Prädiktive Wartung für Komponenten-Prüfstände
Herausforderung
Ein globaler Hersteller von Schwermaschinen betreibt instrumentierte Prüfstände — rund 70 Sensoren je Zelle — um eine kritische Antriebsstrangkomponente in einem seiner Werke zu validieren. Weicht ein Test ab, lautet die teure Frage: Liegt es an der Prüfstandsinfrastruktur oder an der geprüften Komponente? Und jeder ungeplante Stillstand des Prüfstands blockiert alles, was dahinter eingeplant ist.
Das Engagement
Brainiall wurde beauftragt, ein prädiktives Wartungsmodell und ein Monitoring-Dashboard für die Prüfzellen zu entwickeln — im Zeitplan Mai bis September 2026: von der Felderfassung über das Modelltraining bis zu Dashboard-Rollout und Live-Validierung, mit planmäßigem Retraining, während sich Betriebsdaten ansammeln.
Bisher geliefert
- Vor-Ort-Erfassung des Prüfstands und seiner Datenquellen
- Konsolidierung und Aufbereitung der vollständigen Telemetriehistorie
- Statistische Analyse und Auswahl der Modellvariablen
- Engineering des Trainingsdatensatzes — Prämissen in einem gemeinsamen technischen Checkpoint mit der Instandhaltungsleitung des Kunden ratifiziert
Das Modelltraining läuft — im Zeitplan.
Der Ansatz
Statt eines einzigen globalen Alarmschwellwerts lernen die Modelle Verhaltens-Baselines je Variante direkt aus der Telemetrie — die Zellen prüfen viele unterschiedliche Komponentenmodelle — und bewerten Abweichungen gegen die richtige Baseline. Das hilft, Signaturen der Prüfstandsinfrastruktur vom Verhalten der Komponente zu trennen.
Status
Fast abgeschlossen: endgültige Ergebnisse ausstehend Daten des Kunden (September 2026).