WO2021018741A1 - Verfahren und vorrichtung zur planung von wartungsarbeiten an wenigstens einer maschine - Google Patents

Verfahren und vorrichtung zur planung von wartungsarbeiten an wenigstens einer maschine Download PDF

Info

Publication number
WO2021018741A1
WO2021018741A1 PCT/EP2020/070874 EP2020070874W WO2021018741A1 WO 2021018741 A1 WO2021018741 A1 WO 2021018741A1 EP 2020070874 W EP2020070874 W EP 2020070874W WO 2021018741 A1 WO2021018741 A1 WO 2021018741A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
maintenance
module
data
resource
Prior art date
Application number
PCT/EP2020/070874
Other languages
English (en)
French (fr)
Inventor
Alexander Metzger
Stefanie APPRICH
Original Assignee
Schuler Pressen Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=71784069&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=WO2021018741(A1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Schuler Pressen Gmbh filed Critical Schuler Pressen Gmbh
Publication of WO2021018741A1 publication Critical patent/WO2021018741A1/de
Priority to US17/588,422 priority Critical patent/US11914359B2/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25428—Field device

Definitions

  • the invention relates to an apparatus and a method for planning maintenance work on at least one machine.
  • the machine is in particular a forming machine with which a workpiece is machined, for example a press.
  • US 10,114,367 B2 describes a server platform for an operating and maintenance system.
  • the server platform is intended to form an interface to various data sources in order to map the different data types onto a standard type and thus enable data exchange and uniform data evaluation.
  • WO 2011/034805 A1 discloses a device and a method for fault diagnosis of a machine. It is seen as a problem that large amounts of data are required so that a learning system (eg neural network) learns to differentiate between permissible and impermissible operating states.
  • a learning system eg neural network
  • rules are manually specified that describe the normal operating state and the faulty operating state of the machine.
  • an artificial feature vector is generated which characterizes either the normal operating state or the faulty operating state of the machine.
  • a regression model is trained using historical data from a plurality of sensors. A probability of a deviation between a calculated difference between the currently measured sensor value and a predicted sensor value is determined and compared with a threshold value. If the probability of the difference between the predicted sensor value and the measured sensor value is sufficiently high, a normal state is assumed, otherwise an abnormal state is recognized.
  • No. 6,915,237 B2 relates to an integrated system for verifying the performance and functionality of instruments and methods.
  • the integrated system provides the ability to automatically calibrate and monitor the calibration network access (online) or on site.
  • Fault diagnosis according to EP 2 998 894 A1 is about creating hypotheses about a state of one or more components based on historical values of variables and determining the state of the one or more components based on these hypotheses.
  • the device has an input module, a model module, a resource module, a planning module and an interface module.
  • the planning module is connected to all other modules and forms a central node, so to speak.
  • Each module can be implemented in a separate component group. It is also possible to implement several modules as software modules in a common component or a common component group. Each module can be a hardware and / or software module.
  • the input module is set up to receive sensor data from the machine. It is also set up to provide input data for at least one further module, in particular the planning module, based on the sensor data.
  • the input data can, for example, be a subset of the received sensor data and / or preprocessing be dead sensor data.
  • the input module can, for example, additionally or alternatively be set up to check the sensor data for errors and not to provide incorrect sensor data as input data. For this purpose, for example, a certain sensor value of the sensor data can be compared with a permissible value range.
  • the control sequence of the machine is preferably known in the input module and can be taken into account when selecting the sensor data based on which input data are to be provided. Therefore, depending on the current state of the machine, a selection of relevant sensor data can be made, which is provided in the form of input data.
  • the model module has access to a model database. Maintenance models for maintenance work to be carried out are stored in the model database.
  • the maintenance models can be generated by machine learning and / or generated manually.
  • the model module is especially set up to learn automatically based on AI algorithms or algorithms for machine learning.
  • the model module can have a neural network for machine learning.
  • the model module can be set up to carry out machine learning in the form of so-called deep learning.
  • Each maintenance model contains a maintenance procedure with at least one maintenance step.
  • each maintenance step in the maintenance model is assigned a resource required to carry out this maintenance step.
  • the resource can be at least one person who has the skills or qualifications required to perform the relevant maintenance step. has fications and / or at least one device and / or instrument and / or device that is required to carry out the maintenance step. For example, it may be necessary to use certain tools, measuring devices, analysis devices or the like to carry out a maintenance step.
  • a resource can therefore also be any combination of at least one person and at least one device and / or instrument and / or device.
  • a model data pattern is also assigned to each maintenance model in the model database.
  • Each maintenance model is linked to at least one model data sample. It is possible to link several model data samples with one maintenance model.
  • Each model data pattern is preferably linked to exactly one maintenance model.
  • Each of the model data pattern contains model sensor data.
  • the model sensor data form a comparison data set for comparison with the input data.
  • the model sensor data can, for example, each have a single, isolated model sensor value for comparison with a current input value from the input data.
  • the input data and the model sensor data of each model data pattern can also contain data which describe a period of observation for a specific sensor value.
  • the model sensor data can each have a number of associated model sensor values for comparison, which for example represent a time profile over the observation period. For example, a temperature profile measured by a temperature sensor, which is contained in the input data, can be combined with a temperature profile that is contained in the model data samples.
  • the resource module has access to a resource database. Resources and their availability periods are stored in the resource database.
  • the planning module and / or the model module is set up to carry out a comparison between the input data and the model sensor data in the model patterns.
  • the identity or the similarity between the input data and the model sensor data is checked in the model data patterns. If the input data are identical or sufficiently similar to the model sensor data of a model data pattern, a match is determined.
  • AI algorithms for pattern recognition and / or pattern analysis can be used. If a match is found, the assigned maintenance model is selected and made available in the planning module.
  • the planning module and / or the resource module is set up to check the availability of the resource specified in the selected maintenance model. If the resource is available, the resource availability is confirmed. In this case, the maintenance process specified in the selected maintenance model can actually be carried out, because the required resource is available.
  • the planning module is also set up to control an interface module.
  • the maintenance sequence with the at least one maintenance step is output to the required resource via the interface module.
  • a suitably qualified person can be given a maintenance order for one or more maintenance steps.
  • an instrument or device or a facility can be reserved in a storage system or logistics system that is required for one or more maintenance steps so that it is available for the relevant maintenance step.
  • an interface module for a person for example, a smartphone, tablet or other preferably mobile terminal can be used on which the person maintenance jobs can be issued or displayed.
  • the interface module is preferably also set up so that a person and / or a system can use the interface position module can make inputs, for example can acknowledge the completion of a maintenance step.
  • a device which automatically carries out all aspects of maintenance planning. Necessary maintenance steps can be selected on the basis of the input data and the necessary resources can be planned.
  • maintenance models are stored that are based on manually entered data or on machine learning and therefore represent experience. Predictive maintenance can be carried out based on experience.
  • the interface module is preferably set up to change the maintenance process output via the carving module and / or at least one of the maintenance steps contained in response to an input or request for a resource. It is possible to only authorize certain people to make such a change. For example, a person entrusted with a maintenance step can modify the maintenance step before the maintenance step is carried out or after the maintenance step has been carried out in order to adapt the maintenance step to the specific requirements of the machine, which arise, for example, during an assessment of the machine.
  • the changed maintenance procedure can be transferred to the model module. be averaged.
  • the model module can be set up to change the relevant maintenance model or to store a new maintenance model in the model database.
  • the planning module and / or the model module is set up to link the input data by means of a predetermined relationship and to calculate an indicator value therefrom.
  • the specified relationship can link any number of input data to one another in any way.
  • the indicator value can then be used to carry out the comparison between the input data and the model sensor data of a model data pattern.
  • the indicator value of the input data can be compared with a model indicator value assigned to the maintenance model.
  • the model indicator value can be stored in the maintenance model or can be calculated by the planning module and / or the model module based on the same relationship that was used to determine the indicator value.
  • a correspondence between the input data and the model sensor data of a model data pattern of a maintenance model is preferably established if the deviation between the indicator value and the model indicator value is smaller than a predetermined maximum deviation. For example, there can be sufficient similarity if the indicator value and the model indicator value or their amounts differ from one another by no more than 20%.
  • model data pattern was found, it can be concluded that no maintenance work is currently required. If further information or findings are available that signal the need for maintenance, it is advantageous if the planning model is set up to request a maintenance service if no matching model data pattern was found for the input data. In this case, no maintenance model can be assigned to the current state of the machine, which is characterized by the input data. Further information or findings that signal the need for maintenance can be, for example: the expiry of a period of time since the last maintenance and / or an input value of the input data that is outside a permissible value range and / or a detected failure of a sensor or a on their component of the machine, etc.
  • the planning module can additionally or alternatively also be set up to request a maintenance service when the resource required for the selected maintenance model is not available.
  • a suitably qualified person from the maintenance service decides how to proceed.
  • the planning module is set up to search for a further matching model data pattern if the resource required for the maintenance process of a selected maintenance model is not available. Due to the lack of availability, the maintenance process cannot be carried out as planned in the selected maintenance model. In this case can the planning module can initiate a check as to whether another maintenance model with an alternative maintenance procedure is available. For this purpose, the input data can be compared with the model sensor data of the model data pattern as described above for identity or similarity.
  • a priority sequence for identical and similar model data patterns and their associated maintenance models can be generated.
  • the first position (highest priority) is the maintenance model that has the greatest similarity between the model sensor data and the input data.
  • the other maintenance models can follow in a sequence with decreasing similarity between the model sensor data and the input data. For example, the deviation between the indicator value and the model indicator value can be used for this.
  • the first search for a suitable maintenance model several maintenance models can be selected in a priority order in this way.
  • the availability of the resource of the maintenance model with the second highest priority can then be checked, and so on, until a maintenance model whose resource is available has been found. If a suitable maintenance model cannot be found, the maintenance service can be requested, for example, as explained above
  • the input module and / or the planning module can also be set up to provide the sensor data or the input data with at least one predetermined criterion to compare and, depending on the comparison result, initiate a measure. For example, different measures can be initiated, depending on the difference between the sensor data and the specified criterion. Depending on the comparison, a distinction can be made between several machine states, for example: normal operating state, an operating state that requires maintenance or repair, and a critical operating state that requires the machine to be stopped in an emergency. This comparison result can be made available to the planning module as additional information if the comparison is carried out with the criterion in the input module. The checking and initiation of the measures by the input module can take place in addition to the predictive maintenance described above.
  • the input module can be set up to output a corresponding warning if the sensor data and / or the input data meet a warning criterion.
  • the input module can be set up to initiate an emergency stop of the machine if the sensor data and / or the input data meet an emergency stop criterion.
  • FIG. 1 shows a block diagram of an exemplary embodiment of a device for planning maintenance work on at least one machine
  • FIG. 2 shows a schematic exemplary representation development of a maintenance process which can be output via an interface module of the device according to FIG. 1 and
  • FIG. 3 shows a flow chart of an exemplary embodiment of a method for planning maintenance work on the machine, which can be carried out by means of the device according to FIG.
  • FIG. 1 an embodiment of a device 10 for planning maintenance work on a machine 11 is illustrated.
  • the device 10 and its mode of operation with reference to FIGS. 1 to 3 will be explained below.
  • the device 10 has an input module 12, a planning module 13, a model module 14, a resource module 15 and an interface module 16.
  • the planning module 13 is connected to the communication with the other modules 12, 14, 15, 16.
  • the model module 14 has access to a model database 17.
  • the resource module 15 has access to a resource database 18.
  • the machine 11 has several sensors, not shown, which each generate a sensor signal, the sensor signals jointly representing sensor data S which are transmitted from the machine 11 to the input module 12.
  • the input module 12 is provided and set up to provide input data E based on the received sensor data S and in particular to transmit it to the planning module 13.
  • the input data E can be a subset of the received sensor data S, for example.
  • the input module 12 can also be set up to check the received sensor data S for incorrect data to be checked and not to be provided in the form of input data E. For example, each sensor value of the sensor data S can be checked to determine whether it is in a permissible value range.
  • the input module 12 can also carry out plausibility checks by comparing one or more of the sensor values of the sensor data S in order to identify and suppress incorrect sensor values. It is also possible to compare a current sensor value with the temporally preceding sensor values of the same sensor, so that sudden differences in magnitude in the signal of a sensor can be recognized and if necessary suppressed as faulty after checking.
  • the input data E provided characterize the state of the machine 11. From the sensor data S, for example, those sensor values can be selected that are dependent on the current state of the control of the machine 11, which may be known to the input module 12, with regard to their Relevance have been selected. By reducing the amount of data in the input data E compared to the sensor data S, the bandwidth for the data transmission between the input module 12 and the planning module 13 can be reduced.
  • Each maintenance model 22 contains a maintenance process 23.
  • the maintenance process 23 for servicing the machine 11 contains at least one maintenance step 24 and an indication of a resource 25 which is necessary in order to be able to carry out the respective maintenance step 24.
  • a resource can, for example, be a person appropriately qualified to carry out the maintenance step.
  • the resource 25 can be a device or an instrument that is required to carry out the maintenance step 24, for example a measuring device, an analysis instrument, a tool, etc.
  • each maintenance model 22 is also linked to a model data sample 26 which contains model sensor data M.
  • the model sensor data M correspond to at least a subset of the sensor signals or sensor values contained in the sensor data S.
  • the model sensor data M characterize a certain state of the machine 11 in need of maintenance, the maintenance process to be performed with the at least one maintenance step 24 being described by the maintenance model 22, which is linked to the model data sample 26.
  • the model data pattern 26 does not contain any model sensor data M which cannot be contained in the sensor data S and therefore in the input data E.
  • the model database 17 can be trained by manually entering one or more maintenance models 22 and model data samples 26. Additionally or alternatively, the model module 14 can be designed for machine learning and, for example, based on algorithms for machine, such as neural networks, learn continuously during the operation of the machine 11. If, for example, maintenance work is carried out, the recorded input data E, which triggered a specific maintenance activity, can be used as model sensor data M in one Model data samples 26 are stored and the maintenance activity carried out in the form of at least one maintenance step 24 and the required resource 25 as a maintenance model 22 linked to it are stored in the model database 17. In this way, the model module 14 can be trained or learned by machine. It is also possible, please include, to take over maintenance models 22 and model data samples 26 from other, identical or similar machines and to store them in the model database 17.
  • the model module 14 or preferably the planning module 13 is set up to carry out a comparison between the input data E with the model sensor data M of the model data pattern 26 in order to find a match (second method step V2 in FIG. 3).
  • the input data E and the model sensor data M match if they are identical or similar.
  • algorithms of the pattern recognition can be used.
  • the planning module 13 is set up to use the current input data E to determine an indicator value IE on the basis of a predetermined relationship.
  • the relationship can be any mathematical function. Every connection can take all sensor data S into account. If a certain sensor value is not included in the input data E, this value can be set to a standard value, for example zero.
  • the model sensor data contained in a model data pattern 26 can be linked to one another and a model dell indicator value IM are calculated.
  • the indicator value IE of the input data E and the model indicator value IM of a model data pattern 26 can be compared with one another in the planning module 13.
  • a deviation between the indicator value IE and the model indicator value IM can be determined and compared with a threshold value. If the deviation is sufficiently small, for example at most 20%, a similarity between the input data E and the model sensor data M can be recognized. Otherwise, the input data E to the model sensor data M of a model data pattern 26 are dissimilar.
  • a predetermined number or all of the maintenance models 22 can be selected, which are linked to a model data pattern 26 which contains model sensor data M that match the input data E (identity or similarity).
  • the maintenance models 22 found in this way can then be put into a priority order.
  • the maintenance model 22, which is linked to a model data pattern 26, the model sensor data M of which has the greatest similarity or identity to the input data E, is placed in the first place in the order of priority.
  • the other maintenance models 22 found join the series with decreasing similarity of the assigned model data patterns 26.
  • the possibility of already having several maintenance models 22 identified as similar in a priority order is optional and only the maintenance model 22 can be selected in which the agreement of the assigned model data pattern 26 with the input data E is greatest.
  • the planning model 13 can be set up to check whether information or findings are available that maintenance is required (third method step V3 in Figure 3).
  • information or findings that signal the need for maintenance can be, for example: the expiry of a period of time since the last maintenance
  • the planning model 13 request a maintenance service in a fourth method step V4. For example, an employee of the maintenance service can then decide which maintenance is required for the machine 11.
  • a single maintenance module 22 or a priority sequence of several maintenance modules 22 is created, the model indicator value IM of which corresponds sufficiently to the indicator value IE of the input data E and the single maintenance model 22 or the maintenance model 22 with the highest priority is selected ( fifth method step V5 in Figure 3).
  • the planning module 13 checks the availability of the required for the implementation of the at least one maintenance step 24 Required resource 25 with the aid of resource module 15 (sixth method step V6 in FIG. 3). For this purpose, availability periods 30 are assigned to each resource 25 in the resource database 18.
  • the model module 15 informs the planning module 13 whether the requested resource 25 is available for a planned maintenance step 24.
  • the planning module 13 takes the following boundary conditions into account when checking availability:
  • the at least one maintenance step 24 of the maintenance sequence 23 must be completed by a specified end time or end date;
  • the maintenance period between the beginning of the first maintenance step and the completion of the last maintenance step 24 must not exceed a maximum maintenance period.
  • each resource 25 can be a person and / or a device or instrument.
  • a further maintenance model 22 can be searched for, the model data pattern 26 of which is similar to the input data E (branch NOK1 from the sixth method step V6 in FIG. 3). If a priority order of several maintenance models 22 has already been established in the previous step, the next maintenance model will appear in the priority list selected and its resource 25 checked for availability.
  • the planning module 13 can inform the maintenance service 29 (seventh method step V7 in FIG. 3) so that a qualified Employees of the maintenance service 29 can decide on how to proceed.
  • the planning module 13 controls the interface module 16 and outputs the maintenance process to the resource 25 via the interface module 16 ( eighth method step V8 in Figure 3).
  • a maintenance sequence 23 is illustrated schematically in FIG. 2 by way of example.
  • a resource 25-1 to 25-m required for this is assigned to each of the maintenance steps 24-1 to 24-n shown.
  • a first maintenance step 24-1 is carried out by a first resource 25-1.
  • a second resource 25-2 or third resource 25-3 is required for a subsequent second maintenance step 24-1 and a third maintenance step 24-3.
  • the second maintenance step 24-2 and the third maintenance step 24-3 can be performed simultaneously. Only when the second maintenance step 25-2 has been completed can a fourth maintenance step 24-4 and a fifth maintenance step 24-5 through the first resource 25-1 or the third Resource 25-3.
  • the maintenance sequence 23 is completed when the last maintenance step 24-n has been carried out by the assigned resource (here: resource 25-m).
  • resource 25-m the assigned resource
  • the number of resources 25 and the number of maintenance steps 24 as well as their chronological sequence and duration depend on the type of machine 11 and the maintenance to be carried out and can vary as desired.
  • the interface module 16 can for example have at least one mobile terminal, such as a tablet, PC or a smartphone. A person, for example, can be informed about the maintenance steps 24 to be carried out via such a mobile terminal. If the required resource is an instrument or device, the interface module 16 can reserve the instrument or device in a logistics system or storage system for the maintenance work to be carried out in the corresponding period.
  • the resource After completing a maintenance step, the resource, in particular the corresponding service employee, acknowledges the activity carried out (ninth method step V9 in FIG. 3). It is also possible for authorized service employees to modify one of the maintenance steps 24 or the maintenance sequence 23 either before the maintenance work is carried out or after it has been completed.
  • the maintenance sequence 23 * modified or changed in this way can be entered via the interface module 16 and transmitted to a buffer 31 or, alternatively, directly to the model module 14 (FIG. 1).
  • the model module 14 has access to the intermediate memory 31.
  • either the selected maintenance model 22 can be changed. fits or a new maintenance model 22 can be generated.
  • the input module 12 is also set up to compare the sensor data S and / or the input data E with at least one predetermined criterion (tenth method step V10 in FIG. 3). Depending on the test as to whether the at least one criterion is met, a measure is initiated immediately, for example the test result is output (eleventh method step VII in FIG. 3).
  • a check is carried out to determine whether a warning criterion or an emergency stop criterion is met. If the sensor data S and / or the input data E meet neither the warning criterion nor the emergency stop criterion, a status display 32 is activated in such a way that normal operation is signaled.
  • the status display 32 can have a traffic light display so that the traffic light is set to green.
  • a warning is output by means of the status display 32, for example the traffic light can be set to yellow. If the sensor data S
  • an emergency stop of the machine 11 is initiated.
  • a manually triggered emergency stop can be requested via the status display 32.
  • the emergency stop can be initiated automatically.
  • the traffic light can be set to red, for example.
  • the immediate action loop of the tenth and eleventh method step V10, Vll relates to short-term events that require immediate action, that is, within a period of a few seconds to a few hours, for example 12 hours.
  • the invention relates to a device 10 and a method 20 for planning maintenance work on a machine 11.
  • input data E are generated.
  • the input data E are compared with model sensor data of different model data patterns 26 and checked for correspondence.
  • a maintenance model 22 in the model database 17 is assigned to each model data pattern 26. If a correspondence of the input data E with the model sensor data M of a model sample 26 is established, the assigned maintenance model 22 can be selected for maintenance of the machine 11.
  • the maintenance model 22 contains at least one maintenance step 24 and the resource 25 required for its implementation the availability of the required resource 25 is checked and, if there is availability, the resource 25 is requested. With the aid of such a device 10 or such a method 20, predictive maintenance can be carried out on the basis of empirical knowledge that is contained in the maintenance models 22 of the model database 17 is included.
  • the maintenance models 22 can be generated by machine learning.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

Die Erfindung betrifft eine Vorrichtung (10) und ein Verfahren (20) zur Planung von Wartungsarbeiten an einer Maschine (11). Basierend auf Sensordaten (S) werden Eingangsdaten (E) generiert. Die Eingangsdaten (E) werden mit Modellsensordaten unterschiedlicher Modelldatenmuster (26) verglichen und auf eine Übereinstimmung überprüft. Jedem Modelldatenmuster (26) ist ein Wartungsmodell (22) in der Modelldatenbank (17) zugeordnet. Wird eine Übereinstimmung der Eingangsdaten (E) mit den Modellsensordaten (M) eines Modellmusters (26) festgestellt, kann das zugeordnete Wartungsmodell (22) ausgewählt werden für eine Wartung der Maschine (11). Das Wartungsmodell (22) enthält wenigstens einen Wartungsschritt (24) und die zu dessen Durchführung benötigte Ressource (25). Anschließend wird auf die Verfügbarkeit der benötigten Ressource (25) geprüft und sofern die Verfügbarkeit gegeben ist, wird die Ressource (25) angefordert. Mithilfe einer solchen Vorrichtung (10) bzw. eines solchen Verfahrens (20) kann eine prädiktive Wartung auf Basis von Erfahrungswissen durchgeführt werden, das in den Wartungsmodellen (22) der Modelldatenbank (17) enthalten ist. Die Wartungsmodelle (22) können durch maschinelles Lernen erzeugt werden.

Description

Verfahren und Vorrichtung zur Planung von Wartungsarbeiten an wenigstens einer Maschine
[0001] Die Erfindung betrifft eine Vorrichtung und ein Verfahren zur Planung von Wartungsarbeiten an wenigstens einer Maschine. Bei der Maschine handelt es sich insbeson dere um eine Umformmaschine, mit der ein Werkstück formge bend bearbeitet wird, beispielsweise eine Presse.
[0002] Wartungsarbeiten an Maschinen zu planen und effi zient und rechtzeitig durchzuführen ist immer noch eine Herausforderung. Einerseits sollen unnötige und unnötig lange Wartungsarbeiten und damit verbundene Stillstandzei ten einer Maschine vermieden werden, andererseits müssen die Wartungsarbeiten regelmäßig und rechtzeitig erfolgen, um Schäden an einer Maschine zu vermeiden. Im Stand der Technik existiert eine Vielzahl von Ansätzen, um Maschinen zu überwachen bzw. Wartungsarbeiten zu planen.
[0003] US 10,114,367 B2 beschreibt eine Serverplattform für ein Betriebs- und Wartungssystem. Die Serverplattform soll eine Schnittstelle zu diversen Datenquellen bilden, um die unterschiedlichen Datentypen auf einen Standardtyp ab zubilden und damit einen Datenaustausch bzw. eine einheit liche Datenauswertung zu ermöglichen.
[0004] WO 2011/034805 Al offenbart eine Vorrichtung und ein Verfahren zur Fehlerdiagnose einer Maschine. Es wird dabei als Problem angesehen, dass große Datenmengen erfor derlich sind, damit ein lernendes System (z.B. neuronales Netz) zulässige und unzulässige Betriebszustände zu unter scheiden lernt. Um ein Fehlerdiagnosesystem zu schaffen, das auch ohne große Lernmengen auskommt, werden manuell Re geln vorgegeben, die den Normalbetriebszustand und den Fehlerbetriebszustand der Maschine beschreiben. Unter Ver wendung einer Wahrscheinlichkeitsverteilung über die Merk malszustandsbereiche eines gemessenen Merkmalsvektors wird ein künstlicher Merkmalsvektor erzeugt, der entweder den Normalbetriebszustand oder den Fehlerbetriebszustand der Maschine charakterisiert.
[0005] Aus EP 3 258 426 Al geht eine automatische Zu standsüberwachung und Anomalitätserkennung für die voraus schauende Wartung hervor. Ein Regressionsmodell wird unter Verwendung von historischen Daten von einer Mehrzahl von Sensoren trainiert. Es wird eine Wahrscheinlichkeit für ei ne Abweichung zwischen einer berechneten Differenz zwischen dem aktuell gemessenen Sensorwert und einem vorhergesagten Sensorwert ermittelt und mit einem Schwellenwert vergli chen. Ist die Wahrscheinlichkeit für die Differenz zwischen dem vorhergesagten Sensorwert und dem gemessenen Sensorwert ausreichend groß, wird auf einen Normalzustand geschlossen, ansonsten wird ein Anomaliezustand erkannt.
[0006] US 6,915,237 B2 betrifft ein integriertes System zum Verifizieren der Leistungsfähigkeit und Funktionsfähig keit von Instrumenten und Verfahren. Bei Instrumenten und Verfahren, bei denen eine Kalibrierung erforderlich ist, schafft das integrierte System eine Möglichkeit zur automa tischen Kalibrierung und Überwachung der Kalibrierung über einen Netzwerkzugriff (online) oder vor Ort.
[0007] Bei dem System zur Zustandsüberwachung und
Fehlerdiagnose gemäß EP 2 998 894 Al geht es darum, basie rend auf historischen Werten von Variablen Hypothesen über einen Zustand von einer oder mehreren Komponenten zu er stellen und basierend auf diesen Hypothesen den Zustand der einen oder der mehreren Komponenten zu ermitteln.
[0008] Ausgehend vom Stand der Technik ist es eine Auf gabe der vorliegenden Erfindung, eine verbesserte Planung von Wartungsarbeiten an wenigstens einer Maschine zu schaf fen. Diese Aufgabe wird durch eine Vorrichtung mit den Merkmalen des Patentanspruches 1 sowie ein Verfahren mit den Merkmalen des Patentanspruches 14 gelöst.
[0009] Die erfindungsgemäße Vorrichtung hat ein Ein gangsmodul, ein Modellmodul, ein Ressourcenmodul, ein Pla nungsmodul sowie ein Schnittstellenmodul. Das Planungsmodul ist mit allen anderen Modulen kommunikationsverbunden und bildet sozusagen einen zentralen Knoten. Jedes Modul kann in einer separaten Bauteilgruppe realisiert sein. Es ist auch möglich mehrere Module als Softwaremodule in einem ge meinsamen Bauteil oder einer gemeinsamen Bauteilgruppe zu realisieren. Jedes Modul kann ein Hardware- und/oder Soft waremodul sein.
[0010] Das Eingangsmodul ist zum Empfang von Sensordaten der Maschine eingerichtet. Es ist ferner dazu eingerichtet, basierend auf den Sensordaten, Eingangsdaten für wenigstens ein weiteres Modul, insbesondere das Planungsmodul, bereit zustellen. Die Eingangsdaten können beispielsweise eine Teilmenge der empfangenen Sensordaten und/oder vorverarbei- tete Sensordaten sein. Das Eingangsmodul kann beispielswei se zusätzlich oder alternativ dazu eingerichtet sein, die Sensordaten auf Fehler zu prüfen und fehlerhafte Sensorda ten nicht als Eingangsdaten bereitzustellen. Dazu kann bei spielsweise ein bestimmter Sensorwert der Sensordaten mit einem zulässigen Wertebereich verglichen werden. Außerdem ist im Eingangsmodul bevorzugt der Steuerungsablauf der Ma schine bekannt und kann bei der Auswahl der Sensordaten, basierend auf denen Eingangsdaten bereitgestellt werden sollen, berücksichtigt werden. Daher kann abhängig vom ak tuellen Zustand der Maschine eine Auswahl an relevanten Sensordaten erfolgen, die in Form von Eingangsdaten bereit gestellt werden.
[0011] Das Modellmodul hat Zugriff auf eine Modelldaten bank. In der Modelldatenbank sind Wartungsmodelle für durchzuführende Wartungsarbeiten abgespeichert. Die War tungsmodelle können durch Maschinenlernen erzeugt werden und/oder manuell erzeugt werden. Das Modellmodul ist insbe sondere dazu eingerichtet, basierend auf KI-Algorithmen o- der Algorithmen zum Maschinenlernen, automatisch zu lernen. Z.B. kann das Modellmodul ein neuronalen Netz zum Maschi nenlernen aufweisen. Bei einem Ausführungsbeispiel kann das Modellmodul dazu eingerichtet sein, das Maschinenlernen in Form des sogenannten Deep Learning auszuführen.
[0012] Jedes Wartungsmodell beinhaltet einen Wartungsab lauf mit wenigstens einem Wartungsschritt. Außerdem wird jedem Wartungsschritt im Wartungsmodell eine für die Durch führung dieses Wartungsschritts erforderliche Ressource zu geordnet. Bei der Ressource kann es sich um wenigstens eine Person handeln, die für die Durchführung des betreffenden Wartungsschritts die erforderlichen Fähigkeiten oder Quali- fikationen aufweist und/oder um wenigstens ein Gerät und/oder Instrument und/oder Einrichtung, die zur Durchfüh rung des Wartungsschritts benötigt wird. Beispielsweise kann es erforderlich sein, für die Durchführung eines War tungsschritts bestimmte Werkzeuge, Messgeräte, Analyseein richtungen oder ähnliches einzusetzen. Eine Ressource kann daher auch eine beliebige Kombination von wenigstens einer Person und wenigstens einem Gerät und/oder Instrument und/oder einer Einrichtung sein.
[0013] Jedem Wartungsmodell ist in der Modelldatenbank außerdem ein Modelldatenmuster zugeordnet. Dabei ist jedes Wartungsmodell mit zumindest einem Modelldatenmuster ver knüpft. Es ist möglich, mehrere Modelldatenmuster mit einem Wartungsmodell zu verknüpfen. Bevorzugt ist jedes Modellda tenmuster nur mit genau einem Wartungsmodell verknüpft. Je des Modelldatenmuster enthält Modellsensordaten. Die Mo dellsensordaten bilden einen Vergleichsdatensatz zum Ver gleich mit den Eingangsdaten. Die Modellsensordaten können beispielsweise jeweils einen einzelnen, isolierten Mo dellsensorwert zum Vergleich mit jeweils einem aktuellen Eingangswert aus den Eingangsdaten aufweisen.
[0014] Die Eingangsdaten und die Modellsensordaten jedes Modelldatenmusters können auch Daten enthalten, die einen Betrachtungszeitraum für einen bestimmten Sensorwert be schreiben. Für einen oder mehrere Eingangswerte der Ein gangsdaten können die Modellsensordaten jeweils mehrere zu gehörige Modellsensorwerte zum Vergleich aufweisen, die beispielsweise einen zeitlichen Verlauf über den Betrach tungszeitraum darstellen. Zum Beispiel kann ein durch einen Temperatursensor gemessener Temperaturverlauf, der in den Eingangsdaten enthalten ist, mit einem Temperaturverlauf verglichen werden, der in den Modelldatenmustern enthalten ist .
[0015] Das Ressourcenmodul hat Zugriff auf eine Ressour cendatenbank. In der Ressourcendatenbank sind Ressourcen und deren Verfügbarkeitszeiträume abgespeichert.
[0016] Das Planungsmodul und/oder das Modellmodul ist dazu eingerichtet, einen Vergleich zwischen den Eingangsda ten und den Modellsensordaten in den Modellmustern durchzu führen. Bei diesem Vergleich wird die Identität oder die Ähnlichkeit zwischen den Eingangsdaten und den Modellsens ordaten in den Modelldatenmustern überprüft. Sind die Ein gangsdaten identisch oder ausreichend ähnlich zu den Mo dellsensordaten eines Modelldatenmusters, wird eine Über einstimmung festgestellt. Für diesen Vergleich können KI- Algorithmen zur Mustererkennung und/oder Musteranalyse ver wendet werden. Bei festgestellter Übereinstimmung wird das zugeordnete Wartungsmodell ausgewählt und im Planungsmodul bereitgestellt.
[0017] Das Planungsmodul und/oder das Ressourcenmodul ist dazu eingerichtet, die Verfügbarkeit der im ausgewähl ten Wartungsmodell angegebenen Ressource zu prüfen. Ist die Ressource verfügbar, wird die Ressourcenverfügbarkeit be stätigt. In diesem Fall kann der im ausgewählten Wartungs modell angegebene Wartungsablauf auch tatsächlich ausge führt werden, weil die hierfür erforderliche Ressource ver fügbar ist.
[0018] Bei der Prüfung einer Verfügbarkeit einer Res source können folgende Bedingungen überprüft werden: - eine maximale Wartungsdauer zwischen dem Beginn des ersten Wartungsschrittes und dem Abschluss des letzten Wartungsschrittes muss eingehalten werden; und/oder
- der Beginn und/oder der Abschluss der Wartung muss in nerhalb eines vorgegebenen Zeitraums erfolgen.
Über diese Bedingungen kann sichergestellt werden, dass der Wartungsablauf nicht zu sehr langen Maschinenstillstandzei ten führt und andererseits in einem vorgesehenen Zeitfens ter auch tatsächlich begonnen bzw. beendet wird, um Schäden oder übermäßigen Verschleiß durch eine verzögerte Wartung zu vermeiden.
[0019] Das Planungsmodul ist erfindungsgemäß außerdem dazu eingerichtet, ein Schnittstellenmodul anzusteuern. Der Wartungsablauf mit dem wenigstens einen Wartungsschritt wird über das Schnittstellenmodul an die benötigte Res source ausgegeben. Beispielsweise kann einer entsprechend qualifizierten Person ein Wartungsauftrag für einen oder mehrere Wartungsschritte erteilt werden. Alternativ oder zusätzlich kann in einem Lagersystem oder Logistiksystem ein Instrument oder Gerät oder eine Einrichtung reserviert werden, das bzw. die für einen oder mehrere Wartungsschrit te benötigt wird, so dass es bzw. sie für den betreffenden Wartungsschritt zur Verfügung steht.
[0020] Als Schnittstellenmodul für eine Person kann bei spielsweise ein Smartphone, Tablet oder eine andere vor zugsweise mobiles Endgerät dienen, auf der der Person War tungsaufträge ausgegeben bzw. angezeigt werden können. Vor zugsweise ist das Schnittstellenmodul auch dazu eingerich tet, dass eine Person und/oder ein System über das Schnitt- stellenmodul Eingaben machen kann, beispielsweise die Erle digung eines Wartungsschritts quittieren kann.
[0021] Erfindungsgemäß wird eine Vorrichtung bereitge stellt, die sämtliche Aspekte der Wartungsplanung automati siert durchführt. Auf Basis der Eingangsdaten können erfor derliche Wartungsschritte ausgewählt und die notwendige Ressource eingeplant werden. In der Modelldatenbank sind Wartungsmodelle hinterlegt, die auf manuell eingegebenen Daten oder auf maschinellem Lernen beruhen und daher Erfah rungswissen darstellen. Basierend auf dem Erfahrungswissen kann eine vorausschauende Wartung durchgeführt werden.
Dadurch lassen sich übermäßiger Verschleiß und Defekte ei ner Maschine und damit im Zusammenhang stehende Ausfall- und Stillstandzeiten reduzieren. Durch das Erfahrungswissen in den Wartungsmodellen werden auch unnötig kurze Interval le für bestimmte Wartungsarbeiten vermieden. Der Aufwand für die Wartung und die Stillstandszeiten der Maschine wer den gering gehalten.
[0022] Vorzugsweise ist das Schnittstellenmodul dazu eingerichtet, den über das Schnitzstellenmodul ausgegebenen Wartungsablauf und/oder wenigstens einen der enthaltenen Wartungsschritte auf eine Eingabe bzw. Anforderung einer Ressource zu ändern. Dabei ist es möglich, nur bestimmten Personen die Autorisierung für eine solche Änderung zu er teilen. Beispielsweise kann eine mit einem Wartungsschritt betraute Person den Wartungsschritt vor der Durchführung des Wartungsschritts oder nach der Durchführung des War tungsschritts modifizieren, um den Wartungsschritt an die konkreten Erfordernisse der Maschine anzupassen, die sich beispielsweise bei einer Begutachtung der Maschine ergeben. Der geänderte Wartungsablauf kann an das Modellmodul über- mittelt werden. Beispielsweise kann das Modellmodul daszu eingerichtet sein, das betreffende Wartungsmodell zu ändern oder ein neues Wartungsmodell in der Modelldatenbank abzu speichern .
[0023] Es ist außerdem vorteilhaft, wenn das Planungsmo dul und/oder das Modellmodul dazu eingerichtet ist, die Eingangsdaten mittels eines vorgegebenen Zusammenhangs zu verknüpfen und daraus einen Indikatorwert zu berechnen. Der vorgegebene Zusammenhang kann eine beliebige Anzahl von Eingangsdaten auf beliebige Weise miteinander verknüpfen. Der Indikatorwert kann anschließend zur Durchführung des Vergleichs zwischen den Eingangsdaten und den Modellsensor daten eines Modelldatenmusters verwendet werden. Zum Bei spiel kann der Indikatorwert der Eingangsdaten mit einem dem Wartungsmodell zugeordneten Modellindikatorwert vergli chen werden. Der Modellindikatorwert kann im Wartungsmodell abgespeichert sein oder durch das Planungsmodul und/oder das Modellmodul basierend auf demselben Zusammenhang be rechnet werden, der auf die Ermittlung des Indikatorwerts verwendet wurde.
[0024] Vorzugsweise wird eine Übereinstimmung zwischen den Eingangsdaten und den Modellsensordaten eines Modellda tenmusters eines Wartungsmodells festgestellt, wenn die Ab weichung zwischen dem Indikatorwert und dem Modellindi katorwert kleiner ist als eine vorgegebene Maximalabwei chung. Beispielsweise kann eine ausreichende Ähnlichkeit vorliegen, wenn der Indikatorwert und der Modellindikator wert oder deren Beträge höchstens um 20% voneinander abwei chen .
[0025] Wenn zu den Eingangsdaten kein übereinstimmendes Modelldatenmuster gefunden wurde, kann daraus geschlossen werden, dass aktuell keine Wartungsarbeiten erforderlich sind. Liegen weitere Informationen oder Erkenntnisse vor, die das Erfordernis einer Wartung signalisieren, ist es vorteilhaft, wenn das Planungsmodell dazu eingerichtet ist, einen Wartungsdienst anzufordern, wenn zu den Eingangsdaten kein übereinstimmendes Modelldatenmuster gefunden wurde. In diesem Fall lässt sich dem aktuellen Zustand der Maschine, der durch die Eingangsdaten charakterisiert ist, kein War tungsmodell zuordnen. Weitere Informationen oder Erkennt nisse, die das Erfordernis einer Wartung signalisieren, können beispielsweise sein: der Ablauf einer Zeitdauer seit der letzten Wartung und/oder ein Eingangswert der Eingangs daten, der außerhalb eines zulässigen Wertebereichs ist und/oder ein erkannter Ausfall eines Sensors oder einer an deren Komponente der Maschine, usw.
[0026] Das Planungsmodul kann zusätzlich oder alternativ auch dann dazu eingerichtet sein, einen Wartungsdienst an zufordern, wenn die zu dem ausgewählten Wartungsmodell er forderliche Ressource nicht verfügbar ist.
[0027] Liegt die Anforderung des Wartungsdienstes vor, entscheidet beispielsweise eine entsprechend qualifizierte Person des Wartungsdienstes über das weitere Vorgehen.
[0028] Es ist bevorzugt, wenn das Planungsmodul dazu eingerichtet ist, nach einem weiteren übereinstimmenden Mo delldatenmuster zu suchen, wenn die für den Wartungsablauf eines ausgewählten Wartungsmodells erforderliche Ressource nicht verfügbar ist. Wegen der mangelnden Verfügbarkeit kann der Wartungsablauf nicht wie im ausgewählten Wartungs modell vorgesehen durchgeführt werden. In diesem Fall kann das Planungsmodul eine Prüfung veranlassen, ob ein weiteres Wartungsmodell mit einem alternativen Wartungsablauf vor handen ist. Dazu können die Eingangsdaten mit den Mo dellsensordaten des Modelldatenmusters wie vorstehend be schrieben auf Identität oder Ähnlichkeit verglichen werden.
[0029] Bevorzugt kann bei dem Vergleich der Eingangsda ten mit den Modellsensordaten der Modelldatenmuster eine Prioritätsreihenfolge für identische und ähnliche Modellda tenmuster und deren zugeordnete Wartungsmodelle erzeugt werden. In der Prioritätsreihenfolge ist das Wartungsmodell an erster Position (höchste Priorität) , dass die größte Ähnlichkeit zwischen den Modellsensordaten und den Ein gangsdaten aufweist. Die weiteren Wartungsmodelle können sich in einer Reihenfolge mit abnehmender Ähnlichkeit zwi schen den Modellsensordaten und den Eingangsdaten anschlie ßen. Beispielsweise kann hierfür die Äbweichung zwischen dem Indikatorwert und dem Modellindikatorwert verwendet werden. Bereits bei einer ersten Suche nach einem passenden Wartungsmodell können auf diese Weise mehrere Wartungsmo delle in einer Prioritätsreihenfolge ausgewählt werden. Steht dann die Ressource des Wartungsmodells mit der höchs ten Priorität nicht zur Verfügung, kann anschließend die Verfügbarkeit der Ressource des Wartungsmodells mit der zweithöchsten Priorität geprüft werden, usw., bis ein War tungsmodell gefunden wurde, dessen Ressource verfügbar ist. Kann kein passendes Wartungsmodell gefunden werden, kann beispielsweise der Wartungsdienst angefordert werden, wie es vorstehend erläutert wurde
[0030] Das Eingangsmodul und/oder das Planungsmodul kann außerdem dazu eingerichtet sein, die Sensordaten bzw. die Eingangsdaten mit wenigstens einem vorgegebenen Kriterium zu vergleichen und abhängig vom Vergleichsergebnis eine Maßnahme einzuleiten. Beispielsweise können unterschiedli che Maßnahmen eingeleitet werden, abhängig von der Diffe renz der Sensordaten gegenüber dem vorgegebenen Kriterium. Abhängig von dem Vergleich lassen sich beispielsweise meh rere Zustände der Maschine unterscheiden, zum Beispiel: Normalbetriebszustand, ein Betriebszustand, der eine War tung bzw. Instandsetzung erfordert und ein kritischer Be triebszustand, der den Notstopp der Maschine erfordert. Dieses Vergleichsergebnis kann dem Planungsmodul als zu sätzliche Information bereitgestellt werden, wenn der Ver gleich mit dem Kriterium im Eingangsmodul durchgeführt wird. Das Prüfen und Einleiten der Maßnahmen durch das Ein gangsmodul kann zusätzlich zu der vorstehend beschriebenen vorausschauenden Wartung erfolgen.
[0031] Wenn die Maschine eine Reparatur oder Instandset zung erfordert, kann das Eingangsmodul dazu eingerichtet sein, eine entsprechende Warnung auszugeben, wenn die Sens ordaten und/oder die Eingangsdaten ein Warnkriterium erfül len. Das Eingangsmodul kann dazu eingerichtet sein, einen Notstopp der Maschine zu veranlassen, wenn die Sensordaten und/oder die Eingangsdaten ein Notstoppkriterium erfüllen.
[0032] Vorteilhafte Ausgestaltungen der Erfindung sind in den abhängigen Ansprüchen, der Beschreibung und den Zeichnungen offenbart. In den Zeichnungen zeigen:
[0033] Figur 1 ein Blockschaltbild eines Ausführungsbei spiels einer Vorrichtung zur Planung von Wartungsarbeiten an wenigstens einer Maschine,
[0034] Figur 2 eine schematische beispielhafte Darstel- lung eines Wartungsablauf, der über ein Schnittstellenmodul der Vorrichtung nach Figur 1 ausgegeben werden kann und
[0035] Figur 3 ein Flussdiagramm eines Ausführungsbei spiels eines Verfahrens zur Planung von Wartungsarbeiten an der Maschine, das mittels der Vorrichtung nach Figur 1 aus geführt werden kann.
[0036] In Figur 1 ist ein Ausführungsbeispiel einer Vor richtung 10 zur Planung von Wartungsarbeiten an einer Ma schine 11 veranschaulicht. Nachfolgend wird die Vorrichtung 10 und deren Funktionsweise unter Bezugnahme auf die Figu ren 1 bis 3 erläutert.
[0037] Die Vorrichtung 10 weist ein Eingangsmodul 12, ein Planungsmodul 13, ein Modellmodul 14, ein Ressourcenmo dul 15 sowie ein Schnittstellenmodul 16 auf. Das Planungs modul 13 ist mit den anderen Modulen 12, 14, 15, 16 kommu nikationsverbunden. Das Modellmodul 14 hat Zugriff auf eine Modelldatenbank 17. Das Ressourcenmodul 15 hat Zugriff auf eine Ressourcendatenbank 18.
[0038] Die Maschine 11 verfügt über mehrere nicht darge stellte Sensoren, die jeweils ein Sensorsignal erzeugen, wobei die Sensorsignale gemeinsam Sensordaten S darstellen, die von der Maschine 11 an das Eingangsmodul 12 übermittelt werden. Das Eingangsmodul 12 ist dazu vorgesehen und einge richtet, basierend auf den empfangenen Sensordaten S Ein gangsdaten E bereitzustellen und insbesondere an das Pla nungsmodul 13 zu übermitteln. Die Eingangsdaten E können beispielsweise eine Teilmenge der empfangenen Sensordaten S sein. Das Eingangsmodul 12 kann außerdem dazu eingerichtet sein, die empfangenen Sensordaten S auf fehlerhafte Daten zu prüfen und diese nicht in Form von Eingangsdaten E be reitzustellen. Beispielsweise kann jeder Sensorwert der Sensordaten S darauf überprüft werden, ob er in einem zu lässigen Wertebereich liegt. Das Eingangsmodul 12 kann auch Plausibilitätsprüfungen durch Vergleich von einem oder meh reren der Sensorwerte der Sensordaten S durchführen, um falsche Sensorwerte zu erkennen und zu unterdrücken. Es ist auch möglich, einen aktuellen Sensorwert mit den zeitlich vorhergehenden Sensorwerten desselben Sensors zu verglei chen, so dass plötzliche betragsmäßig große Differenzen in dem Signal eines Sensors erkannt und nach Prüfung gegebe nenfalls als fehlerhaft unterdrückt werden können.
[0039] Die bereitgestellten Eingangsdaten E charakteri sieren den Zustand der Maschine 11. Aus den Sensordaten S können beispielsweise solche Sensorwerte ausgewählt werden, die abhängig vom aktuellen Zustand der Steuerung der Ma schine 11, der dem Eingangsmodul 12 bekannt sein kann, im Hinblick auf ihre Relevanz ausgewählt wurden. Durch das Re duzieren der Datenmenge der Eingangsdaten E gegenüber den Sensordaten S, kann die Bandbreite für die Datenübermitt lung zwischen dem Eingangsmodul 12 und dem Planungsmodul 13 reduziert werden.
[0040] Das Empfangen der Sensordaten S und das Bereit stellen der Eingangsdaten E durch das Eingangsmodul 12 er folgt in einem ersten Verfahrensschritt VI (Fig. 3) .
[0041] In der Modelldatenbank 17 sind mehrere Wartungs modelle 22 abgespeichert. Jedes Wartungsmodell 22 enthält einen Wartungsablauf 23. Der Wartungsablauf 23 für eine Wartung der Maschine 11 enthält wenigstens einen Wartungs schritt 24 sowie eine Angabe zu einer Ressource 25 die er- forderlich ist, um den jeweiligen Wartungsschritt 24 durch führen zu können. Eine Ressource kann beispielsweise eine entsprechend für die Durchführung des Wartungsschritts qua lifizierte Person sein. Zusätzlich oder alternativ kann die Ressource 25 ein Gerät oder ein Instrument sein, das zur Durchführung des Wartungsschrittes 24 benötigt wird, bei spielsweise ein Messgerät, ein Analyseinstrument, ein Werk zeug, usw.
[0042] In der Modelldatenbank 17 ist außerdem jedes War tungsmodell 22 mit einem Modelldatenmuster 26 verknüpft, das Modellsensordaten M enthält. Die Modellsensordaten M entsprechen zumindest einer Teilmenge der in den Sensorda ten S enthaltenen Sensorsignale bzw. Sensorwerte. Die Mo dellsensordaten M charakterisieren einen bestimmten war tungsbedürftigen Zustand der Maschine 11, wobei der durch zuführende Wartungsablauf mit dem wenigstens einen War tungsschritt 24 durch das Wartungsmodell 22 beschrieben wird, das mit dem Modelldatenmuster 26 verknüpft ist. Das Modelldatenmuster 26 enthält keine Modellsensordaten M, die nicht in den Sensordaten S und mithin den Eingangsdaten E enthalten sein können.
[0043] Die Modelldatenbank 17 kann durch manuelles Ein geben von einem oder mehreren Wartungsmodellen 22 und Mo delldatenmustern 26 trainiert werden. Zusätzlich oder al ternativ kann das Modellmodul 14 zum maschinellen Lernen ausgebildet sein und beispielsweise basierend auf Algorith men zum maschinellen, wie etwa Neuronalen Netzen, während des Betriebs der Maschine 11 kontinuierlich lernen. Werden beispielsweise Wartungsarbeiten durchgeführt, können die erfassten Eingangsdaten E, die eine bestimmte Wartungstä tigkeit ausgelöst haben, als Modellsensordaten M in einem Modelldatenmuster 26 abgespeichert und die durchgeführte Wartungstätigkeit in Form von wenigstens einem Wartungs schritt 24 und der benötigten Ressource 25 als damit ver knüpftes Wartungsmodell 22 in der Modelldatenbank 17 abge speichert werden. Auf diese Weise kann das Modellmodul 14 trainiert werden bzw. maschinell lernen. Es ist auch mög lich, Wartungsmodelle 22 und Modelldatenmuster 26 von ande ren, identischen oder ähnlichen Maschinen zu übernehmen und in der Modelldatenbank 17 zu hinterlegen.
[0044] Das Modellmodul 14 oder bevorzugt das Planungsmo dul 13 ist dazu eingerichtet, einen Vergleich zwischen den Eingangsdaten E mit den Modellsensordaten M der Modellda tenmuster 26 durchzuführen, um eine Übereinstimmung zu fin den (zweiter Verfahrensschritt V2 in Figur 3) . Die Ein gangsdaten E und die Modellsensordaten M stimmen überein, wenn sie identisch oder ähnlich sind. Bei der Überprüfung der Ähnlichkeit können Algorithmen der Musterkennung ver wendet werden.
[0045] Beim Ausführungsbeispiel ist das Planungsmodul 13 dazu eingerichtet, anhand der aktuellen Eingangsdaten E ei nen Indikatorwert IE auf Basis eines vorgegebenen Zusammen hangs zu ermitteln. Der Zusammenhang kann irgendeine belie bige mathematische Funktion sein. Jeder Zusammenhang kann sämtliche Sensordaten S berücksichtigen. Ist ein bestimmter Sensorwert in den Eingangsdaten E nicht enthalten, kann dieser Wert auf einen Standardwert gesetzt werden, bei spielsweise Null.
[0046] Auf Basis desselben vorgegebenen Zusammenhangs können die in einem Modelldatenmuster 26 enthaltenen Mo dellsensordaten miteinander verknüpft und daraus ein Mo- dellindikatorwert IM berechnet werden. Der Indikatorwert IE der Eingangsdaten E und der Modellindikatorwert IM eines Modelldatenmusters 26 können im Planungsmodul 13 miteinan der verglichen werden. Dabei kann eine Abweichung zwischen dem Indikatorwert IE und dem Modellindikatorwert IM ermit telt und mit einem Schwellenwert verglichen werden. Ist die Abweichung ausreichend klein, beispielsweise höchstens 20%, kann eine Ähnlichkeit zwischen den Eingangsdaten E und den Modellsensordaten M erkannt werden. Andernfalls sind die Eingangsdaten E zu den Modellsensordaten M eines Modellda tenmusters 26 unähnlich.
[0047] Während dieses Vergleichs können eine vorgegebene Anzahl oder sämtliche Wartungsmodelle 22 ausgewählt werden, die mit einem Modelldatenmuster 26 verknüpft sind, das Mo dellsensordaten M enthält, die mit den Eingangsdaten E übereinstimmen (Identität oder Ähnlichkeit) . Die derart aufgefundenen Wartungsmodelle 22 können dann in eine Prio- ritätsreihenfolge gebracht werden. Das Wartungsmodell 22, das mit einem Modelldatenmuster 26 verknüpft ist, dessen Modellsensordaten M die größte Ähnlichkeit oder eine Iden tität mit den Eingangsdaten E aufweisen, wird in der Prio- ritätsreihenfolge an die erste Stelle gesetzt. Die anderen aufgefundenen Wartungsmodelle 22 schließen sich der Reihe mit abnehmender Ähnlichkeit der zugeordneten Modelldaten muster 26 an. Die Möglichkeit bereits mehrere als ähnlich identifizierte Wartungsmodelle 22 in eine Prioritätsreihen folge zu bringen ist optional und es kann auch lediglich das Wartungsmodell 22 ausgewählt werden, bei dem die Über einstimmung des zugeordneten Modelldatenmusters 26 mit den Eingangsdaten E am größten ist.
[0048] Sollte kein Wartungsmodell 22 identifizierbar sein, dessen Modelldatenmuster 26 zu den Eingangsdaten E eine ausreichende Ähnlichkeit aufweist (Verzweigung NOK aus dem zweiten Verfahrensschritt V2 in Figur 3), kann das Pla nungsmodel 13 dazu eingerichtet sein zu prüfen, ob Informa tionen oder Erkenntnisse vorliegen, dass eine Wartung er forderlich ist (dritter Verfahrensschritt V3 in Figur 3) . Solche Informationen oder Erkenntnisse, die das Erfordernis einer Wartung signalisieren, können beispielsweise sein: der Ablauf einer Zeitdauer seit der letzten Wartung
und/oder ein Eingangswert der Eingangsdaten, der außerhalb eines zulässigen Wertebereichs ist und/oder ein erkannter Ausfall eines Sensors oder einer anderen Komponente der Ma schine, usw. In diesem Fall (Verzweigung OK aus dem dritten Verfahrensschritt V3 in Figur 3) kann das Planungsmodel 13 in einem vierten Verfahrensschritt V4 einen Wartungsdienst anfordern. Beispielsweise kann dann ein Mitarbeiter des Wartungsdienstes entscheiden, welche Wartung bei der Ma schine 11 erforderlich ist.
[0049] Liegen keine Informationen oder Erkenntnisse vor, die das Erfordernis einer Wartung signalisieren (Verzwei gung NOK aus dem dritten Verfahrensschritt V3 in Figur 3), benötigt die Maschine 11 aktuell keine Wartung.
[0050] Wie vorstehend erläutert, wird ein einziges War tungsmodul 22 oder auch eine Prioritätsreihenfolge mehrerer Wartungsmodule 22 erstellt, deren Modellindikatorwert IM ausreichend mit dem Indikatorwert IE der Eingangsdaten E übereinstimmt und das einzige Wartungsmodel 22 oder das Wartungsmodel 22 mit der höchsten Priorität wird ausgewählt (fünfter Verfahrensschritt V5 in Figur 3) . Anschließend prüft das Planungsmodul 13 die Verfügbarkeit der für die Durchführung des wenigstens einen Wartungsschritts 24 er- forderlichen Ressource 25 mithilfe des Ressourcenmoduls 15 (sechster Verfahrensschritt V6 in Figur 3) . Hierfür sind in der Ressourcendatenbank 18 jeder Ressource 25 Verfügbar keitszeiträume 30 zugeordnet. Das Modellmodul 15 teilt dem Planungsmodul 13 mit, ob die angeforderte Ressource 25 zu einem geplanten Wartungsschritt 24 zur Verfügung steht. Das Planungsmodul 13 berücksichtigt bei der Prüfung der Verfüg barkeit folgende Randbedingungen:
1. Der wenigstens eine Wartungsschritt 24 des Wartungsab laufs 23 muss bis zu einem vorgegebenen Endzeitpunkt bzw. Enddatum abgeschlossen sein; und
2. Der Wartungszeitraum zwischen dem Beginn des ersten Wartungsschrittes und dem Abschluss des letzten War tungsschrittes 24 darf eine maximale Wartungszeitdauer nicht überschreiten.
[0051] Sind diese beiden Randbedingungen erfüllt, ist die Ressource 25 zur Durchführung des Wartungsablaufs 23 verfügbar (Verzweigung OK aus dem sechsten Verfahrens schritt V6 in Figur 3) . Wird eine der genannten Bedingungen nicht erfüllt, ist die Ressource 25 für den geplanten War tungsablauf 23 nicht verfügbar. Jede Ressource 25 kann eine Person und/oder ein Gerät oder Instrument sein.
[0052] Sollte die Ressource 25 für den geplanten War tungsablauf nicht verfügbar sein, kann nach einem weiteren Wartungsmodell 22 gesucht werden, dessen Modelldatenmuster 26 ähnlich sind zu den Eingangsdaten E (Verzweigung NOK1 aus dem sechsten Verfahrensschritt V6 in Figur 3) . Sollte bereits im vorhergehenden Schritt eine Prioritätsreihenfol ge von mehreren Wartungsmodellen 22 festgelegt worden sein, wird in der Prioritätenliste das nächste Wartungsmodell ausgewählt und dessen Ressource 25 auf Verfügbarkeit ge prüft .
[0053] Sollte zu keinem passenden Wartungsmodell 22 eine Ressource 25 verfügbar sein (Verzweigung NOK2 aus dem sechsten Verfahrensschritt V6 in Figur 3), kann das Pla nungsmodul 13 den Wartungsdienst 29 informieren (siebter Verfahrensschritt V7 in Figur 3), so dass ein qualifizier ter Mitarbeiter des Wartungsdienstes 29 über das weitere Vorgehen entscheiden kann.
[0054] Wenn zu einem ausgewählten Wartungsmodell 22 die Ressource 25 verfügbar ist (Verzweigung OK aus dem sechsten Verfahrensschritt V6 in Figur 3), steuert das Planungsmodul 13 das Schnittstellenmodul 16 an und gibt den Wartungsab lauf über das Schnittstellenmodul 16 an die Ressource 25 aus (achter Verfahrensschritt V8 in Figur 3) .
[0055] In Figur 2 ist schematisch beispielhaft ein War tungsablauf 23 veranschaulicht. Jedem der dargestellten Wartungsschritte 24-1 bis 24-n ist eine hierfür erforderli che Ressource 25-1 bis 25-m zugeordnet. Beim dargestellten Beispiel wird ein erster Wartungsschritt 24-1 durch eine erste Ressource 25-1 ausgeführt. Nach Abschluss dieses ers ten Wartungsschrittes 24-1 wird für einen darauffolgenden zweiten Wartungsschritt 24-1 sowie einen dritten Wartungs schritt 24-3 eine zweite Ressource 25-2 bzw. dritte Res source 25-3 benötigt. Wie es veranschaulicht ist, können der zweite Wartungsschritt 24-2 und der dritte Wartungs schritt 24-3 gleichzeitig durchgeführt werden. Erst wenn der zweite Wartungsschritt 25-2 abgeschlossen ist, können ein vierter Wartungsschritt 24-4 und ein fünfter Wartungs schritt 24-5 durch die erste Ressource 25-1 bzw. die dritte Ressource 25-3 durchgeführt werden. Der Wartungsablauf 23 ist dann abgeschlossen, wenn der letzte Wartungsschritt 24- n durch die zugeordnete Ressource (hier: Ressource 25-m) durchgeführt wurde. Die Anzahl der Ressourcen 25 und die Anzahl der Wartungsschritte 24 sowie deren zeitliche Abfol ge und Dauer hängen von der Art der Maschine 11 und der durchzuführenden Wartung ab und können beliebig variieren.
[0056] Das Schnittstellenmodul 16 kann beispielsweise wenigstens ein mobiles Endgerät aufweisen, wie etwa einen Tablet, PC oder ein Smartphone . Über ein solches mobiles Endgerät kann beispielsweise eine Person über die durchzu führenden Wartungsschritte 24 informiert werden. Handelt es sich bei einer benötigten Ressource um ein Instrument oder Gerät, kann das Schnittstellenmodul 16 das Instrument oder Gerät in einem Logistiksystem oder Lagerhaltungssystem für die durchzuführenden Wartungsarbeiten im entsprechenden Zeitraum reservieren.
[0057] Nach Erledigung eines Wartungsschrittes quittiert die Ressource, insbesondere der entsprechende Servicemitar beiter, die durchgeführte Tätigkeit (neunter Verfahrens schritt V9 in Figur 3) . Es ist auch möglich, dass autori sierte Servicemitarbeiter einen der Wartungsschritte 24 bzw. den Wartungsablauf 23 modifizieren entweder vor Durch führung der Wartungsarbeiten oder nach deren Erledigung.
Der derart modifizierte bzw. geänderte Wartungsablauf 23* kann über das Schnittstellenmodul 16 eingegeben und an ei nen Zwischenspeicher 31 oder alternativ direkt an das Mo dellmodul 14 übermittelt werden (Figur 1) . Beim Ausfüh rungsbeispiel hat das Modellmodul 14 Zugriff auf den Zwi schenspeicher 31. Auf Basis des geänderten Wartungsablaufs 23* kann entweder das ausgewählte Wartungsmodell 22 ange- passt oder ein neues Wartungsmodell 22 erzeugt werden.
[0058] Beim Ausführungsbeispiel ist das Eingangsmodul 12 außerdem dazu eingerichtet, die Sensordaten S und/oder die Eingangsdaten E mit wenigstens einem vorgegebenen Kriterium zu vergleichen (zehnter Verfahrensschritt V10 in Figur 3) . Abhängig von der Prüfung, ob das wenigstens eine Kriterium erfüllt ist, wird sofort eine Maßnahme eingeleitet, bei spielsweise das Prüfungsergebnis ausgegeben (elfter Verfah rensschritt Vlll in Figur 3) .
[0059] Beispielsgemäß erfolgt eine Prüfung, ob ein Warn kriterium oder ein Notstoppkriterium erfüllt ist. Erfüllen die Sensordaten S und/oder die Eingangsdaten E weder das Warnkriterium, noch das Notstoppkriterium, wird eine Zu standsanzeige 32 derart angesteuert, dass ein Normalbetrieb signalisiert wird. Zum Beispiel kann die Zustandsanzeige 32 eine Ampeldarstellung aufweisen, so dass die Ampel auf Grün gesetzt wird.
[0060] Erfüllen die Sensordaten S und/oder die Eingangs daten E ein Warnkriterium, wird mittels der Zustandsanzeige 32 eine Warnung ausgegeben, beispielsweise kann die Ampel auf Gelb gesetzt werden. Erfüllen die Sensordaten S
und/oder die Eingangsdaten E ein Notstoppkriterium, wird ein Notstopp der Maschine 11 veranlasst. Beispielsweise kann über die Zustandsanzeige 32 ein manuell ausgelöster Notstopp angefordert werden. Alternativ oder zusätzlich zur Ausgabe des Notstopps über die Zustandsanzeige 32 kann der Notstopp automatisch eingeleitet werden. Zur Anforderung eines Notstoppes oder zur Signalisierung, dass ein Notstopp durchgeführt wurde, kann die Ampel beispielsweise auf Rot gesetzt werden. [0061] Die Sofortmaßnahmenschleife des zehnten und elf ten Verfahrensschritts V10, Vll betrifft kurzfristige Er eignisse, die eine sofortige Maßnahme erfordern, also in nerhalb eines Zeitraums von einigen Sekunden bis zu einigen Stunden, beispielsweise 12 Stunden. Im Unterschied dazu er folgt über das Planungsmodul 13 in Zusammenarbeit mit den anderen Modulen 14, 15, 16 eine mittelfristige bis lang fristige Wartungsplanung, die den Zeitraum bis zur Einlei tung einer Wartung von mehreren Tagen, bis zu mehreren Mo naten betrifft. Der Zeithorizont der Sofortmaßnahmenschlei fe und der dazu parallelen Ablaufs der Wartungsplanung ist sehr verschieden.
[0062] Die Erfindung betrifft eine Vorrichtung 10 und ein Verfahren 20 zur Planung von Wartungsarbeiten an einer Maschine 11. Basierend auf Sensordaten S werden Eingangsda ten E generiert. Die Eingangsdaten E werden mit Modellsens ordaten unterschiedlicher Modelldatenmuster 26 verglichen und auf eine Übereinstimmung überprüft. Jedem Modelldaten muster 26 ist ein Wartungsmodell 22 in der Modelldatenbank 17 zugeordnet. Wird eine Übereinstimmung der Eingangsdaten E mit den Modellsensordaten M eines Modellmusters 26 fest gestellt, kann das zugeordnete Wartungsmodell 22 ausgewählt werden für eine Wartung der Maschine 11. Das Wartungsmodell 22 enthält wenigstens einen Wartungsschritt 24 und die zu dessen Durchführung benötigte Ressource 25. Anschließend wird auf die Verfügbarkeit der benötigten Ressource 25 ge prüft und sofern die Verfügbarkeit gegeben ist, wird die Ressource 25 angefordert. Mithilfe einer solchen Vorrich tung 10 bzw. eines solchen Verfahrens 20 kann eine prädik- tive Wartung auf Basis von Erfahrungswissen durchgeführt werden, das in den Wartungsmodellen 22 der Modelldatenbank 17 enthalten ist. Die Wartungsmodelle 22 können durch ma- schinelles Lernen erzeugt werden.
Bezugs zeichenliste :
10 Vorrichtung
11 Maschine
12 Eingangsmodul
13 Planungsmodul
14 Modellmodul
15 Ressourcenmodul
16 Schnittstellenmodul
17 Modelldatenbank
18 Ressourcendatenbank
20 Verfahren
22 Wartungsmodell
23 Wartungsablauf
24 Wartungsschritt
25 Ressource
26 Modelldatenmuster
29 Wartungsdienst
30 Verfügbarkeitszeitraum
31 Zwischenspeicher
32 Zustandsanzeige
E Eingangsdaten
IE Indikatorwert
IM Modellindikatorwert
M Modellsensordaten
S Sensordaten
VI erster Verfahrensschritt V2 zweiter Verfahrensschritt V3 dritter Verfahrensschritt
V4 vierter Verfahrensschritt
V5 fünfter Verfahrensschritt
V6 sechster Verfahrensschritt V7 siebter Verfahrensschritt
V8 achter Verfahrensschritt V9 neunter Verfahrensschritt
V10 zehnter Verfahrensschritt
Vll elfter Verfahrensschritt

Claims

Patentansprüche :
1. Vorrichtung (10) zur Planung von Wartungsarbeiten an wenigstens einer Maschine (11), mit einem Eingangsmodul (12), das zum Empfang von Sens ordaten (S) der Maschine (11) und zur Bereitstellung von auf den Sensordaten (S) basierenden Eingangsdaten (E) eingerichtet ist, mit einem Modellmodul (14), das Zugriff auf einen Mo delldatenbank (17) hat, in dem mehrere Wartungsmodelle (22) für durchzuführende Wartungsarbeiten abgespeichert sind, wobei jedes Wartungsmodell (22) einen Wartungsab lauf (23) mit wenigstens einem Wartungsschritt (24) und die für jeden Wartungsschritt (24) erforderliche Res source (25) aufweist, und wobei jedes Wartungsmodell (22) mit einem Modellsensordaten (M) aufweisenden Mo delldatenmuster (26) verknüpft ist, mit einem Ressourcenmodul (15), das Zugriff auf eine Ressourcendatenbank (18) hat, in dem Ressourcen (25) und deren Verfügbarkeitszeiträume (30) abgespeichert sind, mit einem Planungsmodul (13), das mit dem Eingangsmodul (12), dem Modellmodul (14), dem Ressourcenmodul (15) und einem Schnittstellenmodul (16) kommunikationsver bunden ist, wobei das Planungsmodul (13) und/oder das Modellmodul (14) dazu eingerichtet ist, einen Vergleich zwischen den Eingangsdaten (E) und dem Modelldatenmuster (26) durchzuführen und bei einer festgestellten Übereinstim mung das dem Modelldatenmuster (26) zugeordnete War tungsmodell (22) auszuwählen und im Planungsmodul (13) bereitzustellen, wobei das Planungsmodul (13) und/oder das Ressourcenmo dul (15) dazu eingerichtet ist, die Verfügbarkeit der im ausgewählten Wartungsmodell (22) angegebenen Res source (25) zu prüfen und bei festgestellter Verfügbar keit die Ressourcenverfügbarkeit zu bestätigen, und wobei das Planungsmodul (13) dazu eingerichtet ist, das Schnittstellenmodul (16) anzusteuern und den War tungsablauf (23) mit dem wenigstens einen Wartungs schritt (24) über das Schnittstellenmodul (16) an die benötigte Ressource (25) auszugeben.
2. Vorrichtung nach Anspruch 1,
dadurch gekennzeichnet, dass das Schnittstellenmodul (16) dazu eingerichtet ist, den über das Schnittstel lenmodul (16) ausgegebenen Wartungsablauf (22) und/oder wenigstens einen der enthaltenen Wartungsschritte (24), auf eine Anforderung einer Ressource (25) zu ändern und den geänderten Wartungsablauf (23*) an das Modellmodul (14) zu übermitteln.
3. Vorrichtung nach Anspruch 1 oder 2,
dadurch gekennzeichnet, dass das Planungsmodul (13) und/oder das Modellmodul (14) dazu eingerichtet ist, die Eingangsdaten (E) mittels eines vorgegebenen Zusam menhangs zu verknüpfen und daraus einen Indikatorwert (IE) zu berechnen.
4. Vorrichtung nach Anspruch 3,
dadurch gekennzeichnet, dass das Planungsmodul (13) und/oder das Modellmodul (14) dazu eingerichtet ist, zur Durchführung des Vergleichs den Indikatorwert (IE) mit einem dem Wartungsmodell (22) zugeordneten Mo dellindikatorwert (IM) zu vergleichen.
5. Vorrichtung nach Anspruch 4,
dadurch gekennzeichnet, dass eine Übereinstimmung zwi schen den Eingangsdaten (E) und den Modellsensordaten (M) festgestellt wird, wenn die Abweichung zwischen dem Indikatorwert (IE) und dem Modellindikatorwert (IM) kleiner ist als eine vorgegebene Maximalabweichung.
6. Vorrichtung nach Anspruch 4 oder 5,
dadurch gekennzeichnet, dass das Planungsmodul (13) und/oder das Modellmodul (14) dazu eingerichtet ist, die Modellsensordaten (M) eines Modelldatenmuster (26) mittels des vorgegebenen Zusammenhangs zu verknüpfen und daraus den Modellindikatorwert (IM) zu berechnen.
7. Vorrichtung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Planungsmodul (13) dazu eingerichtet ist einen Wartungsdienst (29) anzufordern, wenn zu den Eingangsdaten (E) kein übereinstimmendes Modelldatenmuster (26) gefunden wurde.
8. Vorrichtung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Planungsmodul (13) dazu eingerichtet ist, einen Wartungsdienst (29) anzufor dern, wenn die Ressource zu einem ausgewählten War tungsmodell (22) nicht verfügbar ist.
9. Vorrichtung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Planungsmodul (13) dazu eingerichtet ist, eine Prüfung zu veranlassen, ob ein weiteres übereinstimmendes Modelldatenmuster (26) ver fügbar ist, wenn die Ressource (25) zu einem vorher ausgewählten Wartungsmodell (22) nicht verfügbar ist.
10. Vorrichtung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Eingangsmodul (12) da zu eingerichtet ist, die Sensordaten (S) und/oder die Eingangsdaten (E) mit wenigstens einem vorgegebenen Kriterium zu vergleichen und abhängig vom Vergleichser gebnis eine Maßnahme einzuleiten.
11. Vorrichtung nach Anspruch 10,
dadurch gekennzeichnet, dass das Eingangsmodul (12) da zu eingerichtet ist, eine Warnung auszugeben, wenn die Sensordaten (S) und/oder die Eingangsdaten (E) ein Warnkriterium erfüllen.
12. Vorrichtung nach Anspruch 10 oder 11,
dadurch gekennzeichnet, dass das Eingangsmodul (12) da zu eingerichtet ist, einen Notstopp der Maschine (11) zu veranlassen, wenn die Sensordaten (S) und/oder die Eingangsdaten (E) ein Notstoppkriterium erfüllen.
13. Vorrichtung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Eingangsmodul (12) da zu eingerichtet ist, die Sensordaten (S) basierend auf dem aktuellen Zustand der Steuerung der Maschine (11) auszuwählen und/oder vorzuverarbeiten, um die Eingangs daten (E) zu erzeugen.
4. Verfahren zur Planung von Wartungsarbeiten an wenigs tens einer Maschine (11), mit folgenden Schritten:
- Empfangen von Sensordaten (S) der Maschine (11) und Bereitstellen von auf den Sensordaten (S) basierenden Eingangsdaten (E) ,
- Bereitstellen mehrerer Wartungsmodelle (22) für durchzuführende Wartungsarbeiten, wobei jedes Wartungs modell (22) einen Wartungsablauf (23) mit wenigstens einem Wartungsschritt (24) und die für jeden Wartungs schritt (24) erforderliche Ressource (25) aufweist, und wobei jedes Wartungsmodell (22) mit einem Modellsensor daten (M) aufweisenden Modelldatenmuster (26) verknüpft ist,
- Prüfen, ob eine Übereinstimmung zwischen den Ein gangsdaten (E) und einem der Modelldatenmuster (26) vorliegt und Auswahlen des dem Modelldatenmuster (26) zugeordneten Wartungsmodells (22) bei einer festge stellten Übereinstimmung,
- Prüfen der Verfügbarkeit der im ausgewählten War tungsmodell (22) benötigten Ressource (25) und Bestäti gen der Verfügbarkeit bei festgestellter Verfügbarkeit,
- Ausgeben des Wartungsablaufs (23) mit dem wenigstens einen Wartungsschritt (24) an die benötigte Ressource (25) .
PCT/EP2020/070874 2019-08-01 2020-07-23 Verfahren und vorrichtung zur planung von wartungsarbeiten an wenigstens einer maschine WO2021018741A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/588,422 US11914359B2 (en) 2019-08-01 2022-01-31 Method and device for planning maintenance on at least one machine

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019120864.5 2019-08-01
DE102019120864.5A DE102019120864B3 (de) 2019-08-01 2019-08-01 Verfahren und Vorrichtung zur Planung von Wartungsarbeiten an wenigstens einer Maschine

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/588,422 Continuation-In-Part US11914359B2 (en) 2019-08-01 2022-01-31 Method and device for planning maintenance on at least one machine

Publications (1)

Publication Number Publication Date
WO2021018741A1 true WO2021018741A1 (de) 2021-02-04

Family

ID=71784069

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/070874 WO2021018741A1 (de) 2019-08-01 2020-07-23 Verfahren und vorrichtung zur planung von wartungsarbeiten an wenigstens einer maschine

Country Status (3)

Country Link
US (1) US11914359B2 (de)
DE (1) DE102019120864B3 (de)
WO (1) WO2021018741A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019120864B3 (de) 2019-08-01 2020-12-17 Schuler Pressen Gmbh Verfahren und Vorrichtung zur Planung von Wartungsarbeiten an wenigstens einer Maschine
CN113077061B (zh) * 2021-02-20 2022-08-16 上海琥崧智能科技股份有限公司 一种基于生产数据挖掘的设备预测性维护系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6915237B2 (en) 2002-05-14 2005-07-05 Analysis And Measurement Services Corporation Integrated system for verifying the performance and health of instruments and processes
WO2011034805A1 (en) 2009-09-17 2011-03-24 Siemens Aktiengesellschaft Supervised fault learning using rule-generated samples for machine condition monitoring
EP2998894A1 (de) 2005-07-11 2016-03-23 Brooks Automation, Inc. Intelligentes zustandsüberwachungs- und fehlerdiagnosesystem
EP3258426A1 (de) 2016-06-17 2017-12-20 Business Objects Software Ltd. Automatische zustandsüberwachung und anomaliedetektion für prädiktive wartung
US20180189748A1 (en) * 2017-01-03 2018-07-05 A&K Robotics Inc. Methods and systems for dispatching assistance to robots
US10114367B2 (en) 2007-04-26 2018-10-30 Mtelligence Corporation System and methods for the universal integration of plant floor assets and a computerized management system

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7124059B2 (en) 2000-10-17 2006-10-17 Accenture Global Services Gmbh Managing maintenance for an item of equipment
US6829527B2 (en) * 2002-08-26 2004-12-07 Honeywell International Inc. Relational database for maintenance information for complex systems
US20120191496A1 (en) 2011-01-24 2012-07-26 David Stephen Muench System and method for use in a condition-based repair process
WO2015153786A1 (en) * 2014-04-01 2015-10-08 Quietyme Inc. Disturbance detection, predictive analysis, and handling system
US10528923B2 (en) * 2015-05-15 2020-01-07 Bombardier Inc. Apparatus and methods for assisting with aircraft maintenance using predetermined maintenance programs
US11856899B2 (en) * 2019-06-20 2024-01-02 Reinke Manufacturing Co., Inc. Monitoring and control of a movable tower in an irrigation system
DE102019120864B3 (de) 2019-08-01 2020-12-17 Schuler Pressen Gmbh Verfahren und Vorrichtung zur Planung von Wartungsarbeiten an wenigstens einer Maschine

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6915237B2 (en) 2002-05-14 2005-07-05 Analysis And Measurement Services Corporation Integrated system for verifying the performance and health of instruments and processes
EP2998894A1 (de) 2005-07-11 2016-03-23 Brooks Automation, Inc. Intelligentes zustandsüberwachungs- und fehlerdiagnosesystem
US10114367B2 (en) 2007-04-26 2018-10-30 Mtelligence Corporation System and methods for the universal integration of plant floor assets and a computerized management system
WO2011034805A1 (en) 2009-09-17 2011-03-24 Siemens Aktiengesellschaft Supervised fault learning using rule-generated samples for machine condition monitoring
EP3258426A1 (de) 2016-06-17 2017-12-20 Business Objects Software Ltd. Automatische zustandsüberwachung und anomaliedetektion für prädiktive wartung
US20180189748A1 (en) * 2017-01-03 2018-07-05 A&K Robotics Inc. Methods and systems for dispatching assistance to robots

Also Published As

Publication number Publication date
DE102019120864B3 (de) 2020-12-17
US20220155775A1 (en) 2022-05-19
US11914359B2 (en) 2024-02-27

Similar Documents

Publication Publication Date Title
DE112016003171B4 (de) Verfahren zum Überwachen einer Antriebseinheit einer Fahrzeugkarosseriemontagelinie und eine Vorrichtung dafür
DE102004042813B4 (de) Alarmmanagementsystem
DE69910800T2 (de) Verfahren und Vorrichtung zur Überwachung des Betriebszustandes einer einzelnen Maschine
EP2359204B1 (de) Adaptives zentrales wartungssystem und verfahren zum planen von wartungsvorgängen von systemen
DE102019219332A1 (de) Lerndatenprüfung-Unterstütztungsvorrichtung, Maschinelles-Lernen-Vorrichtung und Ausfallvorhersagevorrichtung
DE10244131A1 (de) Verfahren zur Unterstützung einer Identifizierung einer defekten Funktionseinheit in einer technischen Anlage
EP1250632A1 (de) System und verfahren zur ermittlung der produktionsanlagen-effektivität, von fehlerereignissen und der fehlerursachen
EP3077878B1 (de) Computer-implementiertes verfahren und system zur automatischen überwachung und statusermittlung ganzer prozessabschnitte in einer process unit
DE102016015332A1 (de) Präventivwartungsverwaltungssystem und -verfahren zum Erstellen eines Wartungsplans einer Maschine sowie Zellensteuereinrichtung
DE102013221273A1 (de) Verfahren zum Überwachen und Regeln einer Qualität von Schweißpunkten
EP3282399B1 (de) Verfahren zur verbesserten erkennung von prozessanomalien einer technischen anlage sowie entsprechendes diagnosesystem
WO2021018741A1 (de) Verfahren und vorrichtung zur planung von wartungsarbeiten an wenigstens einer maschine
EP3546314A1 (de) Verfahren und vorrichtung zur fehleridentifizierung für ein technisches system
DE102017211737A1 (de) Überwachungsvorrichtung und Verfahren zur Überwachung eines Systems
WO2010046246A1 (de) Verfahren und vorrichtung zur detektion von prozesszuständen in alternierenden produktionsprozessen
DE102011086352A1 (de) Verfahren und Diagnosesystem zur Unterstützung der geführten Fehlersuche in technischen Systemen
EP3623890A1 (de) Verfahren zum überwachen von mehreren verfahrenstechnischen anlagen
EP3147832A1 (de) Datenverarbeitungsanlage und verfahren für diese zur zustandsüberwachung einer mehrzahl an fahrzeugen
DE10154349A1 (de) Verfahren zum Übertragen von Daten einer Druckmaschine und Diagnosevorrichtung
EP3751375A1 (de) Verfahren zur diagnose und/oder auswahl von feldgeräten der automatisierungstechnik
WO2019086160A1 (de) Verfahren zur zustandsüberwachung einer fertigungsanlage
WO2001055919A1 (de) Verfahren zum automatisierten ermitteln von fehlerereignissen
EP2928157A1 (de) Verfahren zur Analyse und/oder Evaluierung von mindestens einem Ereignis einer technischen Anlage
WO2020074585A1 (de) Verfahren zur fehlerreduzierung bei textilmaschinen
EP3951524A1 (de) Verfahren zum betrieb eines systems und system gekoppelt mit einer anzahl von produktionsstationen zum herstellen eines produkts

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20745196

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20745196

Country of ref document: EP

Kind code of ref document: A1