Der digitale Retrofit ist eine schnelle, effiziente, kostensparende und gleichzeitig nachhaltige Modernisierungs-Technologie. Ohne ihn wären viele wertvolle Altsysteme für die digitale Zukunft verloren. Das Schöne ist: Er kann in vielen, höchst unterschiedlichen Branchen und Segmenten genutzt werden.
Digitaler Retrofit integriert Altysteme in moderne Workflows und Industrie 4.0
Wer träumt nicht ab und zu davon, seine Maschinen- und Anlagen digitalisieren zu können. Doch in der Regel geht es nicht um einen kompletten digitalen Neuanfang, sondern um die Umrüstung und Einbindung verschiedenster Legacy-Systeme in digitalisierte Workflows.
LeanBI hat mit den Experten von SICK, Brütsch & Rüegger, GradeSens und dem Innovation Booster – Databooster die positiven Effekte vom Retrofit am Seminar «Digitaler Retrofit» am Swissmem im Format von Industrie 2025 in exemplarischen Anwendungsszenarien die positiven Effekte von Retrofit mit 30 Teilnehmenden identifiziert.
Dabei hat sich ergeben, dass Data-Analytics-Lösungen auch hervorragende Werkzeuge zur Optimierung der Gesamtanlageneffektivität sind. Neue Maschinen mit eingebauter Sensorik benötigen Industrieunternehmen dafür nicht unbedingt. Ihre Maschinen und Anlagen lassen sich mit geeigneten Sensoren nachrüsten.
Digitales Retrofit ist eine der wichtigsten Voraussetzungen und Wegbereiter für die Industrie 4.0. Ohne diese nachhaltige Modernisierungs-Technologie wären viele wertvolle, und teilweise unverzichtbare Legacy-Systeme, Produktionsstätten und Liegenschaften für die digitale Zukunft verloren, samt den damit verbundenen immensen Wertverlusten und dem Ressourcen-Raubbau für teure, zeitraubende Neu-Installationen.
Bild: Pascal Blanc, Ressortleiter Innovation bei Industrie 2025 (links im Bild) und Marc Tesch, CEO von LeanBI (rechts im Bild)
Bild: Marc Tesch bei der Präsentation der Erkenntnisse aus den Gruppen
Welchen Mehrwert bietet Ihnen ein digitaler Retrofit für Ihre Anlage?
Eine von vielen Fragen, die wir gemeinsam mit Ihnen am 24. November in dem Halbtagsseminar „Digitalem Retrofit – Warum und Wie Sie Ihre Anlagen für die digitale Zukunft nach- und umrüsten“ am Swissmem im Format von Industrie 2025 diskutiert haben.
Wir bedanken uns für Ihre Zeit, Ihr reges Interesse und den inspirierenden Austausch mit Ihnen!
LeanBI in den Medien zum Thema:
Alte Anlagen nachrüsten, Kennzahlen verbessern
Lesen Sie im Artikel, wie LeanBI mit Data-Analytics-Lösungen die Gesamtanlageneffektivität (OEE) optimiert. Moderne Maschinen mit eingebauter Sensorik benötigen Industrieunternehmen dafür nicht unbedingt. Ihre Altsysteme lassen sich mit geeigneten Sensoren nachrüsten.
Der Maschinenbau: Mit digitalem Retrofit zu besserer Overall Equipment Effectiveness
Wartung & Instandhaltung: Alte Anlagen nachrüsten, Kennzahlen verbessern
Iavcworld.de: Digitaler Retrofit befeuert die Effektivität von Anlagen
LeanBI im dispo Fachmagazin zum Thema:
Kosteneinsparungen um den Faktor 10 bis 100 erzielen? – Mit einem digitalen Retrofit.
Im Gespräch mit Michaela Holy-Zwickelstorfer vom dispo Fachmagazin haben wir über die Voraussetzung des digitalen Retrofits gesprochen, wie lange die projektbezogene Umsetzung dauert und warum Unternehmen mit einem digitalen Retrofit zeitnah, kostengünstig und adäquat auf den Anstieg im E-Commerce reagieren können.
Das ganze Interview mit dem dispo Fachmagazin lesen Sie hier: https://bit.ly/3XK8gpY
dispo.cc Mit einem digitalen Retrofit können Unternehmen eine Anlage noch Jahrzehnte betreiben
LeanBI in den Medien zum Thema:
Maschinen und Anlagen einfach überwachen und dabei Störungen und Stillstandzeiten minimieren? Dank der Partnerschaft mit GradeSens sind nun noch genauere Auswertung und Prognosen möglich, die Maschinen- und Anlagenausfälle weiter verringern. Wie genau unsere KI-basierte Datenanalyse die Predictive-Maintenance-Lösung von GradeSens optimiert, lesen Sie mehr, in den nachfolgenden Fachmedien.
Industry-Channel: Predictive Maintenance auf neuem Level
ITIKO IT und Kommunikations-News: LeanBI und GradeSens heben Predictive Maintenance auf ein neues Level
Betriebstechnik & Instandhaltung: Predictive Maintenance auf neuem Level
Industr.com: Wie KI-Datenanalysen Predictive Maintenance erleichtern
bigdata-insider.de: LeanBI und GradeSens optimieren Predictive Maintenance
Produktionsleiter.today LeanBI und GradeSens heben Predictive Maintenance auf ein neues Level
Halbtagesseminar und Dialog zu «Digitalem Retrofit» – Warum und Wie Sie Ihre Anlagen für die digitale Zukunft nach- und umrüsten
Wenn es um die Digitalisierung der Produktion oder die Optimierung des Energieverbrauchs geht, ist die Einbindung von Altsystemen eine Herausforderung. Diesen fehlen oftmals zwei wichtige Voraussetzungen: die Sensorik zur Erfassung von Daten und die Datenschnittstellen. Mit diesen Fähigkeiten sind die Optimierung von Planung und Umrüstzeiten, die Steigerung von Performance und Verfügbarkeit, die Verbesserung von Qualitäts-Tracking und -Tracing, die Umsetzung von Predictive Maintenance sowie das Reduzieren des Energieverbrauchs erreichbar.
Beim Digitalen Retrofit geht es also darum, Altsysteme – im laufenden Betrieb – mit Sensor- und Steuerungstechnik zu bestücken. Eine sensorisch-kommunikative Nachrüstung erfordert eine anwendungsbezogene Bestandsaufnahme und Machbarkeitsanalyse. Die Anwendungsmöglichkeiten für digitalen Retrofit sind breit gefächert.
Die Experten LeanBI, SICK, Brütsch & Rüegger und GradeSens werden mit Ihnen die positiven Effekte von digitalen Retrofits im interaktiven Dialog in mehreren Kleingruppen ausarbeiten.
Industrie 2025, Swissmem und die Data Innovation alliance laden herzlich ein. Das Seminar findet im Swissmem in Zürich am 24.11.2022 von 13:00 – 17:30 Uhr, ab 17:30 Uhr Apero und Ausklang.
Tagesseminar Predictive Maintenance – Industrie 4.0 in der Instandhaltung
Marc Tesch, CEO der LeanBI AG und Michael Kummer, Geschäftsführer der Küffer Elektro-Technik AG referieren am Weiterbildungszentrum Lenzburg zum Thema – basierend auf umgesetzten Projekten.
In der Instandhaltung kannte man bis anhin zwei Strategien. Proaktiv: Vorbeugend messen und handeln. Reaktiv: Handeln, wenn der Schaden eingetreten ist. Mit der Digitalisierung eröffnet sich eine dritte Strategie. Prädiktiv: Vorausschauend respektive zustandsorientiert. In diesem Kurs erfahren Sie anhand konkreter Projekte, wie man einen Betrieb fit für die digitale Instandhaltung trimmt und welche Mehrwerte Sie damit generieren.
Ziele
Inhalte
Voraussetzung
Zielgruppe
Referenten
Dauer
Postkarte von der Industrie 4.0 Use Cases Veranstaltung bei Google in Zürich
Wenn Drohnen Brücken inspizieren
Automatisierung der Schadenserkennung an Ingenieursbauwerken mit Deep Learning
Bild: Marc Tesch bei der Präsentation
Das war ein spannender Tag! Marc Tesch präsentierte einen Use Case bei Google in Zürich im Rahmen vom 3. Industrie 4.0 Use Cases.
Kurzbeschreibung der präsentierten Use Cases
Die Schadenserkennung an Infrastrukturen wie Brücken, Tunneln oder Kanälen auf herkömmlichem Weg ist aufwendig, teuer und sogar gefährlich. Das Inspizieren von Brücken oder Tunnels durch Sachverständige vor Ort erfordert ein Absperren. An Brücken kommen die Inspekteure nur mit Hebebühnen oder durch Abseilen heran, was ein Risiko für Leib und Leben mit sich bringt.
Bei der Kanalisation ist es schwierig, den richtigen Zeitpunkt für Instandhaltungsarbeiten zu treffen. Entweder, die Betreiber öffnen Kanäle turnusmässig und reparieren sie, obwohl es noch gar nicht unbedingt nötig wäre. Oder sie reagieren ad hoc, wenn ein Schaden bereits so gross ist, dass er sich äusserlich bemerkbar macht, weil das Abwasser in die Umgebung und das Grundwasser läuft. Dadurch entstehen oft grosse Folgeschäden.
Digital Twins ermöglichen virtuelle Schadenserkennung
Abhilfe können moderne optische Verfahren und Data-Analytics-Lösungen schaffen. Mit ihnen lässt sich die Inspektion von Infrastrukturen in einem ersten Schritt digitalisieren und darauf aufbauend in einem zweiten Schritt dann automatisieren.
Auswahl der Deep-Learning-Modelle ist entscheidend
Für die automatisierte Schadenserkennung müssen die Deep-Learning-Algorithmen zunächst durch Annotation antrainiert werden. Sie erhalten Beispiele für Schäden, etwa Risse, und ermitteln, welche Muster diese Schäden charakterisieren. Den Lerneffekt kann dann künftig auf neue, ihnen unbekannte Bilddaten angewendet werden. Dieses initiale Training ist ein entscheidender Erfolgsfaktor und verlangt Fachwissen. Deshalb sollte es immer zusammen mit Ingenieuren stattfinden, die auf Schadenserkennung spezialisiert sind.
Ein weiterer erfolgskritischer Faktor ist die Auswahl der Deep-Learning-Programme. Mit den richtigen Modellen sind Lösungen zur Schadenserkennung besonders effizient. So gibt es Deep-Learning-Methoden, die auch mit einer geringen Menge an Trainingsdaten hohe Erkennungsraten ermöglichen.
Bild: Posterausstellung
Fazit:
KI-Technologie bringt eine massive Effizienzsteigerung bei Inspektionen von Ingenieurbauwerken und CO 2-Ausstoss wird stark reduziert.
KI-Technologie für die Schadenserkennung ist vorhanden und praktisch einsetzbar.
Bildqualität treibt die KI.
Auch wenn die Technologie da ist, wird der Wandel hin zu KI unterschiedlich lange dauern (Change Management).
Service Plattformen mit KI werden helfen, den Wandel zu beschleunigen.
Weitere Informationen
Hier erfahren Sie mehr über das Projekt mit Amberg Technologies:
LeanBI Blog: Deep Learning für die Schadenserkennung in Tunnels
Industrie 2025: Automatisierung der Tunnelinspektion mit künstlicher Intelligenz
Download:
LeanBI in den Medien zum Thema:
KI und physikalische Modelle vereinfachen und beschleunigen die Entwicklung komplexer Produkte und Prozesse. Das kann man anhand von fünf typischen Einsatzszenarien deutlich erkennen. Dazu gehören unter anderem die Produktionsplanung, Predictive Maintenance von Bauteilen und die Schadenserkennung von Bauteilen. Wie das funktioniert und welche weiteren Use Cases noch dazugehören, haben wir im Artikel ganz genau beschrieben.
www.industry-of-things.de: Welches Potenzial hat die Kombination von KI und physikalischen Modellen?
IT-daily.net: Die Kombination von KI und physikalischen Modellen eröffnet neue Optimierungspotenziale
www.bigdata-insider.de: Wie KI und physikalische Modelle Optimierungspotenziale eröffnen
https://de.eas-mag.digital: Die Kombination von KI und physikalischen Modellen eröffnet neue Optimierungspotenziale
www.itiko.de: Die Kombination von KI und physikalischen Modellen eröffnet neue Optimierungspotenziale
www.iavcworld.de: Praktische Szenarien zur Anwendung von KI und ML
LeanBI in den Medien zum Thema:
Qualität hat in der Produktion mit den höchsten Stellenwert. Dafür setzen viele Unternehmen auf Predictive-Quality-Anwendungen, die die Qualität der Produkte und Prozesse permanent optimieren. Häufig läuft das über die Cloud, aber gerade wenn es schnell gehen muss, lohnt es sich auf Edge Computing zu setzen. Wir zeigen auf worauf Unternehmen achten müssen und wie sie Machine-Learning-Modelle so optimieren können, dass sie auf Edge-Systemen eingesetzt werden können.
www.industry-of-things.de: Warum Edge Computing bei Predictive Quality oft die bessere Wahl ist
www.it-daily.net: Bei Predictive Quality ist Edge Computing oft die bessere Wahl
www.it-production.com: Predictive Quality: Was, wenn es schnell gehen muss
www.i40-magazin.de: Was, wenn es schnell gehen muss?
www.service-and-maintenance.com: Predictive Quality: Was, wenn es schnell gehen muss
www.itiko.de: Bei Predictive Quality ist Edge Computing oft die bessere Wahl
www.iavcworld.de: Bei Predictive Quality ist Edge Computing oft die bessere Wahl
