tag. Eine Software sammelt hier die Daten der Schweißzangen und gibt diese an die Cloud weiter. So können mögliche Ausfälle während der Produktion im Vorfeld erkannt werden. Die Daten werden dann mit Algorithmen aufbereitet und analysiert. Dashboards stehen zur Visualisierung aller Daten weltweit zur Verfügung und unterstützen bei den Instandhaltungs-Prozessen.

Auch in der Fahrzeugmontage beugt die vorausschauende Instandhaltung einen Ausfall von Förderelementen vor. Im BMW Group Werk Regensburg etwa senden die Steuerungen der Fördertechnik Daten u.a. zu elektrischen Strömen, Temperaturen und Positionen in die Cloud-Plattform. Dort werden sie kontinuierlich ausgewertet.

Die Datenspezialisten wissen so von jedem Förderelement zu jeder Zeit, wo es ist, wie der Zustand ist und was es macht. Auf dieser Datenbasis werden prädiktive KI-Modelle angewendet, welche Anomalien detektieren und somit Hinweise auf technische Probleme geben. (wag)

Unsere Webinar-Empfehlung
Newsletter

Jetzt unseren Newsletter abonnieren

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Aktuelle Whitepaper aus der Industrie


Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de