Solide Datenbasis
Erster Schritt in Richtung Predictive Maintenance

Als renommierter Hersteller für Farben und Lacke legt unser Kunde großen Wert auf qualitative Produkte und einen effizienten Herstellungsprozess. Insbesondere der Mischvorgang ist entscheidend für die Qualität der Farben und Lacke. Im Rührkessel verwendete Gleitringdichtungen sind bekannte Hotspots technischen Versagens während des Mischvorgangs und der Austausch einer Dichtung bedeutet einen ungeplanten Betriebsstopp.

Unser Kunde hat das Ziel, sich das Versagen dieser Gleitringdichtung im Vorfeld anzeigen zu lassen, um

eine Wartung außerhalb der Fertigungsschichten einzuplanen,
Ressourcen zu schonen,
passende Ersatzteile rechtzeitig im Lagerbestand zu haben.

Ausgangssituation – Die Herausforderung
Kritsiche Bauteile fallen unerwartet früh aus und führen zum Betriebsstopp

Bei der Farbherstellung ist der Mischvorgang ein entscheidender Prozessschritt und Gleitringdichtungen sind ein kritisches Bauteil im Rührwerkskessel. Diese Gleitringdichtungen unterschreiten in Teilen die vorgegebene Lebensdauer. Es kommt zum ungeplanten Betriebsstopp der Anlage. Noch befüllte Behälter müssen für Reparaturarbeiten aufwändig entleert werden. Das kostet viel Zeit, Geld und Nerven.

Unsere Aufgabe

Schaffung einer soliden Datengrundlage

Methoden & Technologien

Python, preprocessing, data cleaning, feature extraction, data platform
Darüber hinaus: ganz viel Analyse, Struktur und Weitblick

Das Ergebnis und der Erfolg unseres Kunden

Eine solide Datenbasis

Über einen Zeitraum von einem halben Jahr haben wir einen ersten Satz verschiedener Messdaten analysiert und Methoden entwickelt, die eine weiterführende Datenanalyse ermöglichen. Für unseren Kunden haben wir somit eine solide Datenbasis erarbeitet, um darauf aufbauend ein KI-Modell für Predictive Maintenance zu trainieren.

„Es war besonders spannend zu sehen, welche Informationen wir aus den Daten der Sensoren am Rührwerkskessel gewinnen konnten. Durch die gezielte Analyse dieser Daten war es uns möglich, einen Einblick in den Produktionsprozess zu bekommen, der uns anderweitig verwehrt geblieben wäre. Es macht immer wieder Freude, aus diesen Erkenntnissen den größtmöglichen Mehrwert für unsere Kunden und Kundinnen herauszuholen.“

Thomas Kroth, Softwareentwickler bei TeSolva

Das sagt unser Kunde über uns

Jens Ziniel
Head of process engineering

»Ich bin wirklich begeistert von der Arbeit, die das Team von TeSolva geleistet hat.
Das Projekt war äußerst komplex und erforderte ein hohes Maß an technischer Kompetenz, insbesondere in den Bereichen data preprocessing, data cleaning und feature extraction.

Die Experten von TeSolva haben die Daten so effektiv strukturiert und analysiert, dass wir damit nun ein KI-Modell für predictive maintenance trainieren können. Ich freue mich auf die Zusammenarbeit in zukünftigen Projekten.«