Projekt: Klimakammer
In dieser Erfolgsstory möchten wir Ihnen zeigen, wie wir es geschafft haben, die Prozessstabilität zu optimieren und ungeplante Stillstände in nur 14 Tagen zu reduzieren.
Unser Kunde in der Halbleiterindustrie ist bekannt für die Herstellung hochwertiger elektronischer Bauteile und Steuerungen für industrielle Anwendungen. Um die strengen Anforderungen seiner Kunden zu erfüllen und die Bauteile termingerecht auszuliefern, müssen die Endprodukte vor der Auslieferung in Klimakammern getestet werden.
In jüngster Zeit führten Störungen in den Klimakammern dazu, dass der Prüfprozess abgebrochen und wiederholt werden musste. Dies führte zu einem Zeitverlust von 24 bis 48 Stunden je abgebrochenem Prüfprozess.
Zusammengefasst:
- Die Häufung von Ausfällen beeinflusst den Produktionsprozess negativ.
- Die Störungen werden in detaillierten, rückblickenden Datenanalysen für Einzelfälle erkannt.
- Die automatisierte Identifizierung von Störungen durch einfache Regelwerke wie Druckschwellwerte scheitert an der Komplexität der auftretenden Szenarien.
Unsere Lösung für das Unternehmen:
Im Rahmen ihrer Recherche stieß das Unternehmen auf IPN und lud uns ein, unsere Dienstleistungen vorzustellen. Nach einer gründlichen Analyse der Situation und der verfügbaren Daten war für uns klar, dass unsere KI basierte Anomaly Detection die perfekte Lösung ist.
Ein weiteres Anliegen unseres Kunden war die direkte Information an die Instandhaltung im Falle einer Störung. Durch die Integration der Störungserkennung in unser “LiveAlert“-System können wir erkannte Störungen unmittelbar an den Instandhalter weiterleiten.
Wie funktioniert die Anomaly Detection:
Unsere Anomaly Detection zielt darauf ab, Datenverläufe KI gestützt zu erlernen, die den reibungslosen Betrieb einer Anlage darstellen. Die untersuchten Klimakammern simulieren verschiedene Klimaszenarien, was zu unterschiedlichen Datenverläufen führt, die dennoch einen störungsfreien Betrieb repräsentieren. Das Modell erlernt diese Szenarien aus den vorhandenen Daten und berücksichtigt sie bei der Bewertung neuer Daten.
Die trainierte Anomaly Detection überwacht kontinuierlich die Übereinstimmung der Modellsollwerte und ihrer Verläufe mit den tatsächlichen Anlagendaten. Bei signifikanten Abweichungen meldet die Anomaly Detection das Auftreten dieser Abweichung via „LiveAlert“ an den Instandhalter.
Die Ergebnisse:
- Anomaly Overview: Unsere KI basierte Anomaly Detection ermöglicht die frühzeitige Erkennung aufbauender Störungen, oft mehr als eine Woche vor einem tatsächlichen Anlagenausfall.
- Reduktion ungeplanter Stillstände: Dies ermöglicht es, aufbauende Störungen während geplanter Stillstände zu beheben und ungeplante Ausfallzeiten zu verhindern.
- LiveAlert: Durch die Integration unserer Ergebnisse in unser “LiveAlert“-System erhält der Kunde sowohl Vorabinformationen über sich anbahnende Störungen als auch Warnungen vor einem drohenden Ausfall.
Der größte Nutzen:
Unser System ermöglicht die frühzeitige Erkennung von Störungen, die Verringerung von Verschleiß und Ineffizienzen aufgrund schadhaften Betriebs sowie die Verhinderung wiederholter Qualitätsprüfungen aufgrund von Störungen.
Wesentliche Vorteile unserer KI basierten Anomaly Detection sind:
- Die einmal trainierte Anomaly Detection kann auf alle baugleichen Klimakammern angewendet werden.
- Für die Umsetzung wird nur minimales Wissen zu Anlagen oder Störungen benötigt, das reduziert signifikant den Projektaufwand des Kunden.
- Unser Kunde erreich in nur 14 Tagen eine messbare Optimierung der Anlagen und Prozesse.
Die wichtigste Erkenntnis für alle Beteiligten:
Dieses Projekt verdeutlicht, dass die Umsetzung einer Zustandsüberwachung und Prognose in nur 14 Tagen und mit einem begrenzten Budget möglich ist.
Nach dieser kurzen Zeitspanne stehen qualifizierte Informationen zur Verfügung, um zu entscheiden, ob dieser Ansatz weiterverfolgt oder gegebenenfalls Optimierungen an der Datenbasis vorgenommen werden sollten. In jedem Fall ist dies ein bedeutender Schritt in die digitale Zukunft.
Weitere Informationen zur “Anomaly Detection” finden Sie hier.
Details zu “LiveAlert” finden Sie hier.
Mehr über unser 14-tägiges Projekt erfahren Sie hier.
