Anomalieerkennung und Predictive Maintenance für Spezialpumpen

Branche

Produktion/Anomalieerkennung, Predictive Maintenance

Kunde

ABEL GmbH, renommierter Hersteller von Spezialpumpen für Bergbau, Abwasser und Industrie mit weltweit rund 150 Mitarbeiter*innen.

Ausgangssituation

• Pumpen werden an schwer zugänglichen Orten eingesetzt, z.B. im Bergbau
• Hohe Anforderung an die Zuverlässigkeit, Verfügbarkeit der Pumpen ist kritisch für Betrieb und Sicherheit

Herausforderungen

• Durch anspruchsvolle Medien sind die Pumpen ständigen hohen Belastungen ausgesetzt
• Wartung der Pumpen oftmals standortbedingt nicht spontan möglich

Lösung

• Smarte Überwachung der Effizienz von Pumpen ermöglicht vorzeitiges Erkennen von Anomalien und Ausfällen
• Data-Science-Methoden kombiniert mit physikalischen Ansätzen ermöglichen Anomalieerkennung und Predictive Maintenance
• API-Anbindung verschiedener existierender Services zur optimalen Integration in bestehende IT-Infrastruktur
• Passende physikalisch-technisch motivierte Kenngrößen identifizieren
• Entwicklung einer intelligenten und skalierbaren Anomalieerkennung und Effizienzüberwachung mithilfe von KI-Verfahren und unter Berücksichtigung des firmeninternen Fachwissens
• Deployment als Cloud Service

Ergebnis

• Kostenersparnis und effizienter Betrieb bei ABEL-Kunden durch Live-Überwachung des Zustands der Pumpen und automatisierte Reportings an die Betreiber im Falle ungewöhnlicher Vorkommnisse
• System ermöglicht rein remote durchgeführte Serviceeinsätze, die vormals aufwendige Dienstreisen der ABEL-Servicekräfte unnötig machen
• Basis für künftige Entwicklung von Predictive Maintenance

Ansprechpartner