SDSC-BW: Hermle AG

Smart Data reduziert Wartungsintervalle von Fräsmaschinen

Die Maschinenfabrik Hermle AG entwickelt Systeme, die das Bearbeitungszentrum als zentrale Größe erfasst und Aussagen zum Zustand der Komponenten ermöglichen. Diese anfallenden Informationen werden entsprechend analysiert und ausgewertet. Dadurch lässt sich Stillstand vermeiden und der Wartungsbedarf exakt bestimmen. Für eine Smart-Data-Analyse des Smart Data Solution Center Baden-Württemberg (SDSC-BW) wurden Zustandsdaten vom mehreren Maschinen für einen Zeitraum von 12 Monaten zur Verfügung gestellt.

Eine Erstanalyse der Wartungsdaten konzentrierte sich darauf, den Zustand der Achsen des Bearbeitungszentrums zu klassifizieren und auf diese Weise Potentiale für eine automatisierte Fernwartung zu identifizieren. Im zweiten Schritt ging es um die Auswertung mittels überwachter Lernverfahren (z.B. Entscheidungsbäume). Ziel der Experten war es, die Daten für eine unterstützende Vorhersage von Maschinenproblemen zu nutzen (Predictive Maintenance). Durch das Projekt mit dem SDSC-BW konnte die Hermle AG ihre bisherige Vorgehensweise bei der Maschinenwartung genau bewerten und bereits erste Verbesserungsmöglichkeiten identifizieren. Im nächsten Schritt wird das Unternehmen die Erkenntnisse des Projektes in ihren Service einfließen lassen, um die Wartungsqualität noch weiter zu steigern: Vorhersagen, ob und wann man bei einer Maschine mit einem Ausfall rechnen muss, werden so optimiert. Davon werden auch Kunden von Hermle unter Zeit- und Kostengesichtspunkten profitieren.

Data Innovation Community

Industrie 4.0

Projektpartner

Hermle AG, Smart Data Solution Center Baden-Württemberg

Ansprechpartner

Murat Malyemez, malyemez@sicos-bw.de

Zeitraum

Mai 2016 – März 2017

Externe Links

Die vollständige SDSC Success Story

Weitere Projekte

Die Position der Bemaßung detektieren und die Winkelinformationen der detektierten Positionen bereitzustellen
Maschinellen Lernens zur vorausschauenden kausalen Analyse von Risikofaktoren über Investmentportfolien
Bedarfsanalyse für energetische Baumaßnahmen auf Basis historischer Infrastrukturdaten