Gruppe am Messestand, Bild: Trelleborg Sealing Solutions

Trelleborg Sealing Solutions schließt sich dem Smart Data Innovation Lab an, um verborgene Werte in Big Data zu finden und daraus neue Dichtungslösungen zu entwickeln. Bild: Trelleborg Sealing Solutions

Die durch das BMBF ins Leben gerufene SDIL-Initiative bietet Big-Data-Anwendern aus Industrie und Forschung eine einzigartige Möglichkeit, eine breite Palette von Big-Data- und In-Memory-Technologien einzusetzen. Industrie und Wissenschaft arbeiten eng zusammen, um verborgene Werte in Big Data zu finden und daraus Smart Data zu erzeugen. Projekte konzentrieren sich auf strategische Forschung in den Bereichen Industrie 4.0, Infrastruktur und Medizin.

Dr. Johannes Kunze, Manager für Digitale Transformation und Internet der Dinge bei Trelleborg Sealing Solutions: „Industrie 4.0 und das Internet der Dinge werden weltweit zu wichtigen Fokusthemen für die Hersteller. Es besteht der Wunsch nach immer intelligenteren Produkten, was auch immer sie darstellen und wo auch immer sie auftreten. SDIL ist eine großartige Initiative, die es Komponentenentwicklern und Produzenten erleichtert, die Ziele von Industrie 4.0 zu erfüllen. Von intelligenten Dichtungssystemen träumen die Ingenieure bei Trelleborg Sealing Systems seit langem. Mit der Unterstützung von SDIL und in Zusammenarbeit mit unseren Partnern im Projekt ‚Fortschrittliche Zustandsüberwachung für Dichtungslösungen‘ sind wir zuversichtlich, diesem Traum deutlich näher zu kommen.“

Maschinelles Lernen für Dichtungslösungen im Einsatz

Trelleborg Sealing Solutions arbeitet kontinuierlich an der Messung und Analyse von Dichtungssystemen und führt daher auf seinen Prüfständen eine Vielzahl von instrumentierten Tests durch. Messungen wie Temperaturen, Drehzahl, Drucke und Vibrationen werden in sehr hohen Frequenzen erfasst. Durch die Nutzung der Big-Data-Technologie seiner SDIL-Partner, dem Karlsruher Institut für Technologie (KIT) und IBM, wendet Trelleborg fortgeschrittenes maschinelles Lernen an, um neue Erkenntnisse zu gewinnen, die Testkosten zu senken und die Grundlage für eine fortschrittliche Zustandsüberwachung (Advanced Condition Monitoring) von Dichtungslösungen zu schaffen.

Ein anschauliches Beispiel für eine Industrie-4.0-Lösung ist die Instandhaltung von Windkraftanlagen durch Predictive Maintenance. Durch intelligente Auswertung von Sensordaten können Kosten für Wartung und Ausfälle reduziert und Maßnahmen für die Instandhaltung konsolidiert werden. Mit Predictive Maintenance wird es möglich, unterschiedliche Faktoren wie Wetter oder Materialermüdung auszuwerten und die Instandhaltung von Offshore-Windparks vorausschauend zu planen. Wartungsteams würden Dichtungen erst dann ersetzen, wenn es nötig ist. Also weder zu spät – erst nach einem Ausfall – noch zu früh, wenn das System noch funktionsfähig ist. hei