Neue Aktivitäten

Das „Internet of Things“ - kurz: IoT, auf Deutsch: „Internet der Dinge“- bezeichnet die Vernetzung von „Dingen“, also von Gegenständen und Objekten, über das Internet. Seien es Wearables wie zum Beispiel Fitnessarmbänder, die den Puls messen und die Anzahl der Schritte zählen, vernetzte Geräte und Anwendungen im Bereich „Smart Home“ und „Connected Cars“ oder die M2M-Kommunikation („Machine-to-Machine“) der Industrie 4.0 – das Internet der Dinge revolutioniert Wirtschaft und Alltagsleben und ist einer der wichtigsten Treiber der digitalen Transformation. IoT-Anwendungen werden aktuell und in Zukunft vermehrt eingesetzt und verändern unsere Welt kontinuierlich: IoT eröffnet neue technische Möglichkeiten und Lösungen mit gravierenden Auswirkungen auf unsere Gesellschaft, unser Leben, unser Arbeiten und unser Wirtschaften. Das “Internet der Dinge” ermöglicht die Vernetzung technischer Geräte. Es schafft unter Einbindung von Sensoren und Aktuatoren die Schnittstelle zwischen der physischen und der digitalen Welt.

Prädiktive Instandhaltung oder Predictive Maintenance lernt von historischen und gegebenenfalls in Echtzeit verfügbaren instandhaltungsrelevanten Daten. Durch dies und durch die Prognose von zukünftigen Ereignissen kann die Frage „Was wird wann passieren?“ beantwortet werden. Prädiktive Instandhaltungstechniken helfen somit bei der Bestimmung des Zustands von in Betrieb befindlichen Dingen. Sie helfen bei der Abschätzung, wann eine Wartung durchgeführt werden sollte. Dieser Ansatz verspricht Kosteneinsparungen gegenüber routinemäßigen oder zeitbasierten vorbeugenden Instandhaltungsstrategien, da Aufgaben nur dann ausgeführt werden, wenn dies gerechtfertigt ist. Daher wird diese Technik genutzt, um zustandsorientierte Instandhaltung durchzuführen, die gemäß Schätzungen des Verschlechterungszustands eines Gegenstands gemacht wird. Im Workshop werden in Form eines Impulsvortrages der Ablauf und ein Auszug möglicher Methodiken aus dem Bereich Machine Learning präsentiert. In Form eines kurzen Einblicks in die Welt des Machine Learnings wird auf mögliche Showstopper und Hürden hingewiesen und der Einsatzbereich des Machine Learnings abgegrenzt. Darauffolgend werden gemeinsam mit den Teilnehmern Use-Cases in den Betrieben erarbeitet. Abschließend werden technische Umsetzungsmöglichkeiten zu den erarbeiteten Use-Cases präsentiert und weitere Schritte diskutiert.