Header
 
Login
 

Privatsphäre-Einstellungen

Wir verwenden Cookies auf unserer Website. Einige von ihnen sind unerlässlich, während andere uns helfen, diese Website und Ihre Erfahrungen zu verbessern.

Notwendig Statistik Marketing
Auswahl bestätigen
Weitere Einstellungen

Hier finden Sie eine Übersicht aller verwendeten Cookies. Sie können ganzen Kategorien Ihre Zustimmung geben oder weitere Informationen anzeigen und bestimmte Cookies auswählen.

Alle auswählen
Auswahl bestätigen
Notwendig Cookies
Wesentliche Cookies ermöglichen grundlegende Funktionen und sind für die ordnungsgemäße Funktion der Website erforderlich.
Statistik Cookies
Statistik-Cookies sammeln anonym Informationen. Diese Informationen helfen uns zu verstehen, wie unsere Besucher unsere Website nutzen.
Marketing Cookies
Marketing-Cookies werden von Werbekunden oder Publishern von Drittanbietern verwendet, um personalisierte Anzeigen zu schalten. Sie tun dies, indem sie Besucher über Websites hinweg verfolgen
Zurück
    Abbildung 1:Aufzeichnung der Temperaturen in der Kammer (T1 und T2), des Sterilisationsguts (T3) und des Kondensats (T4) eines Autoklavs während der Sterilisationsphase. Die schwarze Kurve zeigt die Abweichung der Temperatursensoren voneinander. Der blaue Balken kennzeichnet die Sterilisationsphase (Quelle aller Abbildungen: CSL Behring).

    KI in der Instandhaltung – Hype vs. Realität

    Eine kritische Sicht auf KI im Bereich der Wartung und Instandhaltung

    IT

    1.Einleitung1. Digitalisierung als Herausforderung2. Überschätzte Erwartungen an PdM3. Zustandsüberwachung bleibt die Grundlage für PdM4. Beispiele zur Zustandsüberwachung in Prozessanlagen5. Ausblick6. Fazit
    Keywords: Predictive Maintenance |  Condition Monitoring |  Künstliche Intelligenz |  Digitalisierung |  Machine Learning 

    Zusammenfassung

    Wohl kaum eine Entwicklung genießt derzeit so viel Aufsehen wie die Künstliche Intelligenz. Sie hat Einzug in fast jeden Arbeitsbereich erhalten, auch in der Wartung und Instandhaltung. Besonders häufig wird in diesem Zusammenhang Predictive Maintenance (PdM) genannt, doch Erwartungen und Herausforderungen sind hoch – auch im stark regulierten Umfeld der Good Manufacturing Practice (GMP).

    Dieser Fachbeitrag setzt sich mit diesen Erwartungen kritisch auseinander, hinterfragt typische PdM-Ansätze anhand von Anwendungsfällen im Pharmabereich und geht auf die Zustandsüberwachung als eine wichtige Vorstufe zur PdM ein. Die getroffenen Aussagen werden anhand von Praxisbeispielen aus verschiedenen Prozessanlagen der CSL Behring GmbH in Marburg untermauert. Diese praktischen Beispiele lassen sich auch gut auf andere Industriezweige übertragen. Abschließend erfolgt ein Ausblick darauf, wie KI-Lösungen in weiteren Teilelementen der Instandhaltung mit größerem Potenzial angewendet werden können.

    Dr. Johannes Krämer und Martin Kisselbach, · CSL Behring

    Korrespondenz:

    Dr. Johannes Krämer
    CSL Behring GmbH, Emil-von-Behring-Str. 76,
    35041 Marburg
    johannes.kraemer@cslbehring.com

    Dieses Bild zeigt den Autor Dr. Johannes Krämer.Dr. Johannes Krämer
    studierte Energie- und Verfahrenstechnik und promovierte darin. Nach seiner Tätigkeit als Projektingenieur bei Aventis in Frankfurt wechselte 1999 zu CSL Behring nach Marburg, wo er zunächst Plant Engineering und ab 2008 das gesamte Engineering leitete. Im Rahmen einer Neuaufstellung des Unternehmens formte er die Organisation 2021 neu und etablierte eine Maintenance&Utilities-Einheit am Standort. Seit 2022 leitet er global die
    Dieser Beitrag steht nur noch Abonnenten zur Verfügung.
    Schließen Sie hier ein Abonnement ab und profitieren Sie von den vielseitigen Nutzungsmöglichkeiten.