Verfügbarkeit in der Produktion
garantieren
Vermeiden Sie Stillstände, senken Sie Wartungskosten und sichern Sie höchste Maschinenauslastung mit unserer Predictive Maintenance Lösung.

Ihre Vorteile auf einen Blick
Beispiel hydraulische Kühlungs- und Filtrationsanlage:
Technisches Setup
Unsere Predictive Maintenance Lösung basiert auf der Azure Cloud sowie dem Telefónica IoT Hub. Sie ist auf andere Cloud-Anbieter wie AWS oder Google übertragbar, sofern gewünscht.
Anlagenaufbau
Wir stellen zur Veranschaulichung der Funktionalität eine Beispielanwendung mit Beispieldaten aus einer hydraulische Anlage zur Kühlung und Filtrierung zur Verfügung. Die Daten sind Echtdaten. So erhalten Sie einen profunden Eindruck, wie eine Predictive Maintenance Lösung bei Ihnen im Wirkbetrieb aussehen könnte.
Die Oberflächen, Auswertungen sowie automatische Aktionen der Demo App sind individuell konfigurierbar und entsprechen in unserem Fall der Funktionsweise der Beispielanlage.

Unsere Beispielanlagen
Unsere hydraulische Anlage zur Kühlung und Filtrierung (Beispiel) besteht aus folgenden Komponenten:
- 4 hydraulischen Kühl- und
Filtrierungsaggregaten (Maschinen) - 7 Sensoren je Maschine (Druck,
Motorleistung, Massendurchfluss,
Temperatur, Vibration) - 60 bis 6.000 Messwerte je Sensor pro Minute (sensortypabhängig)

Unsere Wartungsvorhersagen
Daraus leiten wir 4 wartungsrelevante Zielwerte ab; sie sind das Ergebnis unserer Vorhersage basierend auf den
Eingangswerten der Sensoren und lösen Wartungsmeldungen aus:
- Kühlung (% Effizienz)
- Ventildichtigkeit (% Effizienz)
- Pumpenleckage (Wahrscheinlichkeit)
- Hydraulikkompressordruck (Bar)
Weicht ein Zielwert vom erwarteten Intervall ab, so kommt es zu einer Warnung, die automatisch Folgeprozesse
auslösen kann oder zumindest im PdM Dashboard den zu erwartenden Zustand der Maschine beschreibt.
Wartungsmaßnahmen können dann proaktiv durchgeführt werden.
Telefónica IoT Hub KITE
sammelt alle Daten der Sensoren
über IoT 5G, WLAN, LAN oder
andere Netzwerkverbindungen.
Auf Wunsch liefert Telefónica
auch IoT Hardware
(Microcontroller) von führenden
Herstellern.
Azure Data Lake Storage
Hier werden die IoT Daten
gespeichert. Alternativ können
diese auch im Telefónica IoT Hub
KITE gespeichert werden, sodass
der Azure Data Lake optional ist.
Azure Databricks
Databricks bereitet die Daten
auf. Hier werden sie normalisiert,
auf Fehler geprüft, ergänzt und
plausibilisiert.
Azure Machine Learning (ML)
bietet die Modellumgebung für
unsere maschinellen Lernmodelle,
die vorhersagen, wie Sensordaten
die Dichtigkeit von Ventilen
beeinflussen. Hier erfolgt die
mathematische Voraussage.
Azure Kubernetes
Services (AKS)
Das Azure ML Modell läuft
innerhalb von Kubernetes,
sodass es völlig autark und
skalierbar betrieben werden
kann. Es stellt die Recheneinheit
dar.
Business Automatica Apps
Das “PdM Dashboard” ist die
Benutzeroberfläche unserer
Beispielanwendung, die die
Vorhersageergebnisse darstellt
und Automatisierungen
ermöglicht, deren Daten in
Systeme wie PLS, ERP, TMS oder
BI fließen.
Vorteile dieses Setups
Granularität der Daten
Hohe Messfrequenz liefert tiefgehende Einblicke in kurzzeitige Schwankungen und Anomalien
Ganzheitliche Überwachung
Verschiedene Sensortypen decken alle kritischen Zustände der Hydrauliksysteme ab.
Präzise Prognosen
Dank der Verarbeitung von über 43.000 Datenpunkten pro Zyklus erhalten Sie zuverlässige Vorhersagen und tiefgehende Einblicke in kurzzeitige Schwankungen und Anomalien
Entdecken Sie die Vorteile einer datengestützten Instandhaltung.
Probieren Sie unsere Predictive Maintenance-Lösung unverbindlich aus.
Predictive Maintenance – Daten in Entscheidungen umwandeln.
Funktionsweise der Demo App
So funktioniert es: Die Technologie dahinter
Unsere Predictive Maintenance Lösung kombiniert modernste Machine Learning-Algorithmen und praxisnahe
Anwendungen, um eine datenbasierte Grundlage für maximale Maschinenverfügbarkeit zu schaffen.
Machine Learning Modelle
- Algorithmen: XGBoost, speziell optimiert für
tabellarische Daten mit hoher
Dimensionalität.
- Hyperparameter-Tuning: Einsatz von Bayesian Optimization zur Optimierung von Lernrate, Baumtiefe und anderen Schlüsselparametern.
- Prognose für jedes Ziel: Separate Modelle für Kühler, Ventile, Pumpe und Akkumulator.
Prozessautomatisierung
- Datenaufnahme: Echtzeit-Integration von Sensordaten in die Plattform.
- Vorverarbeitung: Normalisierung und Zusammenführung der Daten.
- Analyse: Anomalieerkennung und
Vorhersagen mit trainierten Modellen.
- Ausgabe: Ergebnisse in JSON-Format mit maschinenbezogenen Parametern (z. B. Zeitstempel, Maschinennummer).
Jetzt Kontakt aufnehmen
Warten Sie nicht, bis der nächste Maschinenstillstand Ihre Produktion lahmlegt.
FAQ
Was leistet unsere PdM-Lösung?
Unsere PdM Lösung erlaubt die Früherkennung von Störungen und Wartungsfällen an Maschinen und Anlagen, noch bevor es zu Problemen kommt. Wir bieten eine Ende-zu-Ende Lösung an, die sich in bestehende Maschinen und Anlagen einfügt, sodass das Invest möglichst gering ist und die Ersparnisse umgehend eintreten.
Wer sind die Zielkunden unserer PdM-Lösung?
Einerseits mittelständische Maschinen- und Anlagenbauer, die ihr Ersatzteilgeschäft vorhersehbarer gestalten wollen und in den Augen ihrer Kunden als zuverlässiger und qualitativ besser wahrgenommen werden wollen. Andererseits Unternehmen als Nutzer von Maschinen und industriellen Anlagen, die Produktionsunterbrechungen vermeiden wollen und ihre Wartungskosten durch eine bessere Ausnutzung der Komponenten reduzieren wollen.
Was macht unsere PdM-Lösung besser als andere Anbieter?
Sie ist 1. günstiger, weil wir nur dort Ergänzungen vornehmen, wo dies nötig ist, 2. verlangt weniger Änderungen an bestehenden Systemen, 3. interagiert mit allen Sensoren und IT-Systemen, 4. ist technologieoffen, obwohl wir sie zuerst auf Azure entwickelt haben, und ist so flexibel aufgebaut, dass jede Kundensituation mit überschaubarem Aufwand, Kosten und Dauer bedient werden kann.
Was sind geeignete Schritte zu einer PdM-Lösung?
Das funktionale, d.h. fachliche, Verständnis der gewünschten Zielsituation des Kunden ist ausschlaggebend: 1. Welche Maschinen- bzw. Anlagenfehlzustände sollen mithilfe von PdM erkannt und vorhergesagt werden? 2. Wurde der Zusammenhang von Messwerten (Sensorik) und Fehlerzuständen (Ausfällen, Wartungsindikation, Leistungsabfall usw.) bereits zahlenmäßig erfasst? 3. Wenn nein, dann können wir hier unterstützen. 3. Welche Sensoren werden verwendet? Wenn keine, können wir bei der Auswahl der geeigneten Sensoren unterstützen.
Welche Sonderwünsche können erfüllt werden?
Grundsätzlich alle. In der Regel werden die Versorgung von Prozessleitsystemen oder spezieller Auswertungslösungen (Control Tower, Dashboards usw.) gefordert oder deren Entwicklung erbeten. Wir erfüllen diese Wünsche direkt, da wir sämtliche Stufen unserer PdM-Lösung in der Hand haben und nicht von der Funktionalität Dritter abhängen.
Liefern wir auch Sensoren?
Nein. Wir vermitteln jedoch Partner wie Vega, Endress & Hauser, IMF uvm., die diese liefern, installieren und in Betrieb nehmen. Wir übernehmen die Koordination aller diesbezüglichen Aktivitäten.
Was kostet eine PdM Einführung?
Die minimalen Projektkosten liegen bei 15.000,- EUR, sofern die Sensorik bereits verfügbar ist und die anzuschließenden Systeme über Schnittstellen verfügen (z.B. Wonderware, SAP, Rockwell usw.). Muss Hardware beschafft werden oder sind aufwendigere Entwicklungen nötig, dann erhöhen sich die Kosten. Wir kalkulieren das jedoch in der Angebotsphase durch.
Mit welchen laufenden Kosten ist zu rechnen?
Wir bieten ein verbrauchsbasiertes Lizenzmodell an. Mithilfe der Menge an zu erwartenden Mess- und Vorhersagewerte sowie der Anzahl an Maschinen/Anlagen können wir die laufenden Kosten abschätzen. Wir streben dank Automatisierung minimale Betriebskosten an.

Vertrauen Sie auf unsere Expertise in der prädiktiven
Instandhaltung, um die Zuverlässigkeit Ihrer Anlagen zu
maximieren und Ihre Wettbewerbsfähigkeit zu steigern.
FIRMA
Business Automatica GmbH
Eisenbahnstraße 28
67725 Börrstadt
Deutschland
KONTAKT
Gernot Reinmüller
(Geschäftsführer)
Telefon +49 176 3208 3776
Anfahrt via Google Maps