Das „Sick Machine“-Syndrom: Eine Maschine, die nur mit 80 % ihrer Leistung läuft, verursacht oft größere finanzielle Kosten als eine Maschine, die ganz ausfällt. Standardsensoren erfassen diesen Leistungsverlust nicht.
Über die Vibrationserkennung hinaus: Vibrationssensoren eignen sich hervorragend für Motoren, können aber Produktstörungen, lockere Schienen oder Timingfehler nicht erkennen. Dafür ist Computer Vision erforderlich.
Triangulierte Gesundheit: Echtes Gesundheitsmonitoring kombiniert PLC-Daten (Vitalwerte), OEE (Leistung) und visuelle Indikatoren (Symptome) zu einem einzigen Wert.
Handlungsrelevante Warnmeldungen: Daten werden nicht nur protokolliert. Fabrico löst sofort einen Arbeitsauftrag aus, sobald der „Health Score“ sinkt, und repariert so die Maschine, bevor es zu einem Ausfall kommt.
In der Welt der Industrie 4.0 herrscht ein gefährliches Missverständnis: „Wenn ich einen Vibrationssensor anbringe, überwache ich es.“
Vibrationssensoren sind hervorragende Werkzeuge. Sie zeigen an, ob ein Lager schleift oder eine Welle falsch ausgerichtet ist.
Aber sie werden Ihnen nicht sagen, dass die Maschine wegen einer verschmutzten Lichtschranke nur mit halber Geschwindigkeit läuft.
Sie werden Ihnen nicht sagen, dass die Maschine in dieser Stunde 50 Mal wegen eines Etikettenstaus angehalten hat.
In diesen Fällen ist die Maschine mechanisch in Ordnung (keine Vibrationen), aber betrieblich defekt.
Durch die Kategorie „Leistungsverlust“ der Gesamtanlageneffektivität (OEE) entstehen Umsatzeinbußen.
Die Software zur Überwachung des Maschinenzustands muss im Jahr 2026 über die einfache Physik des IoT hinausgehen.
Es muss den ganzheitlichen Gesundheitszustand des Vermögenswerts überwachen – indem es dessen physischen Zustand mit seiner Produktionskapazität kombiniert.
So hilft Ihnen Fabrico bei der Reparatur Ihrer „kranken Maschinen“.
Die meisten Fabriken konzentrieren sich auf die Verfügbarkeit (Läuft es?).
Sie ignorieren die Leistung (Wie schnell läuft es?).
Wenn eine Maschine für eine Leistung von 100 Einheiten pro Minute ausgelegt ist, aber nur 85 Einheiten pro Minute schafft, ist sie „krank“.
Die Kosten: Dieser 15%ige Ausfall verursacht oft höhere Kosten als eine 2-stündige Panne, weil er monatelang unbemerkt bleibt.
Die Ursache: Häufig sind es „weiche Ausfälle“ – Sensordrift, Riemenschlupf oder geringfügiger mechanischer Verschleiß, der keinen Vibrationsalarm auslöst.
Um diese zu erfassen, benötigen Sie eine triangulierte Überwachungsstrategie .
Das ist der Ausgangswert. Wie ein Arzt, der den Puls prüft.
Die Eingabe: Fabrico verbindet sich mit der SPS oder IoT-Gateways, um harte Daten auszulesen: Temperatur, Stromstärke, Vibration, Druck.
Der Nutzen: Dies erkennt schwerwiegende Fehler (z. B. Motorüberhitzung).
Auslöser: WENN Temperatur > 90°C, DANN Notfall-Arbeitsauftrag erstellen.
Hier unterscheidet sich Fabrico von herkömmlichen IoT-Plattformen. Wir überwachen die Maschinenleistung.
Die Eingangsgröße: Zykluszeit vs. ideale Zykluszeit.
Der Wert: Dies erkennt schleichende Ausfälle . Wenn die Zykluszeit von 1,0 s auf 1,2 s abdriftet, verschlechtert sich die Maschinenleistung.
Auslöser: WENN Geschwindigkeitseffizienz < 90% DANN Inspektionsaufgabe erstellen.
Manchmal ist die Maschine nicht heiß und auch nicht langsam – sie verhält sich einfach nur „komisch“. Ein Wackeln, ein Stottern, eine Fehlausrichtung.
Der Input: Fabricos „Inefficiencies Zoom-In“ -Kameras beobachten die physische Bewegung.
Der Nutzen: Visuelle Anomalieerkennung. Das System erkennt, wenn ein Schutzgeländer locker ist oder eine Klappe nicht richtig schließt.
Auslöser: WENN eine visuelle Anomalie erkannt wird, DANN wird eine Anpassungsaufgabe erstellt.
Daten sind ohne Arzt nutzlos.
Viele „Monitoring“-Plattformen sind lediglich Dashboards. Man sieht zwar eine rote Linie, muss aber manuell jemanden per E-Mail kontaktieren, um das Problem beheben zu lassen.
Fabrico schließt den Kreislauf:
Erkennung: Der Gesundheitswert sinkt (aufgrund von Sensoren, OEE oder Bildverarbeitung).
Diagnose: Der Fabrico-Agent (KI) analysiert den Trend. „Die Gesundheit hat sich verschlechtert, da die Zykluszeit gestiegen ist. Wahrscheinliche Ursache: Bandschlupf (basierend auf den bisherigen Daten).“
Vorschrift: Das System generiert automatisch einen Korrekturarbeitsauftrag, der dem Mechanik-Leiter zugewiesen wird.
Wiederherstellung: Der Techniker repariert den Riemen. Das System bestätigt, dass die Gesamtanlageneffektivität (OEE) wieder bei 100 % liegt.
| Besonderheit | Fabrico (Ganzheitliche Gesundheit) | Standard-IoT (nur Vibration) | SCADA / HMI |
| Primäre Kennzahl | Asset Health Score | Vibration / Temperatur | Status (Ein/Aus) |
| Erkennt Staus? | ✅ Ja (Vision) | ❌ Nein | ⚠️ Vielleicht (falls ein Sensor existiert) |
| Erkennt Geschwindigkeitsverlust? | ✅ Ja (OEE) | ❌ Nein | ✅ Ja |
| Verbindet sich mit CMMS? | ✅ Einheimisch | ⚠️ Integration erforderlich | ❌ Nein |
| Werkzeug zur Ursachenanalyse | Video-Wiedergabe | Wellenformdiagramm | Alarmliste |
Grundlage: SPSen verbinden, um Betriebsstunden und Zyklen (Nutzung) zu erfassen.
Schicht 2: Berechnung der Gesamtanlageneffektivität (OEE) in Echtzeit zur Erkennung von Leistungsverschlechterungen.
Ebene 3: Kameras zu den Engpassressourcen für die visuelle Diagnose hinzufügen.
Ziel: KI nutzen, um diese Signale in automatisierte Arbeitsaufträge umzuwandeln.
Eine schlecht laufende Maschine stiehlt Ihnen genauso sicher den Gewinn wie eine defekte Maschine.
Software zur Überwachung des Maschinenzustands ermöglicht es Ihnen, Probleme zu beheben, bevor sie zum Tode führen.
Überwachen Sie den gesamten Patienten.
[Fordern Sie eine Demo an] und sehen Sie, wie OEE und Sensoren in Fabrico zusammenarbeiten.
Anmeldung
Blog
