BMW Group Werk Regensburg implementiert innovatives System für prädiktive Wartung

Das BMW Group Werk Regensburg setzt neue Maßstäbe in der Effizienz der Fließbandfertigung mit seinem bahnbrechenden intelligenten Analysesystem, das darauf abzielt, ungeplante Stillstände zu verhindern und den Fahrzeugproduktionsfluss zu optimieren. 

Die hochmoderne prädiktive Wartungslösung nutzt künstliche Intelligenz (KI), um potenzielle Gerätefehler proaktiv zu identifizieren und zu beheben, was zu erheblichen Verbesserungen der Produktionsstillstandszeiten und Kosteneinsparungen führt.

Das intelligente Überwachungssystem im BMW Group Werk Regensburg konzentriert sich auf den Montageprozess, bei dem Fahrzeuge an mobile Lastträger oder Gleitsysteme angehängt werden. Diese Träger durchqueren Produktionshallen in einer Kette, und jeder technische Fehler in den Förderanlagen kann die Montagelinie stören, was zu erhöhtem Wartungsaufwand und -kosten führt. 

Um diese Probleme zu umgehen, hat BMWs Innovationsteam ein System entwickelt, das in der Lage ist, Fehler frühzeitig zu erkennen und so eine unterbrechungsfreie Produktion sicherzustellen.

Bemerkenswerterweise nutzt dieses Überwachungssystem vorhandene Daten von installierten Komponenten und der Steuerung von Förderelementen, wodurch keine zusätzlichen Sensoren oder Hardware erforderlich sind. Es wertet aktiv verschiedene Datenpunkte aus, einschließlich Schwankungen des Stromverbrauchs, Unregelmäßigkeiten in der Förderbewegung und der Lesbarkeit von Barcodes, um Anomalien zu identifizieren. 

Wenn solche Anomalien erkannt werden, wird sofort eine Warnung an das Wartungskontrollzentrum gesendet, um schnelles Handeln zur Behebung des Problems zu ermöglichen.

Projektmanager Oliver Mrasek betont den kontinuierlichen Betrieb des Systems: „Die Überwachungsmonitore in unserem Kontrollzentrum laufen 24/7, sodass wir schnell auf jede Art von Fehlerbericht reagieren und das betroffene Fahrzeug aus dem Zyklus nehmen können.“

Implementierung: KI-gestützt, standardisiert und kosteneffektiv

Prädiktive Wartung ist nicht nur eine eigenständige Lösung; es ist eine gemeinsame Anstrengung. Die Standardisierung des Systems in Zusammenarbeit mit dem zentralen Shopfloor-Management der BMW Group und anderen Werken erleichtert seine schnelle Bereitstellung an BMW Group-Standorten weltweit. 

Ein bemerkenswerter Vorteil ist seine Kosteneffizienz, da keine zusätzlichen Sensoren erforderlich sind, da die Ausgaben auf Speicher- und Rechenleistung beschränkt sind.

In-house Machine-Learning-Modelle sind in das System integriert und verwenden Heatmaps mit verschiedenen Farbcodes, um Fehlermuster in verschiedenen Komponenten zu visualisieren. Diese visuelle Darstellung ermöglicht es Wartungstechnikern, präzise auf die identifizierten Probleme zu reagieren.

Der Erfolg des Systems wird durch kontinuierliche Verbesserungsanstrengungen unterstrichen. Das Team erweitert derzeit seine Fähigkeiten, indem es zusätzliche Installationen verbindet, das System optimiert und empfohlene Maßnahmen in Fehlermeldungen integriert. Diese Verbesserung zielt darauf ab, die Fehlerbehebung für Wartungstechniker zu vereinfachen, indem ähnliche Probleme hervorgehoben werden, die im System aufgetreten sind.

Deniz Ince, der Datenwissenschaftler des Teams, betont die breiteren Vorteile einer optimalen prädiktiven Wartung: „Optimale prädiktive Wartung spart uns nicht nur Geld, sondern bedeutet auch, dass wir die geplante Menge an Fahrzeugen pünktlich liefern können – was eine enorme Stressreduzierung in der Produktion bedeutet.“

Zukünftige Ziele: Erhöhung der Vorhersagbarkeit und Patente

Die Reise des BMW Group Werks Regensburg in der datengesteuerten Überwachung von Fördertechnologie erstreckt sich über sechs Jahre, wobei derzeit etwa 80 % der Hauptmontagelinien mit diesem System überwacht werden. Obwohl nicht jeder Fehler vorhergesagt werden kann, hat das System bereits etwa 500 Minuten Ausfallzeit pro Jahr allein in der Fahrzeugmontage verhindert. Angesichts der Produktionsrate des Werks führt dies zu erheblichen Gewinnungen in der betrieblichen Effizienz.

Die zukünftigen Ziele des Teams umfassen die Verbesserung der Vorhersagbarkeit durch Schätzung der verbleibenden Zeit zwischen Fehlererkennung und möglichem Stillstand. Diese Funktion wird Technikern helfen, Wartungsaufgaben basierend auf der Dringlichkeit zu priorisieren. Darüber hinaus wird das System für den Einsatz in anderen Bereichen des Werks untersucht, wie z. B. bei Geräten zum Befüllen von Fahrzeugen mit Bremsflüssigkeit und Kühlmittel.

Bemerkenswerterweise ist das integrierte Lernsystem des BMW Group Werks Regensburg ein Pionier in seinem Feld und hat Anerkennung von Geräteherstellern gefunden, was zu zwei registrierten Patenten der BMW Group geführt hat.