Unerwartete Maschinenausfälle können zu kostspieligen und sogar katastrophalen Folgen führen. Um sie zu vermeiden, ist der Einsatz intelligenter Werkzeuge erforderlich, die den Zustand und das Verhalten der Maschinen analysieren. Solche Zustandsüberwachungssysteme können dann automatische Zustandsindikatoren und Alarme für fehlerhaftes Verhalten liefern und sogar einen zukünftigen Ausfall oder die verbleibende Nutzungsdauer der Anlage vorhersagen. Die Analyse des Maschinenzustands wird durch die schnelle Entwicklung fortschrittlicher Sensoren, Datenerfassungs- und Speichersysteme und intelligenter Datenanalysetools möglich.

Im Smart Maintenance Team arbeiten wir mit unseren Partnern aus verschiedenen Industriebereichen und dem öffentlichen Sektor zusammen, um KI-basierte Werkzeuge für die Fehlererkennung, Diagnose und Prognose des Maschinenzustands zu entwickeln, die auf ihre spezifische Anwendung zugeschnitten sind. Diese Werkzeuge setzen wir dann zur Optimierung von Entscheidungen in der Instandhaltung ein. Unsere intelligenten Algorithmen für die Instandhaltung nutzen Methoden, die von der statistischen Analyse über maschinelles Lernen bis hin zu Deep-Learning-Algorithmen in Kombination mit physikbasierten Modellen reichen.

• Kombination von KI mit physikalischen Modellen zur Diagnose von Energieverlusten in Solarkraftwerken
  Entwicklung eines Softwaremodul für die intelligente Erkennung und Diagnose von Energieverlusten in netzgekoppelten PV-Anlagen.
• Entscheidungsunterstützungssystem zur vorausschauenden Wartung von Laserschneidanlagen
  Wir entwickeln ein neues datenbasiertes Entscheidungsunterstützungssystem für vorausschauende Instandhaltung von Laserschneidmaschinen, mit verschiedenen Softwaremodulen die im IoT System von Bystronic integriert werden.
• Machine-Learning basierte Fehlererkennung für Windkraftanlagen
  Wir entwickeln intelligente Machine-Learning-Algorithmen zur Fehlererkennung und vorausschauenden Instandhaltung von kritischen Komponenten von Windturbinen.