A Retrofit Approach for Predictive Maintenance

Wöstmann, René; Barthelmey, André; West, Nikolai; Deuse, Jochen

doi:10.1007/978-3-662-59317-2_10

Cited by 15 publications

(1 citation statement)

References 5 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…It aims to optimize products and processes on an industrial scale. Arnarsson et al 2016Arnarsson et al , 2018 show potential use-cases in product development, Strauss et al (2018) and Wöstmann (2019) show predictive maintenance applications of Industrial Data Science in brownfield situations. A considerable part of Industrial Data Science and process models like CRISP-DM (Cross-Industrial Standard Process for Data Mining) or the newer ASUM-DM (Analytical Solutions Unified Method) (IBM, 2016) is the data acquisition and pre-processing.…”

Section: Current Approaches In Data Integration and Analysismentioning

confidence: 99%

Data Networking for Industrial Data Analysis Based on a Data Backbone System

et al. 2022

View full text Add to dashboard Cite

Industrial Data Analytics needs access to huge amounts of data, which is scattered across different IT systems. As part of an integrated reference kit for Industrial Data Analytics, there is a need for a data backend system that provides access to data. This system needs to have solutions for the extraction of data, the management of data and an analysis pipeline for those data. This paper presents an approach for this data backend system.

show abstract

Section: Current Approaches In Data Integration and Analysismentioning

confidence: 99%

Data Networking for Industrial Data Analysis Based on a Data Backbone System

et al. 2022

View full text Add to dashboard Cite

show abstract

Sensor Selection for Smart Retrofitting of Existing Plants

Adamenko

2023

Lecture Notes in Mechanical Engineering

View full text Add to dashboard Cite

Potenzialanalyse industrieller Datenanalysen in der Produktion am Beispiel des Kunststoffschweißens

Beiß,

Klapic,

Hardt

et al. 2023

Industrielle Datenanalyse

View full text Add to dashboard Cite

ZusammenfassungDas Kapitel beschreibt die Umsetzung der Datenakquise am Beispiel des Heizelementschweißens von Kunststoffen an einer Laborschweißanlage sowie an einer industriellen Produktionsanlage. Die Identifizierung der relevanten Datenquellen und die Verknüpfung des Expertenwissens über den Prozess sind Kernbestandteile der Realisierung. Dazu wurde zunächst er Schweißprozess in die relevanten Prozessphasen eingeteilt. Innerhalb der Phasen wurden wichtige und an der Maschine verfügbare Prozessgrößen identifiziert und mithilfe eines Datensammlers (ARENDAR) über die gesamte Prozesszeit aufgezeichnet. Im Anschluss wurden die Daten mittels KI-Methoden analysiert. Es zeigte sich u. a., dass der Prozessablauf in der Maschine Fehler enthielt. Auch der Prozessablauf war in den ersten Messungen mit falschen Parametern eingestellt, die über die Auswertungen identifiziert und korrigiert werden konnten. In weiteren Versuchsreihen wurden gezielt mit Fehlern präparierte Probekörper geschweißt und die Auswirkungen auf die erfassten Daten untersucht. Dabei stellte sich heraus, dass der Prozess sehr robust ist und die automatisierte Erkennung von Fehlern im Prozess im Labormaßstab nicht eindeutig möglich war. Weitere Messungen werden in einem industriellen Szenario durchgeführt, bei dem eine größere Anzahl an Bauteilen als im Labor geschweißt werden kann. Zusammenfassend zeigte sich, dass nur im Zusammenspiel von Datenquellen, Expertenwissen und einer geeigneten Interpretation mittels Data Science Methoden eine erfolgreiche KI-gestützte Inline-Prozessanalyse möglich ist.

show abstract

A Retrofit Approach for Predictive Maintenance

Cited by 15 publications

References 5 publications

Data Networking for Industrial Data Analysis Based on a Data Backbone System

Data Networking for Industrial Data Analysis Based on a Data Backbone System

Sensor Selection for Smart Retrofitting of Existing Plants

Potenzialanalyse industrieller Datenanalysen in der Produktion am Beispiel des Kunststoffschweißens

Contact Info

Product

Resources

About