Nachdem es in den vergangenen Texten zunächst um grundlegende Fragen zu Smart Data, Predictive Analytics & Maintenance und die Veränderungen durch die Digitalisierung ging, beschäftigen sich die letzten zwei Teile der Blogreihe mit konkreten Anwendungsbeispielen.

Nicht nur in der Industrie sind vorausschauende Wartungsroutinen anzutreffen. Nahezu jeder hatte bereits das ärgerliche Erlebnis, vor einem defekten Geldautomaten zu stehen. Oder noch schlimmer: Das Gerät behält die Karte ein, ohne Geld auszuzahlen. Nicht selten also haben Banken mit verärgerten Kunden zu tun. Umso größer ist natürlich das Interesse von Banken eine vorausschauende Instandhaltung und entsprechende Wartung zu etablieren, um rechtzeitig auf Probleme aufmerksam zu werden und diese zu beheben. Hauptprobleme sind auch hier ein Teileversagen, oder dass – ähnlich wie bei einem Drucker – sich die Scheine bei der Ausgabe verhaken und es einen Papierstau gibt.

Fehler beheben, bevor sie entstehen

Im Fall der Geldautomaten erlauben neue Technologien wie das Internet of Things (IoT) eine genauere Überwachung der Prozesse: So sammeln Sensoren Daten über alle Vorgänge beim Auszahlen der Banknoten. Das umfasst zum einen Daten über jeden erfolgreich abgeschlossenen Prozess, zum anderen von Sensoren abgelesene Daten zu jedem einzelnen vom Automaten ausgezahlten Gelschein wie: die Lücken zwischen den einzelnen Geldscheinen im Bündel, die Dicke der Geldscheine oder der zeitliche Abstand beim Einsammeln und Zusammenführen der einzelnen Geldnoten aus verschiedenen Stapeln. Zudem werden alle Wartungsdaten vorangegangener Wartungen ebenfalls gesammelt und ausgewertet. Dazu gehören Fehlermeldungen und Informationen über vorgenommene Reparaturen.

Zusammen erlauben all diese Daten zwei Modelle: Das eine bezieht sich auf den gesamten Abhebungsprozess, das andere auf die einzelnen Geldnoten, die ausgezahlt werden. Ziel ist es auch hier mögliche Fehler im System vorherzusagen, bevor sie entstehen und die Kundenzufriedenheit minimieren. So kann ein Warnsystem etabliert werden: Der Geldautomat erkennt anhand vorangegangener Daten, dass ein Transaktionsfehler vorliegt, möglicherweise wegen Papierstaus nicht alle Scheine ausgezahlt werden können. Der Geldautomat kann dann die Transaktion selbst abbrechen und dem Kunden eine entsprechende Warnung geben. Möglich wäre es theoretisch sogar, dass ein diensthabender Mechaniker direkt eine Warnung auf sein Smartphone erhält und eine Reparatur vornehmen kann.

Ausfallzeiten verhindern

Predictive Maintenance ist der beste Weg, um schnell und einfach die Vorteile von IoT zu nutzen. Das betrifft unter anderem ein mögliches Maschinenversagen: Einen längeren Ausfall von Maschinen vorherzusagen, ist im Interesse jedes Unternehmens, kann dies doch zehntausende Euro in der Minute kosten. Das gleiche gilt – und hier besonders – für intelligente Stromnetze oder intelligente Transportnetzwerke, also empfindliche Systeme. Hauptziel vieler Unternehmen ist es daher einen Ausfall nahezu vollständig auszuschließen.

Ein Beispiel ist hier der japanische Hersteller industrieller Automatisierungseinrichtungen FANUC: Jahrelang hatte das Unternehmen Probleme damit, Kunden bei der Optimierung ihrer Anlagen in den verschiedenen Produktionsstätten zu helfen. Gemeinsam mit Cisco and Rockwell Automation entwickelte FANUC dann eine Lösung, die Ausfallzeiten von Maschinen gen Null gehen lässt. Sie nutzen dafür eine Analyse von Daten, die die Fertigungsroboter in Unternehmen liefern: Kunden teilen diese Daten und FANUC sammelt, lagert und analysiert sie in der Cloud, um potentielle Probleme zu erkennen und zu beheben, bevor sie einen negativen Effekt auf die Produktion haben können.
General Motors zum Beispiel hat etwa ein Viertel der 30.000 Fertigungsroboter an diese IoT-Lösung angeschlossen und dadurch in den letzten zwei Jahren Ausfallzeiten erheblich verringert. Dadurch, dass das Unternehmen weiß, wann ein Teil auszufallen droht, kann es rechtzeitige Wartungsmaßnahmen einleiten und entsprechende Teile ordern, muss sie aber nicht ständig vorrätig haben.

Predictive Maintenance bei erneuerbaren Energien

In den vergangenen Jahren sind Umweltbewusstsein und das Bewusstsein für erneuerbare Energien gewachsen. Und so sind Windräder heute eine der wichtigsten Energiequellen im Rahmen der Energiewende. Eines der Hauptbestandteile von Windturbinen ist ein Generator-Rotor, der mit einer Vielzahl von Sensoren bestückt ist, um den Zustand der Turbinen und ihren Status zu überwachen. Diese Daten erlauben es aber auch ein Vorhersagemodell zu berechnen, um kritische Key Performance Indicators (KPIs) zu determinieren. Dazu gehört die Zeit bis ein Teil ausfällt. In einem Projekt wurden zum Beispiel Daten von drei verschiedenen Windrädern an drei sehr unterschiedlichen Standorten miteinander verglichen – für ein Jahr wurden alle zehn Sekunden Sensordaten geliefert über Faktoren wie Temperatur, Geschwindigkeit, Turbinenleistung oder Generatorwicklung. Daraus wurde ein Vorhersagemodell beispielsweise für die Lebensspanne von Generatoren und Temperatursensoren entwickelt. Durch die Vorhersage eines möglichen Ausfalls, können sich die Mechaniker bei der Wartung auf sensible oder verdächtige Teile konzentrieren. Auch erlauben die Daten ein besseres Verständnis der Ursachen, die einem Teileversagen zugrunde liegen.

Bei allen genannten Beispielen gilt eines grundsätzlich: Es gibt sehr viele unterschiedliche Lösungen für Predictive Analytics und Maintenance basierend auf Daten und speziellen Algorithmen. Diese können sehr spezifisch auf einzelne Industriebereiche zugeschnitten sein. Was aber alle gemeinsam haben ist, dass sie Daten sammeln und auswerten und somit einen tiefergehenden Einblick in Prozesse und sie beeinflussende Umweltfaktoren erlauben. Das ist keine Magie, sondern schlichtweg statistische Modelle, die es Unternehmen erlauben Prozesse effektiver zu gestalten und so eine Menge Geld zu sparen. Selbst dann, wenn am Anfang Investitionen in neue Technologien notwendig sind.

Artikel jetzt teilen

Webinar Aufzeichnung: Der Einsatz von KI im Unternehmen – Entmystifizierung und Best Practices

Künstliche Intelligenz ist bereits in vielen Bereichen bereits etabliert, sei es im Kleinen mit Sprachassistenten wie Alexa, oder in der Industrie mittels Vorhersagetechniken wie Predictive Maintenance. Erfahren Sie in der 1-stündigen Webinar Aufzeichnung, was genau Künstliche Intelligenz ist, wo sie im Unternehmenskontext eingesetzt werden kann und wie erste Projekte angegangen werden können.

Hinterlasse einen Kommentar

Über EASY SOFTWARE
Die EASY SOFTWARE ist Ihr Partner für eine durchgängige Digitalisierung von Geschäftsprozessen. Als Anbieter ebenso zukunftsweisender wie erfolgreicher Softwareprodukte und Servicelösungen, macht EASY Ihr Geschäft einfacher, effizienter und transparenter.
EASY SOFTWARE

EASY WORLD 2020
100% Digital

Erleben Sie am 29. September die digitale Welt der Unternehmensprozesse.
Keine Enge, keine Räume, keine Grenzen:
Der Kongress für die Digitalisierung Ihrer Geschäftsprozesse findet zu 100% virtuell statt,
mit 100% Wissenstransfer, interaktivem Austausch und Networking.
So einfach kann digitale Transformation sein.

Kostenlose Teilnahme sichern
Das könnte Sie auch interessieren:
Webinar: Der Kunde im Fokus – Innovative, digitale Erlebnisse in der Krankenversicherung
Microservice-Architekturen für die schnelle Implementierug von Diensten
Microservices – Architektur für servicegetriebene Geschäftsmodelle?
EASY fo Exchange Cloud. Eine tolle Sache.
Produktupdate: Release EASY for Exchange Cloud
Zurück zur Übersicht Nächster Artikel