Predictive Maintenance

Digitaler Zeitreihenmanager für prädiktives Wartungsmanagement

parsQube hat einen digitalen Zeitreihenmanager für prädiktives Wartungsmanagement entwickelt, der in verschiedenen Branchen eingesetzt werden kann.

  • Zeitreihen
  • Branchenübergreifend

Was war das Ziel des Projekts?

Das Ziel des Projekts war die Entwicklung eines digitalen Zeitreihenmanagers für prädiktives Wartungsmanagement, insbesondere für Branchen wie die Chemieindustrie. Der Fokus lag darauf, eine Standardsoftware zu schaffen, die mit der hohen Komplexität unterschiedlicher Sensoren und stark schwankender Parameter umgehen kann. Damit sollte erstmals prädiktives Wartungsmanagement in Bereichen ermöglicht werden, für die es bisher keine standardisierten Lösungen gab.

Was waren die drei größten Risiken?

  • Es bestand die Gefahr, dass die Betriebs- und Analyseparameter nicht wie gewünscht interpretierbar sind, weil keine klare Trennung zwischen Normalbetrieb und Störungs-/Wartungsfall möglich ist oder die Daten nicht ausreichend spezifisch sind.

  • Es war unsicher, ob die gesammelten Daten eine ausreichende statistische Relevanz aufweisen, um verlässliche Modelle zu entwickeln.

  • Die Komplexität der Daten und Prozesse könnte dazu führen, dass die entwickelten Modelle nicht auf größere oder andere Anlagen übertragbar sind.

Was war das Ergebnis des Projekts?

Das Projekt führte zur Entwicklung eines digitalen Zeitreihenmanagers, der sich von bisherigen Lösungen dadurch unterscheidet, dass er prädiktives Wartungsmanagement auch für komplexe Branchen, wie z.B. chemische Anlagen oder Labore, ermöglicht. Die Funktionsfähigkeit der entwickelten Modelle wurde durch Feldstudien an realen Anlagen überprüft und angepasst.