Digi­ta­li­sie­rung von Anla­gen und Maschi­nen fin­det im indus­tri­el­len Pro­duk­ti­ons­um­feld bereits groß­flä­chig statt. Durch zuneh­mende Leis­tungs­fä­hig­keit, Minia­tu­ri­sie­rung und digi­tale Ver­netz­bar­keit elek­tro­ni­scher Kom­po­nen­ten bei gleich­zei­tig sin­ken­den Bau­teil­prei­sen wer­den zukunfts­wei­sende Auto­ma­ti­sie­rungs­lö­sun­gen rea­li­siert. Dies erfor­dert aber auch eine Zustands­über­wa­chung, die eine nach­voll­zieh­bare und im Ide­al­fall vor­aus­schau­ende, intel­li­gente Über­sicht über Funk­ti­ons­fä­hig­keit, Feh­ler­ent­ste­hung und erfor­der­li­chen Instand­set­zungs­be­darf gewähr­leis­tet.

Das in Koope­ra­tion mit der IHK Kassel-​​Marburg und Hes­sen Inno­va­tiv ange­bo­tene Prä­senz­se­mi­nar erläu­tert daher die Zusam­men­hänge, Hin­ter­gründe und Her­an­ge­hens­wei­sen digi­ta­ler Zustands­über­wa­chung von Maschi­nen und Anla­gen im Kon­text der indus­tri­el­len Pro­duk­tion. Dabei kon­zen­trie­ren wir uns ins­be­son­dere auf die Schwin­gungs­er­fas­sung und –aus­wer­tung, den Ein­satz von KI-​​Methoden zur Zustands­er­ken­nung sowie den sys­te­ma­ti­schen metho­di­schen Ent­wurf von Zustands­über­wa­chungs­sys­te­men.

The­men:

• Digi­ta­li­sie­rung und Bedarf, Hin­ter­gründe und Trends zur Zustands­über­wa­chung
• Schwin­gungs­re­duk­tion und Vibra­ti­ons­kon­trolle
• Poten­tiale von Pro­duk­ten mit inte­grier­tem Moni­to­ring
• Grund­be­griffe und Ansätze für das Moni­to­ring von Pro­duk­ten
• Unter­schei­dung von Big– und Smart-​​Data Metho­den
• Erläu­te­rung der Rele­vanz und Poten­tiale einer maschi­nen­in­te­grier­ten und einer Cloud-​​Lösung für soft­ware­ba­sierte Dienst­leis­tun­gen
• Vor­stel­lung und Erläu­te­rung von selbst-​​lernenden Algo­rith­men für eine Maschi­nen– und Pro­zess­op­ti­mie­rung

Refe­ren­ten:

Mat­thias Rau­schen­bach, Chris­toph Tamm und Jona­than Mil­lit­zer (Fraunhofer-​​Institut LBF)

Lern­ziele:

• Bedarf und Nut­zen von Schwin­gungs­über­wa­chung, Zustands­über­wa­chung und KI im Zuge der Digi­ta­li­sie­rung im Pro­duk­ti­ons­um­feld ver­ste­hen.
• Zusam­men­hang zwi­schen Vibra­tion, Betriebs­be­las­tung, Zuver­läs­sig­keit und Zustands­über­wa­chung ver­ste­hen.
• Ein­satz­mög­lich­kei­ten und Nut­zen von KI-​​Methoden in der Daten­ana­lyse und Zustands­op­ti­mie­rung ken­nen­ler­nen.
• Metho­di­sche Sys­te­ma­tik zur Gestal­tung und Vor­ge­hens­weise zur Umset­zung von Condition-​​Monitoring-​​Systemen erfah­ren.

Ziel­gruppe:

• Maschi­nen– und Pro­dukt­ent­wick­ler
• Anla­gen­pla­ner und –ver­ant­wort­li­che
• Instand­hal­ter, Geschäfts­füh­rer und Unter­neh­mer

Vor­kennt­nisse

Keine Vor­kennt­nisse nötig.