Vorgehen zur Entwicklung einer Predictive Maintenance-Lösung-Reference-Cited by-同舟云学术

Vorgehen zur Entwicklung einer Predictive Maintenance-Lösung

Published:2021-03-01 Issue:3 Volume:116 Page:149-152
ISSN:2511-0896
Container-title:Zeitschrift für wirtschaftlichen Fabrikbetrieb
language:en
Short-container-title:

Author:

Schuh Günther¹,Kelzenberg Christoph¹,Helbig Jens¹,Graberg Tim¹

Affiliation:

1. Aachen Germany

Abstract

Abstract In der Serienproduktion sind Ausfälle von Blechumform-, Spritzguss- oder Druckgusswerkzeugen aktuell unvorhersehbar, sodass Produktionsstillstände entstehen, die in hohem Maße Anlagenverfügbarkeit und Produktionskosten beeinflussen. Aufgrund dieses starken Einflusses gewinnt die vorausschauende Wartung – Predictive Maintenance genannt – zunehmend an Bedeutung. Ziel ist es, Störfälle an Produktionsanlagen noch vor ihrem Eintreten zu prognostizieren, um vorbeugend Instandhaltungsarbeiten durchführen und hohe Kosten vermeiden zu können bzw. Produktivitätssteigerungen zu realisieren. Für die erfolgreiche Implementierung einer Predictive Maintenance-Lösung in einen Produktionsprozess muss diese anwendungsfallspezifisch ausgestaltet werden. Hierfür liefert die Studie „Predictive Maintenance“ des Werkzeugmaschinenlabors WZL der RWTH Aachen einen Handlungsleitfaden zur unternehmerischen Umsetzung.

Publisher

Walter de Gruyter GmbH

Subject

Management Science and Operations Research,Strategy and Management,General Engineering

Link

https://www.degruyter.com/document/doi/10.1515/zwf-2021-0029/pdf

Reference9 articles.

1. Schenk, M. (Hrsg.): Instandhaltung technischer Systeme: Methoden und Werkzeuge zur Gewährleistung eines sicheren und wirtschaftlichen Anlagenbetriebs. Springer-Verlag, Berlin, Heidelberg 2010

2. Mobley, R. K.: An Introduction to Predictive Maintenance. 2. Aufl., Elsevier Science, Woburn 2002 DOI: 10.1016/B978-075067531-4/50006-3

3. Blechschmidt, N.; März, M.; Weck, L.: Wertorientierte Instandhaltung – Die strategische Dimension des Schraubenschlüssels. ConMoto Consulting Group, München 2011

4. Schuh, G.; Prote, J.-P.; Dany, S.; Eversheim, W.: Internet of Production. In: Schuh, G.; Brecher, C.; Klocke, F.; Schmitt, R. (Hrsg.): Engineering Valley – Internet of Production auf dem RWTH Aachen Campus. Apprimus Verlag, Aachen 2017

5. Kampker, A.; Kreisköther, K.; Kleine Büning, M.; Möller, T.; Busch, M.: Vorausschauende Instandhaltung durch Maschinelles Lernen in der Prozessindustrie. ZWF 113 (2018) 4, S. 195–198 DOI: 10.3139/104.111890