Projekte


Predictive Maintenance

BMW überwacht Fördertechnik mit KI

Bernd Reder ist freier Journalist und Autor mit den Schwerpunkten Technologien, Netzwerke und IT in München.
Ein Wartungssystem im BMW-Werk Regensburg kontrolliert mithilfe künstlicher Intelligenz die Fördertechnik. Das vermeidet 500 Störminuten im Jahr.
Eine Heat Map auf einem Tablet zeigt im BMW-Werk in Regensburg mithilfe von Farbcodierungen, an welchen Förderelementen Störungen auftreten können. Die Analysen führt ein KI-gestütztes Predictive-Maintenance-System durch.
Eine Heat Map auf einem Tablet zeigt im BMW-Werk in Regensburg mithilfe von Farbcodierungen, an welchen Förderelementen Störungen auftreten können. Die Analysen führt ein KI-gestütztes Predictive-Maintenance-System durch.
Foto: BMW Group

Ungeplante Ausfallzeiten in der Montage kosten Zeit und Geld. Deshalb setzt der Automobilhersteller BMWBMW in der Montage im Werk Regensburg auf vorausschauende Wartung (Predictive Maintenance) in Verbindung mit künstlicher Intelligenz. Top-500-Firmenprofil für BMW

Das System überwacht die Fördertechnik und erkennt, wenn sich Defekte anbahnen. Zu den Förderanlagen zählen beispielsweise Transportgehänge, mit denen Fahrzeuge durch die Montage transportiert werden. Die Daten, die dort anfallen, übermittelt die Steuerung an eine Predictive-Maintenance-Cloud-Plattform der BMW Group.

KI-Algorithmus sucht nach Unregelmäßigkeiten

Ein KI-AlgorithmusKI-Algorithmus prüft, ob die Daten Hinweise auf Unregelmäßigkeiten enthalten. Das können Schwankungen in der Stromaufnahme sein, aber auch Barcodes, die sich nicht lesen lassen und eventuell eine Störung auslösen können. Alles zu Künstliche Intelligenz auf CIO.de

"In unserer Leitzentrale laufen rund um die Uhr die Überwachungsmonitore", erläutert Projektleiter Oliver Mrasek. "Dadurch können wir bei einer Störmeldung schnell reagieren und das betroffene Gefährt aus dem Takt nehmen."

Keine Sensoren oder spezielle Hardware erforderlich

Ein weiterer Vorteil: Das Überwachungssystem benötigt keine zusätzlichen Sensoren oder Hardware, sondern wertet Daten aus den verbauten Komponenten und der Steuerung der Förderelemente aus. "Daher schlagen nur die Kosten für Speicher- und Rechenkapazität zu Buche", sagt Mrasek.

Zu den Förderanlagen, die BMW mit KI-Unterstützung auf mögliche Ausfälle hin überprüft, zählen Transportgehänge. Mit ihnen werden Fahrzeuge durch die Montage transportiert.
Zu den Förderanlagen, die BMW mit KI-Unterstützung auf mögliche Ausfälle hin überprüft, zählen Transportgehänge. Mit ihnen werden Fahrzeuge durch die Montage transportiert.
Foto: BMW Group

Das System nutzt eigens entwickelte Machine-Learning-ModelleMachine-Learning-Modelle. Die Ergebnisse der Modelle werden mithilfe von Heat Maps visualisiert. Diese zeigen Auffälligkeiten durch Farbcodes an. "Dadurch können wir Störbilder an unterschiedlichen Komponenten abbilden und gezielt reagieren", so Mrasek. Alles zu Machine Learning auf CIO.de

Mehr als acht Stunden weniger Stillstandzeiten

Auch wenn sich nicht alle Störungen verhindern lassen, zahlt sich die vorausschauende Wartung für BMW aus: "Wir vermeiden derzeit allein in der Fahrzeugmontage mindestens 500 Minuten im Jahr, an denen die Bänder stehen würden", betont Mrasek. Da im Werk Regensburg alle 57 Sekunden ein Fahrzeug vom Band läuft, ist der Vorteil des Systems offensichtlich.

Derzeit werden die KI-Funktionen weiter optimiert. So soll das System künftig einschätzen können, welche Restlaufzeit vom Erkennen der Störung bis zum potenziellen Stillstand bleibt. Damit können die Instandhaltungsfachleute entscheiden, wie schnell sie die Wartung durchführen müssen. Mrasek sieht darüber hinaus weiteres Potenzial: "Wir testen aktuell, ob wir das System auch für Befüllanlagen nutzen können, die unsere Fahrzeuge zum Beispiel mit Bremsflüssigkeit und Kühlwasser betanken."

BMW Group | Predictive Maintenance
Branchen: AutomobilAutomobil
Use Case: Reduzierung von ungeplanten Stillstandzeiten in der Produktion
Lösung: Einsatz von KI-basiertem Wartungssystem in der Fördertechnik Top-Firmen der Branche Automobil

Zur Startseite