th share video content contact download event event-wifi cross checkmark close icon-window-edit icon-file-download icon-phone xing whatsapp wko-zahlen-daten-fakten wko-wirtschaftrecht-und-gewerberecht wko-verkehr-und-betriebsstandort wko-unternehmensfuehrung wko-umwelt-und-energie wko-steuern netzwerk wko-innovation-und-technologie wko-gruendung-und-nachfolge wko-bildung-und-lehre wko-aussenwirtschaft wko-arbeitsrecht-und-sozialrecht twitter search print pdf mail linkedin Google-plus facebook pinterest skype vimeo snapchat arrow-up arrow-right arrow-left arrow-down calendar user home icon-gallery icon-flickr icon-youtube icon-instagram

Künstliche Intelligenz ermöglicht und optimiert Predictive Maintenance!

WS-Titel:

Predictive Maintenance für Industrie-Radialventilatoren - maschinelle Lernverfahren entwickeln virtuelle Sensoren


Projektbeschreibung:

Der Ausfall der Ventilation in Industrieanlagen kann zum Totalstillstand von Produktionsanlagen und damit zu enormen Kosten führen. Durch die Erforschung neuartiger Konzepte für Predictive Maintenance von Industrie-Ventilatoren sollen ungeplante Ausfälle vermieden und die Wartung allgemein erleichtert werden. In einem Versuchsaufbau wird das Ausfall- und Verschleißverhalten der Komponenten eines Ventilators durch Integration unterschiedlicher Sensorik analysiert. In Verbindung mit maschinellen Lernverfahren zur Entwicklung virtueller Sensoren kann der Systemzustand erstmals in seiner Gesamtheit erfasst werden. Die Informationen realer und virtueller Sensoren ermöglichen die Identifikation von graduellen und abrupten Veränderungen und Vorhersagen über zukünftiges Systemverhalten, auf deren Basis Wartungsaktionen geplant werden.

In diesem Workshop werden im gemeinsamen Dialog die Herausforderungen und Erfolgsfaktoren bei der Umsetzung von Digitalisierungsprojekten dieser Art erörtert. Dabei werden die verwendeten Verfahren aus dem Bereich der künstlichen Intelligenz / des maschinellen Lernens erläutert, und es wird auch auf die Anforderungen an die Datenbasis und –Aufzeichnung eingegangen.


Forscher/Dienstleister:

©
©

Michael Kommenda
Senior Researcher bei FH OÖ F&E GmbH.

Michael Kommenda promovierte im Fachbereich Informatik an der Johannes Kepler Universität Linz. Seit über 10 Jahre forscht er an der FH OÖ zu den Themen datenbasierte Modellierung und maschinelle Lernverfahren. Dieses Wissen kommt in kollaborativen Forschungsprojekten zur Anwendung und wird dabei in die Praxis übergeführt.


Unternehmenspartner:

Scheuch GmbH
© Scheuch GmbH
©

Erik Strumpf
Projektleiter bei Scheuch Gmb

Erik Strumpf studierte Verfahrenstechnik an der Otto-von-Guericke Universität, Magdeburg und promoviert derzeit an der TU Bergakademie Freiberg. Seit 2017 ist er als Projektleiter und Entwicklungsingenieur bei der Fa. Scheuch GmbH, Aurolzmünster in der F&E tätig. Seine thematischen Schwerpunkte sind Digitalisierung, Sensortechnologien und Strömungsmechanik.