Projektvorstellung
Analyse von Maschinendaten zur Identifizierung von Ausfallgründen
Die Ausgangssituation:
Unser Kunde produziert Spezialmaschinen für die Lebensmittelindustrie. Die Qualität der Produkte und somit auch die Wettbewerbsfähigkeit des Kunden sind stark abhängig von der zuverlässigen Funktion dieser Maschinen. Um ungeplante Ausfallzeiten auf ein Minimum zu reduzieren, sollten mögliche Störgründe identifiziert und die Maschinen dahingehend verbessert werden.
Status:
Produktiv
Branche:
Maschinenbau
Unternehmensgröße:
ca. 100 Mitarbeiter
Kategorie:
Anomalieerkennung
Die Ziele:
- Identifikation von Störgründen von Maschinen
- Optimierung der Produktqualität durch Vermeidung von Ausfällen
- Höhere Kundenzufriedenheit

Die Lösung:

Einbau von Sensoren an den produzierten Maschinen und der Sammlung von Daten durch unseren Kunden

Ausführliche Datenanalyse mit Fokus auf Korrelationen und Identifikation von Fehlerursachen durch Ehrenmüller

Gemeinsame Diskussion der Ergebnisse mit dem Kunden, um mögliche Störgründe zu interpretieren



Methoden zur Datenanalyse:
Unter Verwendung verschiedener mathematischer und statistischer Data Mining Methoden wie beispielsweise (Auto-) Korrelationsanalysen und Merkmalsanalysen zeigten sich verschiedene Parameterbelegungen, die einen Fehlerfall begünstigen


Ausblick:
Die Datenanalyse ist abgeschlossen. Unser Kunde kann nun die potentiellen Störgründe ausbessern und so die Qualität der Maschinen sowie die Kundenzufriedenheit steigern.

Was zeichnet uns aus?






Was zeichnet uns aus?
INDIVIDUELLE
KI-ENTWICKLUNG
HOCHQUALIFIZIERTE
KI-EXPERTEN
EFFIZIENTE
KI-ENTWICKLUNG
LEIDENSCHAFT UND QUALITÄT
HERVORRAGENDE
REFERENZEN
OPTIMIERTE CODE-ENTWICKLUNG
Was können wir für Sie tun?
Ich freue mich auf Ihren Anruf!

„In einem ersten Startgespräch nehme ich Ihre Anfrage auf und koordiniere die weiteren Schritte. Ich freue mich darauf, Sie kennenzulernen!“
Leah Soldner
Customer Relationship Managerin
Bringen Sie Ihr Unternehmen auf die nächste Stufe!
Wir entwickeln KI-Systeme für den innovativen Mittelstand.