Partner

Predictive Maintenance/Vorausschauende Instandhaltung Mit Künstlicher Intelligenz Störungen frühzeitig erkennen

Wenn Maschinen arbeiten, nutzen sie sich ab. Metall reibt aneinander, feste Strukturen lösen sich langsam auf (Erosion). In der Folge verschleißen Teile: Risse, Bruchstellen und Masseverluste führen schlimmstenfalls zum Maschinenausfall, die Produktivität muss zurückgefahren werden – und damit sinkt auch der Umsatz. Um dies zu verhindern, gibt es Instandhaltungsmaßnahmen. Mit der Predictive Maintenance (PM, Vorausschauende Instandhaltung) ist das Reparatur-Management im modernen KI-Zeitalter angekommen. Bauhof-online zeigt, in welchen kommunalen Bereichen PM schon heute angewendet wird und auf welchem Stand sich die Kommunalbranche befindet.

Lesedauer: min | Bildquelle: Pexels, pixabay
Von: David Herwede

Früher war nicht alles besser. Manch einer denkt bei Maschinenreparatur vermutlich zunächst an die klassische „Run-To-Failure“-Prozedur, bei der Unternehmen ihre Maschinen laufen lassen, bis sie ausfallen, erst danach wird repariert. Die Nachteile dieser reaktiven Instandhaltung liegen auf der Hand: Es kommt zu Ausfällen, worunter die Produktion leidet. Um ungeplante Stillstände zu minimieren, wurde deshalb die präventive Instandhaltung eingeführt, bei der in regelmäßigen Abständen instandgehalten wird, bevor etwas ausfällt. Allerdings hat auch diese Strategie einen Nachteil: Teile werden ausgetauscht, die noch stundenlang weiterarbeiten könnten.

Es bedurfte also einer digitalen Lösung, die durch Sensor-Analyse den gegenwärtigen Zustand der Maschinenteile erfasst und möglichst genau plant, wann das entsprechende Teil gewartet werden muss. Aus der Kombination von Künstlicher Intelligenz und Reparatur entstand so die vorausschauende Instandhaltung (Predictive Maintenance). Dabei analysieren Sensoren verschiedenste Maschinendaten wie Nutzungsdauer, Temperatur, Flüssigkeitsstand, Emission oder Druck. Mit der Erstellung eines digitalen Zwillings werden die Daten nicht nur veranschaulicht, sondern es können auch Ausfälle simuliert werden, die bis dahin noch gar nicht aufgetreten sind. Und mit der Fähigkeit zum Maschinellen Lernen entwickelt die KI dann nach und nach einen optimierten Instandhaltungsplan für sämtliche Maschinenteile.


Kommunale Anwendungen

Bereits beim Condition Monitoring wird der Zustand von Maschinen mithilfe von Sensordaten überwacht. Diese zustandsbasierte Instandhaltung wird vorausschauend, wenn KI ins Spiel kommt. Weil beide Strategien aber auch kombiniert werden können, bieten diverse Unternehmen Pakete an, die mehrere digitale Lösungen beinhalten. So auch die IBM Deutschland GmbH: Mit der Maximo Application Suite befindet sich ein Produkt im Portfolio, das den Zustand von Kapitalanlagen (Assets) analysiert und via KI den optimalen Zeitpunkt für die nächste Reparatur prognostiziert. Laut Matthias Baur, Technik-Spezialist für Asset-Management bei IBM, werden dabei sogar mehrere Sensoren für denselben Parameter eingesetzt, die auch ihren eigenen Zustand analysieren und bei Bedarf melden können. Moderne Sensortechnik sei deshalb sehr zuverlässig, auch aufgrund umfassender Qualitäts-Sicherungsmaßnahmen der Hersteller. Baur verweist auf die Kölner Verkehrs-Betriebe AG, die entsprechende Lösungen für den öffentlichen Nahverkehr nutzen: „Mit Hilfe von intelligentem Instandhaltungs-Management und vorausschauender Wartung wird die Verfügbarkeit von Bussen und Bahnen erhöht und der Service für die Fahrgäste verbessert. Das Ergebnis: Eine verbesserte Arbeitsplanung, eine vereinfachte Auftragsabwicklung, eine erhöhte Verfügbarkeit.“

Die Schleswig-Holstein Netz AG benutzt mit Unterstützung von der E.ON Digital SE vorausschauende Instandhaltung, um Störungen im Stromnetz frühzeitig zu identifizieren und so Stromausfälle möglichst zu vermeiden. Entsprechende Störungen lassen sich jetzt mit einer drei Mal höheren Genauigkeit vorhersagen als mit bisherigen Verfahren. Auf die Frage, wie sich die Fehleranfälligkeit in den vergangenen Jahren entwickelt hat, erklärt Dr. Xiaohu Tao, Leiter Prozessdatentechnik: „Sehr gut, da die verwendeten Daten, die für die Stromnetzführung im Hochspannungs- und Mittelspannungsnetz benutzt werden, in der Regel mit sehr hoher Verfügbarkeit und guter Datenqualität vorliegen.“ Probleme mit dem Datenschutz gebe es dabei nicht: „Hier halten wir uns strikt an alle deutschen und europäischen Vorgaben. Dabei ist hervorzuheben, dass Schleswig-Holstein Netz Asset-Daten verwendet, die SH-Netz gehören. Es werden keine Kunden- bzw. personenbezogene Daten verwendet“, so Dr. Tao.

Probleme bei der Einführung für kleine und mittelständische Unternehmen

Natürlich kann für den Umgang mit modernen Sensor-Netzwerken kein Grundwissen vorausgesetzt werden. Neben finanziellen Aspekten ist es wohl auch die größere Umstellung der Produktionsstrategie, die viele Unternehmen derzeit noch vom Erwerb einer entsprechenden Lösung abhält. Oft müssen PM-Lösungen individuell geplant und Mitarbeiter vorbereitet oder geschult werden. Beispielsweise hat das Fraunhofer-Institut IAO Im Rahmen des EU-Projekts Z-BRE4K Konzepte zur Datenanalyse auf der Grundlage Digitaler Zwillinge erarbeitet. Auf der Webseite heißt es: „Laut den Erfahrungen des Forschungsteams haben Unternehmen kaum einen Überblick über die vorhandenen Daten und entsprechenden Module, die für eine ganzheitliche Predictive-Maintenance-Strategie und deren Umsetzung benötigt werden.“

Partner

Deshalb verläuft der Übergang zur Industrie 4.0 schleppend. Um das Ganze zu beschleunigen, haben sich die Riesen Telekom, Intel und SAP zusammengetan und ein eigenes PM-Komplettpaket entwickelt. Der Erwerb des entsprechenden Pakets bietet einen entscheidenden Vorteil: Cloud-Kapazitäten, die für die Übertragung der Datenmengen benötigt werden, müssen nicht erst ins Leben gerufen werden, sondern werden direkt zur Verfügung gestellt – ebenso wie eine stabile Internetverbindung. Experten der Telekom stehen Unternehmen dabei beratend und planend zur Seite. Mit XeonE7-Prozessoren stellt Intel die Hardware zur Verfügung, während SAP mit HANA die entsprechende Software liefert.

Alternativen für die Bau- und Kommunalbranche

Wer nun ohne größeren Aufwand die Organisation der Instandhaltungsmaßnahmen digitalisieren möchte, hat verschiedene Möglichkeiten. Eine davon ist es, wieder einen Schritt zurückzugehen, und auf Sensorik oder KI zu verzichten, beispielsweise mit tablano von der PTW GmbH. Kunden können mit der Software Wartungsprozesse manuell dokumentieren und übermitteln – und brauchen dafür nur ein Tablet. Auf die Frage, wofür genau das System benutzt werden kann, erklärt Geschäftsführer Sebastian Trettel: „Die Anwendungsbereiche erstrecken sich von Baum- und Grünflächen über Spielplätze bis hin zur Straßenerhaltung oder zum Winterdienst. Darüber hinaus gibt es Anwendungen für das Stadtmobiliar oder die Straßenbeleuchtung.“

Außerdem ist bei einigen Herstellern von Bau- und Kommunalfahrzeugen zu beobachten, dass moderne Systeme bereits bei der Produktion verbaut werden. Weil diese ohnehin zumeist mit einer Vielzahl an Sensoren ausgestattet sind, bietet sich die automatische Übermittlung von Fehlerdiagnosen an. So greift zum Beispiel Caterpillar (Cat) über Condition Monitoring auf Diagnosedaten zurück, die von Baumaschinen eingehen, und unterstützt Kunden bei der Auswertung dieser Daten.

Wahrlich ist die digitale Zustands-Analyse von Fahrzeugteilen nichts Neues, denn so gut wie jedes Kraftfahrzeug kann heutzutage Fehler zumindest anzeigen. Allerdings: Vorausschauend wird es erst mit der Einführung einer KI. Eine entsprechende Lösung muss aber zumeist individuell geplant und gestaltet werden. Kleine und mittelständische Unternehmen scheuen momentan auch noch die Kosten einer entsprechenden Einführung – meist zu Unrecht, weil durch die Investition langfristig Kosten gespart werden können. Wie genau Predictive Maintenance Einzug finden wird, bleibt dennoch abzuwarten.

[210]
Socials

AKTUELL & SCHNELL INFORMIERT