Predictive Maintenance für die Lagerautomatisierung

KI-Wartungsassistent im Hochregallager

Automatisierte Lagersysteme sind eines der Steckenpferde des Automatisierungsspezialisten Lenze. Zusammen mit dem Fraunhofer IEM entwickelte die Firma jetzt einen KI-basierten Wartungsassistenten für ihre Hochregallager. So vermeidet das Unternehmen ungeplante Stillstände und spart Zeit und Kosten. Künftig sollen auch Kunden dieses System für ihre Intralogistik erwerben können. Gefördert wurde die Zusammenarbeit der Lenze-Tochter Encoway mit dem Fraunhofer IEM im It’s OWL-Projekt Easy.

Bild: Dock One

Leistungsfähige Antriebe und eine ausgeklügelte Steuerung der Transportsysteme: Damit ermöglicht Lenze die automatisierte Bestückung und Entnahme in seinen Hochregallagern bei bis zu 25.000 Warenbewegungen pro Tag. Die Wartung dieser komplexen Systeme ist ebenso wichtig wie aufwendig. Fällt eine Maschine aus, kommt der gesamte Prozess ins Stocken. Je nachdem, wie schnell ein Fehler gefunden und behoben wird, kann der Stillstand im Lager mehrere Tage dauern -und enorme Kosten verursachen.

Reparaturen gezielt einplanen

Um Ausfallzeiten zu vermeiden, setzt Lenze seit kurzem auf einen KI-basierten Wartungsassistenten: Ein Machine-Learning-Algorithmus deckt kritische Zustände auf, die ein unmittelbares Eingreifen erfordern. Zum anderen erkennt und lokalisiert der Algorithmus entstehende Defekte oder zunehmenden Verschleiß an Komponenten, bevor sich Auswirkungen für den Lagerbetrieb ergeben. Wenn beispielsweise die Führungs- oder Antriebsräder der Regalbediengeräte stark abgenutzt sind, erkennt der Wartungsassistent den drohenden Ausfall rechtzeitig und kann die betroffene Stelle lokalisieren. Die Mitarbeitenden können dann den Austausch der Räder planen – abhängig von Faktoren wie Arbeitsplänen, Lieferfristen oder Ersatzteillieferungen. “So planen wir Reparaturen und Austausche an unseren Maschinen künftig systematisch in laufende Prozesse ein. Das erhöht die Verfügbarkeit unserer Anlagen und damit ihre Wirtschaftlichkeit”, sagt Dr. Heiko Stichweh, Abteilungsleiter Innovation bei Lenze.

KI-Wartungsassistent nachrüsten

Der Wartungsassistent zieht seine Informationen aus der bestehenden Sensorüberwachung der Antriebsmotoren. Die Motoren fungieren als Schnittstellen zwischen den Maschinen und dem Wartungsassistenten. Läuft im Gesamtsystem etwas unrund, wird in den Motordaten eine Abweichung vom Normalzustand detektiert. “Wir haben unsere Algorithmen so ausgelegt und trainiert, dass sie fähig sind, jegliche Zustandsveränderungen zu erkennen und zu verorten”, erläutert Maximilian Bause, Machine-Learning-Experte am Fraunhofer IEM. Wollen Kunden von Lenze den Wartungsassistenten einsetzen, können sie also auf bestehende Sensorik zurückgreifen.

Das könnte Sie auch interessieren

Vom 22. bis zum 26. April wird Hannover zum Schaufenster für die Industrie. Neben künstlicher Intelligenz sollen insbesondere Produkte und Services für eine nachhaltigere Industrie im Fokus stehen.‣ weiterlesen

Eine Umfrage von Hewlett Packard Enterprise (HPE) unter 400 Führungskräften in Industrie-Unternehmen in Deutschland zeigt, dass zwei Drittel der Befragten den Data Act als Chance wahrnehmen. Der Data Act stieß unter anderem bei Branchenverbänden auf Kritik.‣ weiterlesen

Deutsche Unternehmen nehmen eine zunehmende Bedrohung durch Cyber-Angriffe wahr. Das zeigt eine aktuelle Umfrage vom Markt- und Meinungsforschungsinstitut YouGov im Auftrag von 1&1 Versatel, an der mehr als 1.000 Unternehmensentscheider teilnahmen.‣ weiterlesen

Fraunhofer-Forschende haben für Fahrer und Fahrerinnen von Baumaschinen einen Helm mit integriertem Beschleunigungssensor entwickelt. Die Helm-Sensorik misst die Vibrationen der Baumaschinen. Die Sensorsignale werden analysiert, eine Software zeigt die Belastung für den Menschen an.‣ weiterlesen

Carbon Management-Technologien stehen im Fokus, um CO2-Emissionen zu reduzieren und zu managen. Die Rolle des Maschinenbaus und mögliche Entwicklungspfade betrachtet eine neue Studie des VDMA Competence Center Future Business.‣ weiterlesen

Laut einer Studie der Unternehmensberatung Bain & Company könnten Unternehmen ihre Produktivität durch digitale Tools, Industrie 4.0-Technologien und Nachhaltigkeitsmaßnahmen steigern. Deren Implementierung von folgt oft jedoch keiner konzertierten Strategie.‣ weiterlesen

Hohe Geschwindigkeit und hohe Erkennungsraten sind die Anforderungen an die Qualitätskontrolle in der Verpackungsbranche. Wie diese Anforderungen erreicht werden können, zeigt das Unternehmen Inndeo mit einem Automatisierungssystem auf Basis von industrieller Bildverarbeitung und Deep Learning.‣ weiterlesen

Jeder zweite Betrieb investiert laut einer Betriebsräte-Befragung der IG Metall zu wenig am Standort. Demnach verfügen rund 48 Prozent der Unternehmen über eine Transformationsstrategie. Zudem sehen die Betriebsräte ein erhöhtes Risiko für Verlagerungen.‣ weiterlesen

Ziel des neuen VDMA-Forums Manufacturing-X ist es, der zunehmenden Bedeutung von Datenräumen als Basis für neue, digitale Geschäftsmodelle Rechnung zu tragen. Wie der Verband mitteilt, soll das Forum auf dem aufbauen, was in der letzten Dekade durch das VDMA-Forum Industrie 4.0 erarbeitet wurde. ‣ weiterlesen

Ob es sich lohnt, ältere Maschinen mit neuen Sensoren auszustatten, ist oft nicht klar. Im Projekt 'DiReProFit' wollen Forschende dieses Problem mit künstlicher Intelligenz zu lösen.‣ weiterlesen

Wie kann eine Maschine lernen, sich in unserer Lebenswelt visuell zu orientieren? Mit dieser Frage setzen sich die Wissenschaftler am Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) aktuell auseinander – und entwickeln Lösungen.‣ weiterlesen