Künstliche Intelligenz

Smarter Predictive Maintenance

Das Big-Data-Zeitalter erlaubt den gewinnbringenden Einstieg in die Predictive Maintenance. Die intelligente Analyse gesammelter Daten lässt eine präzise Prognose von Ausfallwahrscheinlichkeiten zu.

Schub für Predictive Maintenance: Auf künstlicher Intelligenz basierende Big-Data-Analytics-Systeme, sogenannte Insight Engines.

Allerdings nutzen die Daten nur, wenn sie gefunden und verstanden werden – Insight Engines sorgen hierbei für eine einheitliche Sicht auf verschiedene Arten von Informationen. Und das unabhängig davon, ob diese aus einer Cloud, von Drittanwendungen oder aus Netzwerken stammen.

Mehrere Millionen Stunden jährlich stehen Aufzüge, Fließbänder, Baumaschinen und weitere Anlagen auf der ganzen Welt still. Grund dafür sind etwaige Defekte, die nicht nur ärgerlich, sondern vor allem sehr kostspielig sind. Neben den Umsatzeinbußen, die durch Geschäftsausfälle entstehen, kommen auch die meist nicht unerheblichen Reparaturkosten für die defekte Maschine hinzu, die durch eine optimal geplante Wartung vermieden oder zumindest minimiert werden könnten.

Reduziert werden können diese Kosten durch Predictive Maintenance. Sensoren, eine digitale Vernetzung und intelligente Datenanalysen ermöglichen eine vorausschauende Instandhaltung von Maschinen und Geräten jeglicher Art.

Anders als bei der vorbeugenden Instandhaltung sind die Wartungsintervalle nicht schon im Vorhinein festgelegt, sondern werden auf Grundlage der Sensordaten ermittelt und optimiert. So bringt Predictive Maintenance Vorteile gegenüber präventiven oder reaktiven Wartungsansätzen. Komplettausfälle von Anlagen können durch die stetige Analyse der Daten und durch die Überwachung des Ist-Zustands einer Maschine reduziert werden.

Anzeige

Bei der vorausschauenden Maschinenwartung werden enorm viele Daten von den Sensoren an den einzelnen Maschinen und Maschinenteilen aufgezeichnet. Zusätzlich werden Informationen über Umweltfaktoren, wie Außentemperatur oder Luftfeuchtigkeit gesammelt.

Der Umgang mit diesen riesigen Mengen an Daten (Big Data) gestaltet sich als große Herausforderung. Je größer aber diese Datenmengen und je ausgereifter und strukturierter deren Aufbereitung sowie Analyse ist, desto zielgerichteter können mit den gewonnenen Erkenntnissen strategische Entscheidungen getroffen werden.

Im Idealfall werden dafür intelligente Systeme eingesetzt, die überdies weitere Informationen und Daten einbinden. Das ist von großem Nutzen, wenn aufgrund von Normabweichungen der aufgezeichneten Sensordaten ein Bauteil ausgetauscht werden soll. Mit den richtigen Tools können so ganz rasch Informationen über Hersteller, Lieferant, Kosten, Qualität, Expertenmeinungen und Ansprechpersonen geliefert werden.

Hilfe durch Künstliche Intelligenz
Für entsprechende Anwendungsfälle bieten sich auf künstlicher Intelligenz basierende Big-Data-Analytics-Systeme, sogenannte Insight Engines, an. Diese sind quasi die logische Fortsetzung von Enterprise-Search-Anwendungen, die Daten mittlerweile nicht nur aufspüren, sondern auch bei der Analyse helfen. Zudem vereinen sie innovative Technologien, um die Bereitstellung von Informationen ressourceneffizient zu gestalten. Sie helfen bei der qualitativen Aufbereitung von Big Data und schaffen so eine Konsolidierung und gewinnbringende Nutzung der Unternehmensdaten. Insight Engines sind selbstlernend und können ihr Wissen daher ständig erweitern. Sie analysieren kontextbezogen, beispielsweise das Benutzerverhalten, und kategorisieren die Informationen basierend auf ihrer Relevanz. So steht jedem Mitarbeiter ein personalisierter und auf seine spezifischen Bedürfnisse angepasster Überblick über alle Geschäftsprozesse, Kunden- sowie Lieferantenbeziehungen, Abteilungen, Verantwortungen etc. zur Verfügung.

Durch diese Verknüpfung von Wartungsprotokollen, Plänen, technischen Dokumentationen, persönlichen Erfahrungen von Experten und vielen weiteren Informationen können diese Lösungen dem Anwender ein Gesamtbild, eine sognannte 360-Grad-Sicht auf die einzelnen Komponenten oder Maschinen liefern.

Dabei versteht die Insight Engine die menschliche Sprache. Natural Language Processing (NLP) und Natural Language Question Answering (NLQA) sorgen dafür, dass Textinhalte korrekt verstanden und interpretiert und so der Bedarf des Nutzers exakt ermittelt werden kann. Die benötigten Daten werden mit kontextspezifischen Zusatzinformationen angereichert und als Treffer angezeigt. So erhalten die Benutzer akkurate und ganz gezielte Antworten auf ihre Fragen anstelle von endlosen Ergebnislisten.

Auch wenn Insight Engines eine unkomplizierte und rasche Bereitstellung der gesamten Unternehmensdaten ermöglichen, spielt Sicherheit und Datenschutz eine wichtige Rolle. Sensible Unternehmensdaten können nur mit spezifischen Berechtigungen eingesehen werden. So erhält jeder Mitarbeiter eine gesonderte Sicht auf das Unternehmenswissen entsprechend seiner Berechtigungen. Die Zugriffsrechte werden bei jeder einzelnen Abfrage überprüft, Positions- oder Abteilungswechsel stellen somit keine Schwierigkeit dar.

Insight-Engine-Lösungen werden häufig als Appliance geliefert, also aufeinander abgestimmte Hardware samt Suchsoftware. Die Integration wird durch sogenannte Konnektoren vereinfacht, die die rasche Anbindung der unterschiedlichen Datenquellen wie Netzlaufwerke, Microsoft SharePoint und eine Vielzahl an ECM-Systemen ermöglichen.

Für die Predictive Maintenance bieten Insight Engines eine gute Option, Sensordaten mit weiteren Informationen über Ersatzteillisten, Wartungsprotokolle, Pläne, Hersteller, Lieferanten, Expertenmeinungen etc. zu verknüpfen. Eine darauf basierende 360-Grad-Sicht schafft eine optimale Entscheidungsgrundlage für die Wartungsplanung und erlaubt nicht nur Geschäftsausfälle zu vermeiden, sondern auch Prozesse zu beschleunigen und Arbeiten effizienter zu erledigen.

So kann der optimale Wartungszeitpunkt erkannt, indem Mängel oder Defekte noch vor ihrer Entstehung wahrgenommen werden. Letztlich sollen so Produktivausfälle reduziert und Kosten gesenkt werden. Lediglich durch die umfassende Vernetzung von Daten einzelner Maschinen oder deren Komponenten mit Anwendungen, Abteilungen und den etwaigen Geschäftseinheiten ist dies möglich. Nur dann können relevante Informationen von den Anwendern zum benötigten Zeitpunkt und im richtigen Kontext abgerufen werden.

Anzeige

Das könnte Sie auch interessieren

Anzeige

Condition Monitoring

Zustandsüberwachung im Klartext

Mit Komponenten, Systemen und digitalen Services zur Überwachung und Schmierung verschiedener Aggregate bietet Schaeffler erweiterbare Komplettlösungen für Predictive Maintenance 4.0, auf die auch der Trinkwasserversorger Perlenbach bei der...

mehr...

Predictive Maintenance

Schwäbisches "Cleverle"

Tekon Prüftechnik GmbH stellt auf der diesjährigen Control, internationale Fachmesse für Qualitätssicherung in Stuttgart, das Informationsmodul Tekonect mit erweiterten Funktionen vor. Das „intelligente“ Modul des schwäbischen...

mehr...
Anzeige

Ausblick 2018

Trends in der Prozessindustrie

Steigende Rohstoffpreise, smartes Equipment, nachhaltige Werkstoffe und vernetzte Anlagen – auch im kommenden Jahr sieht sich die Prozessindustrie vor branchenübergreifende Herausforderungen gestellt. 

mehr...

Newsletter bestellen

Immer auf dem Laufenden mit dem SCOPE Newsletter

Aktuelle Unternehmensnachrichten, Produktnews und Innovationen kostenfrei in Ihrer Mailbox.

AGB und Datenschutz gelesen und bestätigt.
Zur Startseite