1. anacision
  2. /
  3. Aktuelles

Der anacision-Ansatz zur Realisierung von Predictive Maintenance

Predictive-Maintenance-Projekte weisen drei Kerncharakteristika auf: Sie sind innovativ, einmalig und komplex. Diese Charakteristika stellen besondere Anforderungen an die Vorgehensweise bei der Entwicklung und Umsetzung problemspezifischer Lösungskomponenten. Basierend auf Erfahrungen aus zahlreichen Industrieprojekten entwickelt anacison eine Predictive-Maintenance-Lösung.

 

Dabei dient ein speziell auf Predictive Maintenance zugeschnittenes Entscheidungsmodell der schnellen Identifikation einer technisch und wirtschaftlich sinnvollen Lösung.  Abbildung 1 zeigt die verschiedenen Elemente der Predictive-Maintenance-Solution.  

 

Abbildung 1: Predictive-Maintenance-Solution der anacision

 

 

Im Zentrum dieser Lösung steht eine auf künstlicher Intelligenz basierende Software. Bei der Entwicklung kommen standardisierte Softwarekomponenten zum Einsatz, die gegebenenfalls auf die speziellen Anforderungen eines Kunden angepasst werden können. Die Lösung umfasst zudem die Maschinenanbindung sowie die Integration der entwickelten Predicitve-Maintenance-Anwendung in die laufenden Prozesse des Kunden. Die geeignete Form der Umsetzung ist situationsabhängig und kann von der Einbindung von Analyseergebnissen in einen Bericht, bis hin zu Echtzeitempfehlungen basierend auf Live-Daten reichen. Ergänzt werden diese Prozesse durch Schulungen von Mitarbeitern des Kunden sowie durch eine umfassende Beratung hinsichtlich Business Case.

 

Durch den hohen Grad der Standardisierung des Vorgehens und der Komponenten kann die Projektlaufzeit deutlich reduziert werden. Darüber hinaus werden häufige Fehler bei Data-Science-Projekten vermieden und potentiellen Risiken kann frühzeitig begegnet werden. Jedes Projekt beginnt mit einem mehrphasigen Workshop, der auf dem Predictive-Maintenance-Entscheidungsmodell basiert. Hierbei erfasst anacision die Problemstellung und die Ausgangslage des Kunden und übersetzt diese in Anforderungen an eine ganzheitliche Lösung. Insbesondere werden in den Workshops die beiden folgenden Ziele adressiert:

 

  • Business Understanding & Value: Festlegung der Projektziele aus unternehmerischer Perspektive und Formulierung einer Problemstellung, die durch Data Science beantwortet werden kann. Für Predictive Maintenance ist die Problemstellung beispielsweise die Reduktion der Anlagenausfälle.
  • Data Understanding: Sichtung der vorhandenen Daten mit dem Ziel, mögliche Probleme in der Datenqualität zu identifizieren, Verständnis über vorhandene und nutzbare Daten zu schaffen und daraus neue Hypothesen abzuleiten.

 

 

Bei der Umsetzung der Lösung wird auf bereits bestehende Softwarebausteine in den Bereichen Datenhaltung, Prozesssteuerung & Schnittstellen, Modellierung und Visualisierung zurückgegriffen, um  Implementierungskosten und Umsetzungsdauer zu reduzieren. Darauf aufbauend werden unternehmens- bzw. problemspezifischen Lösungsteile umgesetzt, die im Rahmen des Predictive-Maintenance-Entscheidungsmodells definiert wurden. Insbesondere bieten die verschiedenen Softwarebausteine folgende Funktionalitäten:

 

  • Datenhaltung: Datenbank mit optimierter Leistung auf Zeitreihendaten und standardisierten Datenstrukturen.
  • Prozesssteuerung & Schnittstellen: Feste Schnittstellendefinition zwischen den einzelnen Komponenten der Pipeline. Dies ermöglicht die modulbasierte Entwicklung von Datenanalyse-Prozessen.
  • Modellierung: Auswahl und Umsetzung verschiedener Analysemodelle sowie Kalibrierung der Modellparameter. Im Bereich Predictive Maintenance können beispielsweise Neuronale Netze genutzt werden, um Muster in den (Sensor-)Daten zu erkennen und so Ausfälle vorherzusagen. Mögliche Modelle werden anhand ihrer mathematischen Güte evaluiert. Darüber hinaus wird beurteilt, wie gut die Modelle geeignet sind, um die unternehmerische Fragestellung zu beantworten. Im Predictive Maintenance sind beispielsweise die Reduktion von Ausfalldauer sowie Ausfall- und Wartungskosten ein zentrales Bewertungskriterium.
  • Visualisierung:
    Interaktive Nutzeroberfläche zur Darstellung der Analyseergebnisse.
    Hierbei kann ebenfalls auf vorgefertigte Softwarebausteine zurückgegriffen werden, welche je nach Anwendungsfall individuell angepasst werden. Abbildung 2 zeigt beispielhaft eine Nutzeroberfläche für Predictive Maintenance.
Abbildung 2: Nutzeroberfläche für Predictive Maintenance

 

Haben wir Ihr Interesse geweckt? Mehr über Predictive Maintenance erfahren Sie auf unserer Themenseite.

Bei Fragen und Anregungen stehen wir Ihnen gerne zur Verfügung!

X