de
                    array(2) {
  ["de"]=>
  array(13) {
    ["code"]=>
    string(2) "de"
    ["id"]=>
    string(1) "3"
    ["native_name"]=>
    string(7) "Deutsch"
    ["major"]=>
    string(1) "1"
    ["active"]=>
    string(1) "1"
    ["default_locale"]=>
    string(5) "de_DE"
    ["encode_url"]=>
    string(1) "0"
    ["tag"]=>
    string(2) "de"
    ["missing"]=>
    int(0)
    ["translated_name"]=>
    string(7) "Deutsch"
    ["url"]=>
    string(121) "https://www.statworx.com/case-studies/steigerung-der-betriebsleistung-durch-anomalieerkennung-und-predictive-maintenance/"
    ["country_flag_url"]=>
    string(87) "https://www.statworx.com/wp-content/plugins/sitepress-multilingual-cms/res/flags/de.png"
    ["language_code"]=>
    string(2) "de"
  }
  ["en"]=>
  array(13) {
    ["code"]=>
    string(2) "en"
    ["id"]=>
    string(1) "1"
    ["native_name"]=>
    string(7) "English"
    ["major"]=>
    string(1) "1"
    ["active"]=>
    int(0)
    ["default_locale"]=>
    string(5) "en_US"
    ["encode_url"]=>
    string(1) "0"
    ["tag"]=>
    string(2) "en"
    ["missing"]=>
    int(0)
    ["translated_name"]=>
    string(8) "Englisch"
    ["url"]=>
    string(128) "https://www.statworx.com/en/case-studies/enhancing-operational-performance-through-anomaly-detection-and-predictive-maintenance/"
    ["country_flag_url"]=>
    string(87) "https://www.statworx.com/wp-content/plugins/sitepress-multilingual-cms/res/flags/en.png"
    ["language_code"]=>
    string(2) "en"
  }
}
                    
Kontakt
Case Studies
Case Studies

Steigerung der Betriebsleistung durch Anomalieerkennung und Predictive Maintenance

Wir entwickelten ein Modell für unseren Kunden, um Ausfallzeiten von Maschinen zu minimieren und die Produktionseffizienz zu steigern. Die frühzeitige Anomalieerkennung führt zu vorausschauener Wartung, was Kosten spart und ungeplante Ausfallzeiten reduziert.

  • Branche Industry
  • Thema Anomaly Detection / Predictive Maintenance
  • Tools Python, Tensorflow, OPC UA, Windows Server, LSTM Autoencoder
  • Projektdauer 13 Monate

Herausforderung

Unser Kunde stand vor der Herausforderung häufiger ungeplanter Maschinenausfälle, die zu erheblichen Produktionsunterbrechungen und hohen Kosten führten. Die Risiken beinhalteten Produktionsverluste, erhöhte Wartungskosten und potenziellen Rufschaden durch Lieferverzögerungen. Eine Lösung war notwendig, um die Produktionskontinuität zu gewährleisten und Wartungskosten zu optimieren.

Ansatz

Wir entwickelten ein Vorhersagemodell zur frühzeitigen Anomalieerkennung. Dafür verwendeten wir fortschrittliche Datenanalytik und Machine Learning, um Muster und Anomalien in den Maschinendaten zu identifizieren. Die Lösung wurde in das bestehende Monitoring-System des Kunden integriert und offline getestet, um künstlich erzeugte Anomalien zu erkennen. Zudem erfolgte eine automatische Erfassung, Speicherung und Klassifizierung der erkannten Anomalien.

Ergebnis

Das entwickelte Modell zur Anomalieerkennung zeigte eine nahezu Echtzeit-Fähigkeit und wurde erfolgreich in Live-Tests validiert. Durch die Implementierung konnten geplante Wartungsarbeiten effizienter durchgeführt und ungeplante Ausfallzeiten signifikant reduziert werden. Der Kunde profitierte von einer gesteigerten Produktionseffizienz und erheblichen Kostenersparnissen.

Experte

Kontakt anfragen

Erfahre mehr!

Als eines der führenden Unternehmen im Bereich Data Science, Machine Learning und KI begleiten wir Sie in die datengetriebene Zukunft. Erfahren Sie mehr über statworx und darüber, was uns antreibt.
ÜBER UNS