Big Data – die schiere Menge an Daten

Eine der Herausforderungen des Projekts ist Big Data – die schiere Menge an Sensordaten, die es zu verarbeiten gilt. PROCON IT stellt eine Streaming-Lösung bereit, die es ermöglicht, die ankommenden Daten zu prozessieren und diese über einen längeren Zeitraum bereitzuhalten.

Lösungsansatz: Mikroprozesse

Bei der Umsetzung des Projekts setzen wir auf Lösungen mit Mikroprozessen. Dies ermöglicht nicht nur eine effiziente horizontale Skalierung der Prozesse, sondern auch die relativ einfache Erweiterung der Architektur durch weitere Prozesse, die sich im Verlauf des Forschungsprojekts ergeben.

Blick in die Zukunft – und dadurch auf mögliche Ereignisse

Um ungeplanten Produktionsausfällen vorzubeugen, werden in Industrieanlagen häufig planmäßige Wartungen durchgeführt. Diese können zwar das Risiko von Ausfällen verringern, sind aber oft teuer und erfordern ebenfalls regelmäßige Ausfallzeiten, die mit einem Stillstand der Maschinen verbunden sind.

 

Kontinuierliche Überwachung – Gewinnung von Erkenntnissen

Vermieden werden kann der Maschinenstillstand durch die prädiktive Wartung von Fertigungsanlagen. Grundlage dafür ist die kontinuierliche Überwachung des Produktionsbetriebs und die Aufzeichnung bestimmter Kennwerte, wie beispielsweise Vibrationsdaten von Anlagenteilen. Ziel ist es, mithilfe der aufgezeichneten Daten auf den Betriebszustand der Anlage zu schließen und Vorhersagen zur weiteren Lebenszeit sowie zu notwendigen Wartungsschritten zu treffen. Damit lassen sich durch effizientes Wartungsmanagement die Verfügbarkeit der Anlage signifikant erhöhen und gleichzeitig die Wartungskosten senken.

 

Ein Gemeinschaftsprojekt zur Forschung

PROCON IT ist in dem gemeinsamen Forschungsprojekt mit der Fraunhofer EMFT, der Mühlbauer Group und der Hochschule München für die Konzeption und Implementierung der Daten-Pipeline für eine prototypische Fertigungsanlage verantwortlich. Zudem übernimmt PROCON IT beim Aufbau der Server-Infrastruktur und der Anbindung der Sensoren an die technische Infrastruktur eine beratende Rolle. Weiterhin haben wir einen wesentlichen Anteil an der Entwicklung der Machine-Learning-Algorithmen zur prädiktiven Wartung.

Am Projekt beteiligt

„Forschungsprojekte wie KIWA ermöglichen es uns, unser Portfolio an Wissen und Technologien stetig weiterzuentwickeln. Die prädiktive Wartung ist ein aufregendes und hochaktuelles Feld der Industrie 4.0. Durch den Aufbau einer Daten-Pipeline mit Hilfe von Kafka und Spark konnten wir den Prozess der Datenakquise und -bereitstellung optimieren. Das Ergebnis: Flexible und (horizontal) skalierbare Produkte, mit denen wir dynamisch auf Entwicklungen im Projekt reagieren und diese Lösungen auch bei zukünftigen Anwendungsfällen einsetzen können.“
Benedikt Hofbauer
Data Engineer bei PROCON IT