scholarly journals With HYDAC on the way to Industrie 4.0: Industrie 4.0 based predictive maintenance

2017 ◽  
Author(s):  
Dejan Glavač
Keyword(s):  
Industrie 4.0 ◽  
Predictive Maintenance ◽  
The Way

Digitalisierung rund um die Werkzeugmaschine: Von der virtuellen WZM bis zur Roboterintegration

Konstruktion ◽  
2015 ◽  
Vol 67 (10) ◽  
pp. 28-30
Keyword(s):  
Machine Tool ◽  
Industrie 4.0 ◽  
The Way

Der Messeauftritt von Siemens auf der EMO 2015 in Mailand steht ganz im Zeichen der fortschreitenden Digitalisierung rund um die Werkzeugmaschinen. Unter dem Motto „On the way to Industrie 4.0 – Digitalization in Machine Tool Manufacturing“ präsentiert der Industriekonzern sein integriertes Portfolio aus Industriesoftware und Automatisierungstechnik. PLM-Software gehört ebenso zu den Schwerpunkten wie die virtuelle Werkzeugmaschine und eine innovative Lösung für die Roboter-Integration.

The way forward in predictive maintenance

1990 ◽  
Vol 69 (5) ◽  
pp. 37
Author(s):  
Fred Sharp
Keyword(s):  
Predictive Maintenance ◽  
The Way

Automation 2017

2017 ◽  
Keyword(s):  
Industrie 4.0 ◽  
Predictive Maintenance ◽  
Process Industries

Kurzfassung Die vorausschauende Instandhaltung (engl. Predictive Maintenance) gewinnt für die produzierende Industrie weltweit an Bedeutung, da Produktionsmodernisierungen im Rahmen der Industrie 4.0 sowie die zunehmende Verwendung von heterogenen Sensoreinheiten die Instandhaltungsplanung immer komplexer gestalten. Darüber hinaus ist das ServiceKontingent, welches ein Maschinenbauer seinen Kunden im Bereich der Instandhaltung anbieten kann, durch die Ressource Mensch stark limitiert und nur ortsgebunden einsetzbar. Durch herkömmliche Instandhaltungsprozesse entstehen somit oft hohe Kosten, sowohl für den Maschinenbauer als auch für den Anwender. Die Themenbereiche, zu denen es jeweils reichlich Beiträge gibt: Assistenzsysteme Kommunikationsmodelle Systemtechnische Methoden AutomationML Simulation im Lebenszyklus Roboter Engineering Methoden zur Digitalisierung Virtuelle Inbetriebnahme Kommunikations- und Infrastruktur Safety & Security Digital Plant Process Industries

Predictive Maintenance für Schutzabdeckungen/Predictive maintenance for protective covers – From business model to application

2020 ◽  
Vol 110 (07-08) ◽  
pp. 496-500
Author(s):  
Felix Hoffmann ◽  
Benjamin Brockhaus ◽  
Joachim Metternich ◽  
Matthias Weigold
Keyword(s):  
Business Model ◽  
Machine Tools ◽  
Industrial Applications ◽  
Industrie 4.0 ◽  
Predictive Maintenance ◽  
Industrial Practice ◽  
Protective Cover ◽  
Production Facilities

Predictive Maintenance ist eines der bestimmenden Themen im Kontext von Industrie 4.0. Ein Blick in heutige Produktionsstätten zeigt jedoch, dass die Voraussetzungen zur Umsetzung dieser Technologie für den überwiegenden Teil der Industrieanwendungen bisher nicht gegeben sind. Dieser Beitrag beschäftigt sich mit den notwendigen Schritten – vom Geschäftsmodell zur Anwendung in der industriellen Praxis – am Beispiel einer Schutzabdeckung für Werkzeugmaschinen.   Predictive maintenance is one of the defining topics in the context of Industrie 4.0, but a look at todays production facilities shows that the conditions for implementing this technology are not yet in place for the majority of industrial applications. This article is concerned with the necessary steps – from business model to application in industrial practice – using the example of a protective cover for machine tools.

Die digitale Infrastruktur der Industrie 4.0

Konstruktion ◽  
2019 ◽  
Vol 71 (11-12) ◽  
pp. 31-33
Author(s):  
Dietmar Kessler
Keyword(s):  
Internet Of Things ◽  
Industrie 4.0 ◽  
Predictive Maintenance

Das „Internet of Things“ (IoT) bildet die Basis der Industrie 4.0. Der Mehrwert solcher Anwendungen liegt vor allem in der deutlichen Steigerung der Effizienz: Eine im Jahr 2015 von McKinsey durchgeführte Studie zum wirtschaftlichen Nutzen von IoT geht davon aus, dass durch IoT-Anwendungen wie beispielsweise Predictive Maintenance bis zu 40 % der Wartungskosten eingespart werden können und Ausfallzeiten um rund 50 % reduziert werden. Um diese Prozesse und Effizienzsteigerungen zu realisieren, braucht es jedoch leistungsstarke IT-Infrastrukturen, die das Fundament der Industrie 4.0 bilden.

Technische Zuverlässigkeit 2021

2021 ◽  
Keyword(s):  
Random Forest ◽  
Health Management ◽  
Industrie 4.0 ◽  
Predictive Maintenance ◽  
Smart Factory ◽  
Prognostics And Health Management

Aus dem Vorwort: Durch die zunehmende Digitalisierung und Vernetzung, beispielsweise in einer Smart Factory im Kontext von Industrie 4.0, werden hohe Anforderungen an die Zuverlässigkeit, die Verfügbarkeit und die Sicherheit von Maschinen und Anlagen gestellt. Dies erfordert den konsequenten Einsatz und die ständige Weiterentwicklung von Methoden und Modellen der Zuverlässigkeitstechnik entlang des gesamten Lebenszyklus zur Planung, Entwicklung und Absicherung der Zuverlässigkeit. Die zunehmende Digitalisierung bietet durch die steigende Zugänglichkeit und Verfügbarkeit von relevanten Daten gleichzeitig enorme Chancen und neue Möglichkeiten für die Anwendung dieser Methoden und Modelle für Zuverlässigkeitsanalysen und -prognosen. Inhalt Prognostics and Health Management (PHM) und Industrie 4.0 Restlebensdauervorhersage für Filtrationssysteme mittels Random Forest ..... 3 Untersuchung von Datensätzen und Definition praxisrelevanter Standardfälle im Kontext von Predictive Maintenance ..... 17 Methodik zur Schadensquantifizierung in hydraulischen Axialkolbeneinheiten unter variablen Betriebsbedingungen ..... 33 ...

Industrie 4.0: Aktuelle Entwicklungen für Analytics*/Industrie 4.0: Current Advances in Analytics - Part 2: Comparison and Assessment of Industrie 4.0 Reference Architectures

2017 ◽  
Vol 107 (06) ◽  
pp. 405-409
Author(s):  
C. Weber ◽  
J. Königsberger
Keyword(s):  
Data Management ◽  
Process Optimization ◽  
Data Analytics ◽  
Manufacturing Industry ◽  
Industrie 4.0 ◽  
Predictive Maintenance ◽  
Product Engineering ◽  
Aktuelle Entwicklungen ◽  
Subject Areas ◽  
Different Characteristics

Die Verarbeitung großer Datenmengen sowie die Erkenntnis, dass Datenanalysen eine hohe Relevanz haben, sind in den produzierenden Unternehmen angekommen. Bekannte Anwendungsbeispiele sind Digital Mock-Up in der Produktentwicklung oder Prozessoptimierung durch Predictive Maintenance. Die in letzter Zeit entwickelten Referenzarchitekturen in diesen breitgefächerten Themenfeldern betrachten dementsprechend verschiedene Aspekte in unterschiedlichen Ausprägungen. Dieser aus zwei Teilen bestehende Beitrag rekapituliert und bewertet diese Entwicklungen, um Unternehmen bei der Umsetzung ihrer eigenen individuellen Architektur Hilfestellung zu geben. Im ersten Teil des Beitrags (Ausgabe 3-2017: wt Werkstattstechnik online) wurden aktuelle Referenzarchitekturen mit ihren Architekturbausteinen im Bereich Industrie 4.0 vorgestellt. In diesem zweiten Teil werden nun die Referenzarchitekturen unter dem Gesichtspunkt der Themenfelder Analytics sowie Datenmanagement untersucht und bewertet.   The processing of huge amounts of data as well as the importance of data analytics have arrived in the manufacturing industry by now. Well-known usage examples are digital mock-ups in product engineering or process optimization through predictive maintenance. Recently developed reference architectures in these wide-ranging subject areas consider multiple aspects under different characteristics. This two-part article recapitulates and evaluates these developments and aims to support companies in the implementation of their individual architecture. In the first part, published in 3-2017 wt online, current reference architectures for Industrie 4.0 were introduced. In this part, these architectures are compared and assessed with regard to analytics and data management.

Industrie 4.0: Aktuelle Entwicklungen für Analytics*/Industrie 4.0: Current Advances in Analytics - Part 1: Analytics and Data Management in Industrie 4.0 Reference Architectures

2017 ◽  
Vol 107 (03) ◽  
pp. 113-117
Author(s):  
C. Weber ◽  
J. Königsberger
Keyword(s):  
Data Management ◽  
Process Optimization ◽  
Manufacturing Industry ◽  
Industrie 4.0 ◽  
Predictive Maintenance ◽  
Current Reference ◽  
Product Engineering ◽  
Aktuelle Entwicklungen ◽  
Subject Areas ◽  
Different Characteristics

Die Verarbeitung großer Datenmengen sowie die hohe Relevanz von Datenanalysen sind in den produzierenden Unternehmen mittlerweile angekommen. Bekannte Anwendungsbeispiele sind Digital Mock-Up in der Produktentwicklung oder Prozessoptimierung durch Predictive Maintenance. Die in letzter Zeit entwickelten Referenzarchitekturen in diesen breitgefächerten Themenfeldern betrachten dementsprechend verschiedene Aspekte in unterschiedlichen Ausprägungen. Dieser aus zwei Teilen bestehende Fachbeitrag rekapituliert und bewertet diese Entwicklungen, um Unternehmen bei der Umsetzung ihrer eigenen individuellen Architektur Hilfestellung zu geben. Im Teil 1 werden aktuelle Referenzarchitekturen mit ihren Architekturbausteinen im Bereich Industrie 4.0 vorgestellt. Im zweiten Teil (Ausgabe 6-2017 der wt Werkstattstechnik online) werden die Referenzarchitekturen unter dem Gesichtspunkt der Themenfelder Analytics sowie Datenmanagement untersucht und bewertet.   The processing of huge amounts of data as well as the importance of analytics on data have arrived in the manufacturing industry by now. Well-known usage examples are digital mock-ups in product engineering or process optimization through predictive maintenance. Recently developed reference architectures in these wide-ranging subject areas consider multiple aspects under different characteristics. This article recapitulates and evaluates these developments in two parts and aims to support companies in the implementation of their individual architecture. In this first part, current reference architectures for Industrie 4.0 are introduced. In the second part (to be pubished in issue 6-2017), these architectures are compared and assessed with regard to analytics and data management.

Self-sacrifice for in-group's history: A diachronic perspective

2018 ◽  
Vol 41 ◽  
Author(s):  
Maria Babińska ◽  
Michal Bilewicz
Keyword(s):  
Clinical Psychology ◽  
Historical Events ◽  
Emotional Events ◽  
Reciprocal Process ◽  
The Way

AbstractThe problem of extended fusion and identification can be approached from a diachronic perspective. Based on our own research, as well as findings from the fields of social, political, and clinical psychology, we argue that the way contemporary emotional events shape local fusion is similar to the way in which historical experiences shape extended fusion. We propose a reciprocal process in which historical events shape contemporary identities, whereas contemporary identities shape interpretations of past traumas.

Sign in / Sign up

Export Citation Format

Share Document