Lebenszyklusübergreifende Qualitätsservices
1. Beschreibung
Da Ausfälle, Instandsetzungen und ineffiziente Wartungspläne oft hohe Kosten verursachen und viele Ressourcen verbrauchen, ist die Optimierung von lebenszyklusübergreifenden Qualitätsservices von besonders großer Bedeutung.
Optimale Wartungszeitpunkte zu finden, kann für Unternehmen jedoch sehr zeitaufwendig und fehleranfällig sein, sodass Künstliche Intelligenz (KI) an dieser Stelle sinnvoll eingesetzt werden kann. Das Ziel ist es, Kosten durch teure Instandsetzungen und unnötige Wartungen zu verringern und Ausfallzeiten zu reduzieren.
Mithilfe von KI lassen sich Wartungspläne auf der Basis von bspw. Geräte- und Betriebsdaten erstellen und optimieren. Darüber hinaus kann der Bedarf an gelagerten Ersatzteilen angepasst werden. Durch die Optimierung von lebenszyklusübergreifenden Qualitätsservices können die Zeitpunkte von Wartungen oder Instandsetzungen optimiert werden, wodurch Kosten gespart und die Gesamteffizienz des Servicebetriebs verbessert werden. Dadurch erhöht sich wiederum die Zufriedenheit der Kundschaft, und die Wettbewerbsfähigkeit des Unternehmens wird gestärkt.
2. Notwendige Daten
Je nach Anwendungsfall werden unterschiedliche Daten benötigt. Zum einen sind Daten notwendig, in denen Informationen zu lebenszyklusübergreifenden Qualitätsservices vermutet werden. Folgend sind einige Beispiele dazu aufgeführt:
- Wartungsdaten
- Fehler- und Störungsdaten
- Gerätedaten z. B. Technische Daten, Installationsdatum
- Betriebsdaten z. B. Laufzeiten, Auslastung, Umgebungsbedingungen
- Sensordaten z. B. Schwingungen, Druck, Temperatur
Zum anderen sind Daten notwendig, welche die lebenszyklusübergreifenden Qualitätsservices beeinflussen können. Folgend sind einige Beispiele dazu aufgeführt:
- Externe Einflussfaktoren z. B. Wetterdaten, Naturkatastrophen, Verunreinigungen in der Luft, Lichteinstrahlung, Raumtemperatur, Luftfeuchtigkeit
3. Nächste Schritte
Die Unterstützung der lebenszyklusübergreifenden Qualitätsservices klingt nach einem Anwendungsfall für Ihr Unternehmen? Das könnten die nächsten Schritte sein:
- Sprechen Sie mit den Kolleg*innen des Services und prüfen Sie Ihre vorliegenden Daten. Zur Bewertung Ihrer Daten schauen Sie in unserem KI-Kompetenzbildungsprogramm vorbei. In Modul 2 wird das Thema „Datenmanagement“ behandelt.
- Strukturieren Sie Ihr KI-Projekt: Welches Problem soll gelöst werden? Setzen Sie klare Ziele. Welche Daten werden benötigt? Wie erfolgt die Anwendung? Dabei kann Sie der KI-Canvas unterstützen.
- Integrieren Sie Ihre Geschäftsführung, um das weitere Vorgehen zu besprechen.
Sie benötigen Unterstützung bei den nächsten Schritten? Gehen Sie gerne auf die KI-Dienstleistenden der Region Hannover zu. Gerne unterstützt Sie auch die Region Hannover bei der Gestaltung Ihres Anwendungsfalls.
4. Beispielprojekt
Das Unternehmen ATN-Ceran nutzt in der Produktion Mahlperlen. Je nach Kund*innenauftrag gibt es prozessbedingte Unterschiede, wie bspw. verwendete Maschinen, Drehgeschwindigkeit der Trommeln, Nutzungsdauer zwischen Nachfüllung und Neubefüllung.
Das Verschleißverhalten der Mahlkugeln vorherzusagen ist durch diese Unterschiede sehr schwierig. In einem Digitalisierungsprojekt des Mittelstand-Digital Zentrums WertNetzWerke wurde der Verschleiß mittels KI vorhergesagt.
Sie wollen mehr von diesem Projekt erfahren? Besuchen Sie die Webseite des Mittelstand-Digital Zentrums WertNetzWerke.