====== KI-basierte Anlagenwartung durch Akustiksignale ======

===== Ausgangssituation & Herausforderungen =====

Die Wartung der rund 70 Maschinen des Unternehmens [[https://india-berlin.de/|India-Dreusicke]] ist ein zeitintensiver Prozess. Spritzgussformen müssen vollständig zerlegt und die Präzisionsteile geschmiert werden. Diese Wartung erfordert von den Mitarbeitern sowohl Zeit als auch Ressourcen, ist jedoch zur Vermeidung von Schäden an der Form oder den Produkten und zur Vermeidung von Produktionsausfallzeiten unerlässlich. Die Wartungsintervalle sind mit drei bis fünf Tagen sehr kurz und durch verschiedene Anlagenkonstruktionen nicht exakt bestimmbar.
{{ :wissen:bestpractice:kibasierteanlagenwartung.svg? 400x400|}}
===== Ziele =====

Das Unternehmen strebt danach, die Wartungsintervalle optimal auszuschöpfen und Probleme sowie Störungen der Anlagen durch Predictive Maintenance frühzeitig zu erkennen.

===== Lösung/Maßnahmen/Projekt =====

Die Spritzgusswerkzeuge bestehen aus großen Stahlelementen, in die unter hohem Druck (bis zu 1.000 kg/cm²) plastischer Kunststoff (erhitzter Thermoplast) in Hohlräumen gepresst wird. Nach dem Vorgang werden die Teile mithilfe von Auswerfern aus der Form gedrückt. Der Schmierfilm in den Spritzgusswerkzeugen nutzt sich während des Betriebs kontinuierlich ab und muss daher regelmäßig erneuert werden. In Zusammenarbeit mit dem Start-up AISight, jetzt [[https://sensirion-connected.com/de/|Sensirion]], wurden über fast ein Jahr Daten von einer Maschine gesammelt (bspw. akustische Signale, die den Normalzustand oder Wartungsbedarf anzeigen). Anschließend wurde mit diesen Daten ein KI-System, basierend auf [[https://sensirion-connected.com/de/newsroom/blog/skalierbare-und-kostengunstige-predictive-maintenance-durch-machine-learning-wir-zeigen-wie/|Machine Learning]], trainiert. 

===== Umsetzung =====

==== Was wurde benötigt? ====

Benötigt wurden die gesammelten Daten. Weiterhin wurde eine technische Ausrüstung wie Mikrofone und Software/Hardware benötigt.

==== Was wurde erreicht? ====

Durch die Analyse der nicht für den Menschen hörbaren akustischen Signale erkennt das KI-System das optimale Wartungs-Zeitfenster und stoppt die Maschinen automatisch für eine Wartung. 

==== Lessons Learned ====
Die KI-basierte Wartung konnte die Wartungsprozesse effizienter gestalten, Anlagenstillstände und Produktionsausfälle reduzieren und Probleme und Schäden verhindern. Zudem ermöglicht die KI-Technologie eine automatisierte Überwachung und Steuerung, was zur Entlastung von Beschäftigten führt und auch deren Sicherheit erhöht. Das System wird weiterhin genutzt. 

==== Weiterführende Informationen ====

  * [[https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/PLS_Booklet_KMU.pdf|Lernende Systeme. (2021). KI im Mittelstand. München.]]
  * [[https://podcasters.spotify.com/pod/show/gemeinsamdigital/episodes/3---Reibungslose-Produktion-dank-knstlicher-Intelligenz-eoiq5c/a-a49a46o|Smarter Mittelstand. (05.01.2021). Reibungslose Produktion dank künstlicher Intelligenz.]]