Startseite Predictive Maintenance im Kontext der industriellen Robotik
Artikel
Lizenziert
Nicht lizenziert Erfordert eine Authentifizierung

Predictive Maintenance im Kontext der industriellen Robotik

Ein systemneutraler Ansatz
  • Corbinian Nentwich und Gunther Reinhart
Veröffentlicht/Copyright: 29. Mai 2019
Veröffentlichen auch Sie bei De Gruyter Brill
Manuskript einreichen Informationen für Autor*innen
Zeitschrift für wirtschaftlichen Fabrikbetrieb
Aus der Zeitschrift Zeitschrift für wirtschaftlichen Fabrikbetrieb Band 114 Heft 5

Kurzfassung

Auf Predictive Maintenance basierende Instandhaltungskonzepte erfreuen sich in den letzten Jahren aufgrund neuer Technologien wie dem „Internet of Things“ und Künstlicher Intelligenz immer größerer Beliebtheit. In verschiedenen Branchen, wie z. B. der Luftfahrtindus-trie oder dem klassischen Maschinenbau, wurden so für unterschiedliche Anwendungen eine Vielzahl an Methoden implementiert, um die Restlebensdauer von Produkten, wie z. B. Zerspanzentren, zu prognostizieren. Um diese Methoden in anderen Branchen zu etablieren, ist allerdings eine große Expertise im Bereich der Statistik und Datenaufbereitung notwendig. Im Rahmen des Forschungsprojekts KIVI (Künstliche Intelligenz zur Vorhersage der Einsatzsicherheit und Lebensdauer von Industrierobotern) wird deshalb am Beispiel der industriellen Robotik ein Ansatz entwickelt, um möglichst anwenderfreundlich Predictive-Maintenance-Methoden branchenunabhängig umzusetzen.

Abstract

Predictive Maintenance is an enabler to increase productivity of industrial robots. However, expert knowledge from different domains and a meaningful data set are required to implement such an approach. Therefore, the research project KIVI focuses on data acquisition and data analysis for Predictive Maintenance for industrial robots. Based on the project findings, a application neutral and user friendly Predictive Maintenance approach will be developed.

Prof. Dr.-Ing. Gunther Reinhart, geb. 1956, ist gemeinsam mit Prof. Dr.-Ing. Michael Zäh Leiter des Instituts für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München. Seit dem 1. Januar 2009 ist Prof. Reinhart darüber hinaus Leiter der Fraunhofer IWU Projektgruppe für Ressourceneffiziente Mechatronische Verarbeitungsmaschinen (RMV) in Augsburg, die am 1. Juli 2016 in die neu gegründete Fraunhofer Einrichtung für Gießerei-, Composite- und Verarbeitungstechnik (IGCV) aufgegangen ist. Prof. Reinhart ist seitdem geschäftsführender Institutsleiter des Fraunhofer IGCV.

Corbinian Nentwich, M. Sc., geb. 1994, ist Wissenschaftlicher Mitarbeiter am Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München. Sein Forschungsschwerpunkt umfasst die Anwendung von Predictive Maintenance im Kontext der industriellen Robotik.

Literatur

1. Centre for Economics and Business Research: The Impact of Automation. A Report for Redwood, London, January 2017Suche in Google Scholar

2. Koochaki, J.; Bokhorst, J.; Wortmann, H.; Klingenberg, W.: Evaluating Condition based Maintenance Effectiveness for Two Processes in Series. Journal of Qual in Maintenance Engineering17 (2011) 4, S. 398–414. 10.1108/13552511111180195Suche in Google Scholar

3. Ezell, S.: Why Manufacturing Digitalization Matters and How Countries Are Supporting It. Information Technology & Innovation Foundation, April 2018Suche in Google Scholar

4. Lei, Y.; Li, N.; Guo, L.; Li, N.; Yan, T.; Lin, J.: Machinery Health Prognostics: A Systematic Review from Data Acquisition to RUL Prediction. Mechanical Systems and Signal Processing104 (2018), S. 799–834. 10.1016/j.ymssp.2017.11.016Suche in Google Scholar

5. Zhai, S.; Reinhart, G.: Predictive Maintenance als Wegbereiter für die instandhaltungsgerechte Produktionssteuerung. ZWF114 (2018) 3, S. 115–118. 10.3139/104.111912Suche in Google Scholar

6. Mulders, M.; Haarman, M.: Predictive Maintenance 4.0 – Predict the Unpredictable. PwC & Mainnovation, June 2017Suche in Google Scholar

7. Helu, M., Weiss, B.: The Current State of Sensing, Health Management, and Control for Small-to-Medium-Sized Manufacturers. In: Proceedings of the ASME 2016–11th International Conference on Manufacturing Science and Engineering, 2016. 10.1115/MSEC2016–8783Suche in Google Scholar

8. Vagas, M.; Semjon, J.; Balaz, V.; Varga, J.: Methodology for the Vibration Measurement and Evaluation on the Industrial Robot Kuka. In: Budinská, I. (Hrsg.): Proceedings of the 23rd International Conference on Robotics in Alpe-Adria-Danube Region (RAAD). 3–5 Sept. 2014, Smolenice Castle, Slovakia, S. 1–6. IEEE, Piscataway, NJ (2014). 10.1109/RAAD.2014.7002265Suche in Google Scholar

9. Bittencourt, A. C.; Saarinen, K.; Sander-Tavallaey, S.: A Data-driven Method for Monitoring Systems that Operate Repetitively -Applications to Wear Monitoring in an Industrial Robot Joint. In: Proceedings of the 10th IFAC Symposium on Robot Control 2012 (SYROCO 2012). 5–7 September 2012, Dubrovnik, Croatia. 10.3182/20120829–3-MX-2028.00044Suche in Google Scholar

10. Fantuzzi, C.; Secchi, C.; Visioli, A.: On the Fault Detection and Isolation of Industrial Robot Manipulators. In: Proceedings of the 7th IFAC Symposium on Robot Control (SYROCO 2003) Wroclaw, Poland, 1–3 September 2003. 10.1016/S1474–6670(17)33427–4Suche in Google Scholar

11. Qiao, G.; Weiss, B. A.: Quick Health Assessment for Industrial Robot Health Degradation and the Supporting Advanced Sensing Development. Journal of Manufacturing Systems, 2018. 10.1016/j.jmsy.2018.04.004Suche in Google Scholar PubMed PubMed Central

12. Lux, G.; Ulrich, M.; Baker, T.; Hutterer, M.; Reinhart, G.: Analysis of Non-geometric Accuracy Effects of Articulated Robots. Industrial Robot44 (2017) 5, S. 639–647. 10.1108/IR-12–2016–0354Suche in Google Scholar

Online erschienen: 2019-05-29
Erschienen im Druck: 2019-05-28

© 2019, Carl Hanser Verlag, München

Artikel in diesem Heft

  1. Editorial
  2. Logistik als digitaler Vorreiter
  3. Inhalt/Contents
  4. Inhalt
  5. Montage
  6. Arbeitsfortschrittssynchrone Materialbereitstellung in der Großgerätemontage
  7. Interaktive 4D-Flächenbelegungsplanung
  8. Instandhaltung
  9. Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen
  10. Predictive Maintenance im Kontext der industriellen Robotik
  11. Logistikplanung
  12. Regelbasiertes Assistenzsystem zur Logistikplanung
  13. Data Mining
  14. Dynamische Röntgenprüfung in der Elektronikproduktion
  15. Supply-Chain-Management
  16. LoRaWAN als Kommunikationstechnologie für vernetzte Sonderladungsträger
  17. Sensorik
  18. Sensorauswahl für Bestandsanlagen
  19. Gleisbasierte Schwingungs-diagnose an Straßenbahnen – mit komplementärer Sensorik
  20. Agile Arbeitsweise
  21. Agile Invention: Zehn Erfolgsthesen
  22. Agil, intelligent, flexibel
  23. Management
  24. Systematisches Organisation 4.0-Vorgehensmodell zur ganzheitlichen Prozessdigitalisierung
  25. Me-Systeme
  26. Herausforderungen bei der Auswahl und Beschaffung von ME-Systemen
  27. Anwenderbericht
  28. Fehlerquellen minimieren
  29. Digitalisierung
  30. Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg
  31. Digitaler Informationsfluss in der Unikatfertigung
  32. Künstliche Intelligenz
  33. Qualitätsprognose anhand Prozess-parametern einer Papiermaschine mittels Industrial Data Science
  34. Kollaboration
  35. Kollaboration in globalen Wertschöpfungsnetzwerken
  36. Vorschau/Preview
  37. Vorschau
https://doi.org/10.3139/104.112084

Artikel in diesem Heft

  1. Editorial
  2. Logistik als digitaler Vorreiter
  3. Inhalt/Contents
  4. Inhalt
  5. Montage
  6. Arbeitsfortschrittssynchrone Materialbereitstellung in der Großgerätemontage
  7. Interaktive 4D-Flächenbelegungsplanung
  8. Instandhaltung
  9. Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen
  10. Predictive Maintenance im Kontext der industriellen Robotik
  11. Logistikplanung
  12. Regelbasiertes Assistenzsystem zur Logistikplanung
  13. Data Mining
  14. Dynamische Röntgenprüfung in der Elektronikproduktion
  15. Supply-Chain-Management
  16. LoRaWAN als Kommunikationstechnologie für vernetzte Sonderladungsträger
  17. Sensorik
  18. Sensorauswahl für Bestandsanlagen
  19. Gleisbasierte Schwingungs-diagnose an Straßenbahnen – mit komplementärer Sensorik
  20. Agile Arbeitsweise
  21. Agile Invention: Zehn Erfolgsthesen
  22. Agil, intelligent, flexibel
  23. Management
  24. Systematisches Organisation 4.0-Vorgehensmodell zur ganzheitlichen Prozessdigitalisierung
  25. Me-Systeme
  26. Herausforderungen bei der Auswahl und Beschaffung von ME-Systemen
  27. Anwenderbericht
  28. Fehlerquellen minimieren
  29. Digitalisierung
  30. Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg
  31. Digitaler Informationsfluss in der Unikatfertigung
  32. Künstliche Intelligenz
  33. Qualitätsprognose anhand Prozess-parametern einer Papiermaschine mittels Industrial Data Science
  34. Kollaboration
  35. Kollaboration in globalen Wertschöpfungsnetzwerken
  36. Vorschau/Preview
  37. Vorschau
Jetzt anmelden und 20% sparen
Institutioneller Zugang
Wie funktioniert Authentifizierung?
Haben Sie eine Idee, wie wir unsere Website verbessern können?
Bitte schreiben Sie uns.
© 2025 De Gruyter Brill
Heruntergeladen am 13.9.2025 von https://www.degruyterbrill.com/document/doi/10.3139/104.112084/html
Button zum nach oben scrollen