BMW Group Werk Regensburg implementiert innovatives System für vorausschauende Wartung

Das BMW Group Werk Regensburg setzt mit seinem bahnbrechenden intelligenten Analysesystem, das ungeplante Stillstände verhindern und den Produktionsfluss der Fahrzeuge optimieren soll, neue Maßstäbe in Sachen Effizienz der Montagelinie. 

Die hochmoderne Lösung für vorausschauende Wartung nutzt künstliche Intelligenz (KI), umdentpotenzielle Gerätefehler

Das intelligente Überwachungssystem im BMW Group Werk Regensburg konzentriert sich auf den Montageprozess, bei dem Fahrzeuge an mobile Lastenträger oder Skid-Systeme angekoppelt werden. Diese Träger durchfahren die Produktionshallen in einer Kette, und jede technische Störung in den Förderanlagen kann die Montagelinie unterbrechen und zu erhöhtem Wartungsaufwand und höheren Kosten führen. 

Um diese Probleme zu umgehen, entwickelte das Innovationsteam von BMW ein System zur frühzeitigen Fehlererkennung, um eine ununterbrochene Produktion zu gewährleisten.

Dieses Überwachungssystem nutzt bemerkenswerterweise vorhandene Daten der installierten Komponenten und der Förderbandsteuerung, wodurch zusätzliche Sensoren oder Hardware überflüssig werden. Es wertet aktiv verschiedene Datenpunkte aus, darunter Schwankungen im Stromverbrauch, Unregelmäßigkeiten in der Förderbandbewegung und die Lesbarkeit von Barcodes, um Anomaliendent. 

Werden solche Anomalien festgestellt, wird umgehend eine Warnung an die Wartungsleitstelle gesendet, um ein schnelles Eingreifen zur Behebung des Problems zu ermöglichen.

Projektmanager Oliver Mrasek hebt den kontinuierlichen Betrieb des Systems hervor: „Die Überwachungsmonitore in unserer Leitstelle laufen rund um die Uhr, sodass wir schnell auf jede Art von Störungsmeldung reagieren und das betroffene Fahrzeug aus dem Zyklus nehmen können.“

Implementierung: KI-gestützt, standardisiert und kosteneffektiv

Vorausschauende Instandhaltung ist keine Einzellösung, sondern ein gemeinschaftlicher Prozess. Die Standardisierung des Systems in Zusammenarbeit mit dem zentralen Produktionsmanagement der BMW Group und anderen Werksstandorten ermöglicht die schnelle Implementierung an BMW Group-Standorten weltweit. 

Ein wesentlicher Vorteil ist die Kosteneffizienz, da keine zusätzlichen Sensoren benötigt werden und sich die Ausgaben auf Speicher und Rechenleistung beschränken.

Interne Modelle des maschinellen Lernens sind in das System integriert und nutzen Heatmaps mit unterschiedlichen Farbcodes, um Fehlermuster in verschiedenen Komponenten zu visualisieren. Diese visuelle Darstellung ermöglicht es den Wartungstechnikern, präzise auf diedentProbleme zu reagieren.

Der Erfolg des Systems wird durch kontinuierliche Verbesserungsbemühungen unterstrichen. Das Team erweitert derzeit seine Funktionalitäten durch die Anbindung weiterer Installationen, die Optimierung des Systems und die Integration empfohlener Maßnahmen in Fehlermeldungen. Diese Erweiterung soll die Fehlersuche für Wartungstechniker vereinfachen, indem ähnliche, bereits aufgetretene Probleme hervorgehoben werden.

Deniz Ince, der Datenwissenschaftler des Teams, hebt die umfassenderen Vorteile der optimalen vorausschauenden Wartung hervor: „Optimale vorausschauende Wartung spart uns nicht nur Geld, sondern ermöglicht es uns auch, die geplante Anzahl an Fahrzeugen termingerecht zu liefern – was eine enorme Belastung für die Produktion darstellt.“

Zukünftige Ziele: Verbesserung der Vorhersagbarkeit und des Patentschutzes

Das BMW Group Werk Regensburg setzt seit sechs Jahren auf datengestützte Überwachung der Fördertechnik. Mittlerweile werden rund 80 % der Hauptmontagelinien mit diesem System überwacht. Obwohl sich nicht jeder Fehler vorhersagen lässt, hat das System allein in der Fahrzeugmontage bereits rund 500 Minuten Stillstandszeiten pro Jahr verhindert. Angesichts der Produktionsrate des Werks führt dies zu einer deutlichen Steigerung der betrieblichen Effizienz.

Zu den zukünftigen Zielen des Teams gehört die Verbesserung der Vorhersagbarkeit durch die Schätzung der verbleibenden Zeit zwischen Fehlererkennung und potenziellem Stillstand. Diese Funktion wird den Technikern helfen, Wartungsaufgaben nach Dringlichkeit zu priorisieren. Darüber hinaus wird der Einsatz des Systems in anderen Bereichen des Werks geprüft, beispielsweise in Anlagen zum Befüllen von Fahrzeugen mit Bremsflüssigkeit und Kühlmittel.

Das integrierte Lernsystem des BMW Group Werks Regensburg ist bemerkenswerterweise ein Vorreiter auf seinem Gebiet, genießt Anerkennung bei Geräteherstellern und führte zur Anmeldung zweier Patente durch die BMW Group.