Titel | 1 |
Impressum | 5 |
Inhaltsverzeichnis | 6 |
Autorenverzeichnis | 8 |
Industrie 4.0 - Sind wir bereit? | 12 |
1 Einleitung | 12 |
2 Was bedeutet Industrie 4.0 bei AT&S - und in der Instandhaltung? | 12 |
3 Motivation für unsere Anstrengungen | 14 |
4 Voraussetzungen schaffen | 15 |
4.1 Manufacturing Execution System ... | 15 |
4.2 Unsere Ausgangssituation | 18 |
4.3 Zukünftige Implementierung | 19 |
5 Wo stehen wir jetzt? | 20 |
6 Ausblick | 22 |
6.1 Woher wissen wir, mit welchen Zukunftsthemen wir uns beschäftigen müssen? | 23 |
7 Literatur | 23 |
Smart Maintenance | 24 |
1 Einleitung | 24 |
2 Ziele und Rahmenbedingungen der intelligenten, lernorientierten Instandhaltung | 25 |
3 Das Konzept der erfahrungsbasierten, lernenden Instandhaltung | 30 |
4 Zusammenfassung | 33 |
5 Literatur | 33 |
Cyber-Physische Systeme in der Instandhaltung | 36 |
1 Einleitung | 36 |
2 Informationsmanagement in der Instandhaltung | 36 |
2.1 Instandhaltungsprozesse | 36 |
2.2 Informationssysteme der Instandhaltung | 37 |
3 Industrie 4.0, Smart Factories und Cyber-Physische Systeme | 38 |
4 Lösungsansätze für die Smart Maintenance | 40 |
4.1 Ressourcen-Cockpit für Sozio-Cyber-Physische Systeme | 40 |
4.1.1 Problemstellung | 40 |
4.1.2 Zielstellung | 40 |
4.1.3 Ergebnisse | 41 |
4.2 Facility Management mit semantischen Technologien und Augmented Reality | 44 |
4.2.1 Problemstellung | 44 |
4.2.2 Zielstellung | 44 |
4.2.3 Ergebnisse | 45 |
4.3 Synchrone Produktion durch teilautonome Planung und humanzentrierte Entscheidungsunterstützung | 46 |
4.3.1 Problemstellung | 46 |
4.3.2 Zielstellung | 47 |
4.3.3 Ergebnisse | 48 |
5 Resümee | 50 |
6 Danksagung | 51 |
7 Literatur | 52 |
Condition Monitoring zur Unterstützung derInstandhaltung 4.0 | 54 |
1 Einleitung | 54 |
2 Auswahl von Instandhaltungsstrategien | 55 |
3 Technische Diagnostik | 58 |
4 Beispiele zur messdatenbasierten Herleitung von Instandhaltungsentscheidungen | 62 |
4.1 Maschinendiagnose einfacher Wälzlagerungen | 63 |
4.2 Maschinendiagnose komplexer Wälzlagerungen | 66 |
5 Literatur | 68 |
Smartes Ersatzteilmanagement unter den Zwängenvon Lagerbestand versus Produktionsausfall | 70 |
1 Einleitung | 70 |
2 Die Rolle der Instandhaltung | 70 |
3 Instandhaltungsstrategie | 72 |
4 Ersatzteilmanagement | 73 |
5 Condition Monitoring | 76 |
6 Lagerhaltung und Versorgung | 78 |
7 Erfolgsfaktoren | 80 |
8 Literatur | 82 |
Informatisierung und Vernetzung | 84 |
1 Einleitung | 84 |
2 iMAIN-Ansatz | 86 |
3 Multi-Domain-Datenerfassung mit eingebetteten Systemen | 87 |
4 IT-Struktur der eMaintenance Cloud | 91 |
5 Post Processing Services | 92 |
5.1 Virtuelle Sensorik zur Erfassung mechanischer Spannungen vonGestellkomponenten | 93 |
5.2 Restlebensdauerabschätzung von Gestellkomponenten | 95 |
5.3 Optimierung des Energieverbrauchs von Umformpressen | 97 |
6 Plattformunabhängige Benutzerschnittstelle | 98 |
7 Zusammenfassung | 102 |
8 Förderhinweis | 103 |
9 Literatur | 103 |
Wartungsunterstützung durch dynamische Fehlerbäume | 104 |
1 Einführung | 104 |
2 Wissensmanagement in der Wartung | 105 |
3 Darstellung von Fehlerursachen mithilfe von Fehlerbäumen | 105 |
3.1 Fehlerbäume | 105 |
3.2 Beschreibung des Werkzeugs und Anwendungsfallszenariums | 107 |
3.3 Abarbeitung der möglichen Fehler | 109 |
3.4 Erfassung der tatsächlichen Fehler | 110 |
3.5 Wahrscheinlichkeitsberechnung | 111 |
4 Schlussfolgerungen und Ausblick | 111 |
5 Danksagungen und Anmerkungen | 112 |
6 Literatur | 112 |
Trends & Entwicklungen im After Sales Servicedes Industrie 4.0-orientierten Anlagenbaus | 114 |
1 Einleitung | 114 |
2 Was bedeutet Service für den Kunden? | 115 |
3 Was bedeutet Service für den Anlagenbauer KNAPP? | 115 |
4 Service 4.0TM der Knapp AG | 117 |
4.1 Knapp e-insight und Service App | 120 |
4.2 Knapp Red Box Software | 120 |
4.3 Condition Monitoring | 121 |
4.4 Technische Hotline | 123 |
4.5 Computerised Maintenance Management System (CMMS) | 123 |
4.6 ASSIT 4.0 Werkzeuge | 124 |
4.7 Ersatzteillogistik | 125 |
4.8 Wissensdatenbank | 125 |
4.9 Reporte | 125 |
4.10 Visualisierung | 126 |
5 Praktische Anwendungsfälle bzw. Anlagenzustände | 126 |
6 Schlusswort | 127 |
„Ready to Race“ – Innovation und permanenteVeränderung als Motor am Weg zu Industrie 4.0 | 128 |
1 Einleitung | 128 |
2 Vernetzung pur | 128 |
2.1 Parameterdefinition | 130 |
2.2 Daten und Informationsfluss | 131 |
2.2.1 Serveraufbau | 131 |
2.2.2 Lebensüberwachung | 132 |
2.3 Kommunikation mittels Triggerbits | 132 |
3 Informationsspeicher und Quelle zugleich | 134 |
3.1 RFID-Technologie | 134 |
3.2 Daten einsammeln | 135 |
3.3 Steuerfunktion übernehmen | 135 |
4 Zustandsüberwachung | 136 |
4.1 Historische Entwicklung | 137 |
4.2 Zustandsorientierte Instandhaltung | 138 |
4.3 Last- und Zustandsüberwachung | 140 |
4.4 Ausblick | 141 |
5 Literatur | 141 |
Anwendungsszenarien von mobilen und ubiquitärenTechnologien in der Instandhaltung | 142 |
1 Einleitung | 142 |
2 Eigenschaften des Mobile und Ubiquitous Computing | 142 |
3 Szenarien des Mobile Computing in der Instandhaltung | 144 |
3.1 Geschäftsprozesse in der Instandhaltung | 144 |
3.2 Anwendungsszenario: Geplante Instandhaltung | 145 |
3.3 Anwendungsszenario: Störmeldung | 146 |
3.4 Anwendungsszenario: Personaldisposition | 146 |
3.5 Anwendungsszenario: Materialdisposition | 146 |
3.6 Anwendungsszenario: Instandhaltungsausführung/Leistungserfassung | 147 |
3.7 Anwendungsszenario: Stammdatenbearbeitung | 147 |
4 Von der Checkliste auf Papier zum „mobilen Assistenten“ | 147 |
4.1 Papierbasierte vs. mobile Checklisten | 148 |
5 Zusammenfassung und Ausblick | 151 |
Literatur | 151 |
Wiener Linien: Smart Maintenance auf Schienegebracht | 152 |
1 Unternehmensprofil | 152 |
2 Zusammenfassung | 153 |
3 Bisheriger Prozess & Herausforderungen | 153 |
4 Die Lösung | 155 |
5 Ausblick | 161 |
Kennzahlen in Smart Maintenance | 162 |
1 Einleitung | 162 |
2 Performance Measurement Systeme | 163 |
3 Instandhaltungs-Controlling | 165 |
4 Entwicklung eines Instandhaltung-Cockpits | 167 |
4.1 Bestimmung der Erfolgsfaktoren der Instandhaltung | 168 |
4.2 Kennzahlenworkshops | 168 |
4.3 Instandhaltungs-Cockpit | 169 |
5 Datenanalyse | 171 |
5.1 KDD-Prozess | 171 |
5.2 Datamining | 172 |
5.3 Assoziationsanalyse | 173 |
6 Datenanalyse am Beispiel der OEE | 174 |
6.1 Vorgehensbeschreibung | 175 |
6.2 Ergebnisauswertung | 176 |
6.3 Weitere Verfeinerung der Datenanalyse | 178 |
7 Zusammenfassung | 179 |
8 Literatur | 179 |
Methoden und Perspektiven zur ergonomischenBewertung und Gestaltung langzyklischer Tätigkeitenin der Fahrzeuginstandhaltung | 182 |
1 Einleitung | 182 |
2 Motivation: Arbeits(platz)gestaltung im Kontext des demographischen Wandels | 183 |
3 Ergonomic Assessment Worksheet (EAWS) | 185 |
4 Abgrenzung von Tätigkeiten nach Arbeitsumfang und Zyklizität | 188 |
5 Herausforderungen der EAWS-Anwendung für lang- und nichtzyklische Tätigkeitenin der Instandhaltung | 189 |
6 EAWSMultiMo | 191 |
7 Weiterentwicklung des EAWS für langzyklische und nichtzyklische Tätigkeiten | 192 |
8 Zusammenfassung und Ausblick | 193 |
9 Literatur | 194 |
Der Mensch im Umfeld von Smart ProductionSystems | 196 |
1 Einleitung | 196 |
2 Trends und Entwicklungen in der Produktion der Zukunft | 198 |
2.1 Hybride Arbeitsplätze für Mensch-Maschine-Kollaboration | 200 |
2.2 Reduzierung von gesundheitlichen Belastungen | 201 |
2.3 Vom Maschinenbediener zum kreativen Dirigenten und Entscheider | 202 |
2.4 Neue Möglichkeiten der Unterstützung der Mitarbeiter durch mobile Assistenz | 202 |
2.5 Systeme zur zustandsorientierten Instandhaltung | 203 |
2.6 Flexibler Einsatz von Mitarbeitern mit Unterstützung von mobilen Assistenzsystemen | 204 |
3 Beispiele von Projekten im Themenfeld Industrie 4.0 | 205 |
3.1 ASST (Augmented Service & Support Tool) | 205 |
3.2 LineFace (App zur Darstellung der Produktivität einer Industrieanlage) | 206 |
4 Literatur | 208 |
Smart Maintenance durch kombinierteProduktions- und Instandhaltungsplanung | 210 |
1 Einleitung | 210 |
2 Belastungs- und Lebensdauermodelle in der Simulation | 212 |
3 Simulationsgestützte, integrierte Produktions- und Instandhaltungsplanung | 213 |
3.1 Beschreibung des Optimierungsansatzes | 214 |
3.2 Evaluierung der Methode | 215 |
4 Ansätze zur automatisierten Parametrierung und Datenrückführung in Assistenzsysteme | 217 |
4.1 Rückführung von Fertigungsdaten zur automatisierten Parametrierung | 217 |
4.2 Interaktives Assistenzsystem zur zustandsbasierten Instandhaltung | 219 |
5 Zusammenfassung | 220 |
Literatur | 221 |
Anlagenspezifische Instandhaltungsstrategiewahldurch strukturierte Anlagenbewertung | 222 |
1 Einleitung | 222 |
2 Instandhaltungsstrategien | 223 |
3 Strukturierte Anlagenbewertung | 225 |
3.1 Kriterienbewertung | 227 |
3.1.1 Vorgehensweise zur Entwicklung eines Kriterienbewertungsmodells | 227 |
3.1.2 Kriterienbewertungsmodell | 229 |
3.1.3 Qualitative vs. quantitative Kriterien | 230 |
3.2 Dynamische Anlagenbewertungen | 230 |
3.3 Weitere Bewertungsmethoden | 231 |
3.4 Klassifizierung von Anlagen | 232 |
4 Instandhaltungsstrategiefestlegung | 234 |
4.1 Strategiefestlegung nach Ausfallcharakteristik und Anlagenpriorität | 234 |
4.2 Risikoorientierte Strategiefestlegung | 236 |
5 Resümee | 238 |
6 Literatur | 238 |
Weitere E-Books von TÜV-Media | 0 |