Herausforderung
Unser Kunde ist der weltweite Marktführer im Bereich Refractories. Die Stahlindustrie sieht sich aufgrund verschärfter Umweltvorschriften und geschwächter Lieferketten einem zunehmenden Preisdruck ausgesetzt. In diesem Zusammenhang lassen sich vor allem durch eine effiziente Wartung des Feuerfestmaterials von Stahlpfannen und -behältern große Einsparpotenziale realisieren. Das Ziel des Projekts war es, mit Hilfe von Instandhaltungsprognosen (predictive maintenance) Wartungsintervalle genauer vorherzusagen und Zustellungen von Feuerfeststeinen zu planen, um ungewollte Stillstände in der Fertigung zu vermeiden und Wartungskosten einzusparen.
Lösung
- Aufbereitung der Produktionsdaten aller weltweiter Standorte
- Entwicklung von Machine Learning Modellen zur Vorhersage der Restlebensdauer von Produktionsanlagen
- Integration der Prognosedaten in die Systeme für die Instandhaltungs- und Beschaffungsplanung
- Umfassende Validierung und Optimierung des Modells bis zur produktiven Nutzung
Geschäftsnutzen
- Reduktion der Stillstände der investitionsintensiven Anlagen durch vorbeugende Instandhaltungsmassnahmen
- Einsparungen in der Materialbeschaffung und bei Wartungskosten durch bessere Planbarkeit
