Case Study
Maschinen-Industrie

Intelligente Störungserkennung zur Optimierung der Produktionszeit.

Ausgangslage

Stopp der Produktionsstrasse.

Ein führendes Unternehmen der Maschinenindustrie betreibt eine hochautomatisierte Produktionsstrasse, die durch IoT-Sensoren überwacht wird. Diese Sensoren sind essenziell für die Überprüfung kritischer Parameter,
wie z. B. der Temperatur.

In einem Vorfall führte der Ausfall eines Temperatursensors dazu, dass die gesamte Produktionsstrasse gestoppt wurde – obwohl keine tatsächliche Überhitzung oder Gefährdung vorlag.

Das Problem:

Unklare Ursachen von Sensorausfällen. Es war weder ersichtlich, ob der Sensor tatsächlich defekt war oder ein tatsächliches Problem im System bestand. Solche Unterbrechungen verursachten erhebliche Kosten und beeinträchtigten die Lieferkette.

Lösung

KI-gestützte Störungserkennung und Vorhersage

Um derartige Szenarien in Zukunft zu vermeiden, wurde eine KI-Lösung eingeführt, die gezielt auf die Analyse von Sensordaten spezialisiert ist. Diese Lösung verfolgt zwei Hauptziele:

1. Frühzeitige Warnung vor drohenden Sensorausfällen:

Die KI wertet kontinuierlich historische Daten und Echtzeitinformationen aus, um Muster zu identifizieren, die auf bevorstehende Störungen hinweisen. Dies ermöglicht eine präventive Wartung der Sensoren und reduziert das Risiko ungeplanter Ausfälle.

2. Eindeutige Erkennung und Differenzierung von Störungen:

Um derartige Szenarien in Zukunft zu vermeiden, wurde eine KI-Lösung eingeführt, die gezielt auf die Analyse von Sensordaten spezialisiert ist. Diese Lösung verfolgt zwei Hauptziele:

Dein Nutzen

Mehr Effizienz und 
Zuverlässigkeit im Betrieb.

Die KI-basierte Lösung führte zu einer signifikanten Verbesserung der Produktionssicherheit und Effizienzsteigerung.

Reduktion ungeplanter Stillstände

Produktionsunterbrechungen wurden um 80 % verringert, da Sensorprobleme frühzeitig erkannt und behoben wurden.

Durch die Vermeidung unnötiger Produktionsstopps konnten jährliche Einsparungen im sechsstelligen Bereich erzielt werden.

Eindeutige Informationen zur Art und Dringlichkeit von Störungen erhöhen die Reaktionsgeschwindigkeit und die Sicherheit im Betrieb.

Die dargestellten Zahlen und Annahmen dienen ausschliesslich als Beispiele und können je nach individueller Situation und Komplexität der Systeme variieren. Die tatsächlichen Ergebnisse hängen von mehreren Faktoren ab, einschliesslich der bestehenden Infrastruktur, der Implementierung und Nutzung der Lösung sowie unternehmensspezifischen Rahmenbedingungen. Intersys übernimmt keine Haftung für Abweichungen von den genannten Annahmen. Es wird empfohlen, eine detaillierte Analyse durchzuführen, um genaue Einsparungen und Effizienzsteigerungen zu bestimmen.

Technologie

Die Implementierung dieser Lösung basiert auf modernsten Technologien, die speziell auf die Anforderungen der Industrie abgestimmt sind:

  • Anomalieerkennung: KI-Modelle identifizieren ungewöhnliche Datenmuster in Echtzeit.
  • Predictive Maintenance: Proaktive Wartungsplanung basierend auf Vorhersagemodellen.
  • IoT-Integration: Nahtlose Anbindung an bestehende Sensoren und Steuerungssysteme.
  • Benutzerfreundliche Dashboards: Klare Visualisierung von Warnungen, Trends und Wartungsempfehlungen.
  •  

Fazit

Die Einführung einer KI-gestützten Störungserkennung hat gezeigt, wie digitale Technologien die Resilienz und Effizienz von Produktionssystemen nachhaltig verbessern können.

Durch die präzise Analyse von Sensordaten werden nicht nur Störungen schneller erkannt, sondern auch deren Ursachen klar differenziert. Ein wesentlicher Schritt zur Minimierung von Ausfallzeiten und Maximierung der Produktionskapazitäten.

Portraitbild Marco Laffer

Deine Ansprechperson 

Marco Laffer
Mitglied der Geschäftsleitung

+41 79 415 24 42

Weitere Erfolgsgeschichten

Unia

Swisscom Directories