Predictive Maintenance Intelligente Systeme für die Instandhaltung

Autor / Redakteur: Ulrike Kogler / Beate Christmann

Die Berechnung von Eintrittswahrscheinlichkeiten wird in vielen Geschäftsbereichen angewandt – so auch in der Instandhaltung. Insight Engines machen zu diesem Zweck anwenderspezifisch sämtliche relevanten Informationen eines Unternehmens verfügbar.

Firmen zum Thema

Um vorhersehen zu können, wann der beste Zeitpunkt ist, Maschinenkomponenten zu warten und auszutauschen, müssen Instandhalter auf eine Vielfalt von Informationen Zugriff haben. Das sollen Insight Engines möglich machen.
Um vorhersehen zu können, wann der beste Zeitpunkt ist, Maschinenkomponenten zu warten und auszutauschen, müssen Instandhalter auf eine Vielfalt von Informationen Zugriff haben. Das sollen Insight Engines möglich machen.
(Bild: © kinwun - stock.adobe.com)

Wenn es um Wartung und Instandhaltung geht, unterliegen industrielle Maschinen und Anlagen häufig einem bestimmten Kreislauf. Dieser feste Wartungsablauf suggeriert den Unternehmen Zuverlässigkeit und Sicherheit. Doch wird ein regelmäßiger Wartungsturnus den Anforderungen im Produktionsalltag oft nicht gerecht: Bei der Berechnung der Wartungsintervalle wird die tatsächliche Beanspruchung meist nicht miteinbezogen.

Besteht zwischen den Zeitspannen immer der gleiche Abstand, kann das dazu führen, dass Bauteile zu häufig oder im schlimmsten Fall zu spät ausgetauscht werden – nämlich dann, wenn durch eine gebrochene Komponente bereits ein teurer Maschinenstillstand hervorgerufen wurde. Beide Szenarien sind ineffizient und verursachen hohe Kosten aufseiten des Unternehmens.

Bildergalerie

Digitalisierung soll Instandhaltung effizienter machen

Durch die voranschreitende Digitalisierung in der Industrie eröffnen sich jedoch neue Möglichkeiten: Komponenten in einer Produktionsanlage können heute genauso präzise überwacht werden wie die Bauteile eines Flugzeugs. Das ist möglich, weil viele Fertigungsstätten kaum noch einer klassischen Produktion in einer Werkshalle, sondern High-Tech-Anlagen entsprechen, die kontinuierlich große Mengen an Daten produzieren, speichern und permanent austauschen. Leistungsfähige Systeme analysieren diese Datenpools und zeigen sofort etwaige Abweichungen der Normparameter auf.

Durch diese Analyseverfahren ist es möglich, auftretende Mängel zu erkennen – und zwar noch bevor es zu Stillstandszeit oder gar einem Produktionsausfall kommt. Dabei wird basierend auf den gesammelten Daten errechnet, wann beispielsweise eine Komponente getauscht werden muss, unabhängig von periodischen Wartungsintervallen. Dieses Vorgehen nennt sich vorausschauende Wartung beziehungsweise Predictive Maintenance und soll dazu beitragen, die Produktion smarter zu machen und damit die Kosten zu senken.

Verknüpfung verschiedener Datenquellen im Unternehmen

Idealerweise werden die gewonnenen Erkenntnisse mit weiterführenden Informationen aus anderen Datenquellen im Unternehmen, beispielsweise einer Lieferantendatenbank, angereichert. Um dieses Gesamtbild zu erschaffen, werden sogenannte Insight Engines eingesetzt. Dabei handelt es sich um eine intelligente Suchlösung, die sich mit der ressourceneffizienten und raschen Bereitstellung von Unternehmensdaten beschäftigt.

Denn Tatsache ist, dass Unternehmen relevante Informationen verteilt in unterschiedlichsten Anwendungen (Core-Systemen) speichern. Die Suche nach diesen verursacht einen hohen Zeitaufwand für die Mitarbeiter. Die von der Unternehmensberatung International Data Corporation (IDC) durchgeführte Studie The Hidden Costs of Information Work fand heraus, dass ein einzelner Mitarbeiter etwa 24 % seiner Arbeitswoche mit der Datenrecherche verbringt.

Unkomplizierte Datensuche wie bei der Internetrecherche

Informationen im Unternehmen sollten jedoch genauso unkompliziert und rasch zur Verfügung stehen wie bei der Recherche im Internet. Insight Engines bieten genau diesen Komfort: Sie erstellen einen intelligenten Suchindex und setzen die vorhandenen Daten zueinander in Beziehung (kontextbezogene Verknüpfung). Dadurch können benötigte Informationen abgerufen werden, ohne dass die Anwendungen, in denen diese gespeichert sind, geöffnet werden müssen. Das Ergebnis wird visuell aufbereitet und Verknüpfungen werden aufgezeigt. Das führt zu einer schnelleren Abwicklung des Suchprozesses. Dank der Vorschaufunktion kann man die Treffer rasch sichten und mit wichtigen Daten direkt weiterarbeiten.

Die Informationen können dabei sowohl in strukturierter Form, etwa in Datenbanken, als auch in unstrukturierter Form, zum Beispiel als E-Mail, vorliegen. Insight Engines ermöglichen eine umfangreiche Verknüpfung von Daten innerhalb des Unternehmens sowie von Daten aus der Cloud, aus Portalen, Datenbanken, dem Intranet und auch dem Internet.

Suchanfrage als Dialog in natürlicher Sprache

Auch wenn es sich bei Insight Engines um auf Suchtechnologien basierende Systeme handelt, entfernen sie sich immer weiter vom klassischen Schema Suchfeld/Ergebnis und wandeln sich zu einer Kommunikation, die wie ein Dialog gestaltet ist und dementsprechend Interaktionsmöglichkeiten bietet.

Mithilfe der Technologien NLP (Natural Language Processing) und NLQA (Natural Language Question Answering) ist es möglich, Suchanfragen intuitiv und in natürlicher Sprache abzugeben. Konkret sorgt NLP dafür, dass die menschliche Sprache korrekt erfasst und interpretiert wird. Es ermöglicht das Übersetzen, Nachempfinden und Zusammenfassen des in natürlicher Sprache formulierten Texts. NLQA ermittelt im Gegensatz dazu das konkrete Anliegen des Anwenders, indem die Technologie jegliche Abfragen linguistisch interpretiert. So ist sie imstande, auf die Fragen „wie, wo, wer, warum oder wann“ adäquat zu reagieren.

Suchergebnisse mit kontextspezifischen Informationen

Suchen können also in natürlicher Sprache eingegeben, direkt weiterverarbeitet und die Resultate dadurch spezifisch auf die Anfrage des Nutzers abgestimmt und angezeigt werden. Mithilfe von semantischen Analysen werden die Ergebnisse zudem mit kontextspezifischen Informationen angereichert. Abhängig von den Zugriffsrechten des Benutzers werden die Resultate und die bestehenden Beziehungen zwischen den einzelnen Daten aufgezeigt. Bei jeder Abfrage werden die Zugriffsrechte direkt an den Datenquellen geprüft. So werden auch kurzfristige Änderungen sofort berücksichtigt.

Neben den bereits erwähnten Techniken NLP und NLQA setzen Insight Engines auf weitere Formen der künstlichen Intelligenz: Dazu zählen Deep Learning und Machine Learning. Sie können also kontinuierlich hinzulernen. Das System analysiert und beobachtet ununterbrochen ihre Anwender. Zum Beispiel lernt es durch das häufige Aufrufen bestimmter Informationen, ob es sich dabei um wichtige handelt, und kategorisiert sie entsprechend. Basierend auf ihrer Relevanz werden unbedeutende Daten verworfen und wertvolle hingegen rechtzeitig und proaktiv zur Verfügung gestellt.

Integration mit geringem Aufwand

Insight Engines können ganz unkompliziert mittels sogenannter Konnektoren in ein Unternehmen integriert werden. Dafür stehen bei den meisten High-End-Produkten namhafter Hersteller über 450 Konnektoren für die unterschiedlichsten Datenquellen wie Netzlaufwerke, SAP, Microsoft Share Point und eine Vielzahl an Enterprise-Content-Management-Systemen (ECM-Systemen) zur Verfügung, die eine Integration mit geringem Aufwand ermöglichen.

So bieten Insight Engines für Unternehmen aus den unterschiedlichsten Branchen und Größenordnungen eine einfache und effiziente Lösung zur Nutzung des unternehmensinternen Wissens. Und erst mit der umfangreichen 360-Grad-Sicht und der daraus resultierenden Verknüpfung aller relevanten Unternehmensinformationen kann eine adäquate Verarbeitung der Daten gewährleistet werden und die sichere und effiziente Bereitstellung von Informationen reibungslos ablaufen.

Fundierte Entscheidungsfindung

Ein Praxisbeispiel: Die 360-Grad-Sicht verschafft Anwendern aus der Wartung einen umfassenden Überblick über einzelne Bauteile, Wartungsprotokolle, Konstruktionspläne, Bestellhäufigkeiten, Qualität oder Ansprechpersonen. Werden von den vorhandenen Sensoren an der Maschine Abweichungen wahrgenommen und stellt sich heraus, dass eine Komponente getauscht werden muss, können anhand dieses Überblicks rasch jegliche Informationen über den Hersteller, den Lieferanten oder die Kosten ermittelt werden. So können Daten, die bislang oft unberücksichtigt blieben oder in einem langwierigen Rechercheprozess gesucht werden mussten, bei der Entscheidungsfindung miteinbezogen werden, wodurch einzelne Geschäftsprozesse optimiert und beschleunigt werden können.

Automatisierte Klassifizierung von Dokumenten

Intelligente Systeme wie Insight Engines bieten jedoch noch weitere Anwendungsmöglichkeiten: Beispielsweise werden sie immer häufiger für die automatisierte Klassifizierung von Dokumenten eingesetzt. Dabei werden diese zunächst gescannt. Anschließend werden aus dem nun digitalisierten Dokument die Informationen extrahiert, analysiert, mit bestehenden digitalen Schriftstücken abgeglichen und dann anhand von gewissen, vorab festgelegten Mustern und Textbausteinen an die entsprechende Abteilung weitergeleitet. Die Insight Engine wird dafür im Vorfeld mit bereits klassifizierten Dokumenten trainiert und erwirbt so ihr Wissen unter anderem über Muster und Textfragmente zur korrekten Verarbeitung. Als selbstlernendes System erweitert sie ständig ihr vorhandenes Wissen und nutzt Erfahrungswerte, um Dokumente richtig zu kategorisieren und entsprechend weiterzuleiten. Wurde ein Dokument falsch zugeteilt, kann der Anwender dies manuell korrigieren. Das vom Benutzer klassifizierte Dokument dient nun wieder als Vorlage für ähnliche weitere Dokumente. Das bedeutet, dass die Lösung immer bessere Ergebnisse liefert, je länger sie eingesetzt wird.

Durchblick in der Dokumentenvielfalt

Diese Fähigkeit ist vor allem in Unternehmen, die täglich mit einem großen Volumen an Eingangspost konfrontiert sind, von großem Nutzen. In den letzten Jahren haben sich die Eingangskanäle für Anfragen und Probleme stark weiterentwickelt. Heute haben Unternehmen sowohl mit traditionellen Poststücken wie Briefen als auch mit einer Vielzahl an Eingangspost über Social Media, via E-Mail oder aus anderen Quellen zu kämpfen. Darüber hinaus gelangen die Anfragen in den verschiedensten Formaten (zum Beispiel als PDF- oder Microsoft-Office-Dokument) sowohl in strukturierter als auch in unstrukturierter Form ins Unternehmen, wodurch die Zuteilung für die Mitarbeiter immer schwieriger und zeitintensiver wird. Insight Engines können dabei helfen, diese Dokumentenflut in den Griff zu bekommen.

Fazit: Permanente Datenüberwachung ermöglichen termingerechten Komponentenaustausch

Zusammenfassend lässt sich festhalten: Infolge der Digitalisierung und daraus resultierender Predictive-Maintenance-Maßnahmen werden durch die permanente Überwachung der vorhandenen Bauteile wertvolle Daten gesammelt, gespeichert und analysiert. So können kritische Komponenten, die einen Ausfall der Maschinen begünstigen, unabhängig von den üblichen Wartungsintervallen identifiziert und getauscht werden – und das, noch bevor ein Schaden entsteht. Möglich kann dies ausschließlich durch eine stetige Analyse der kontinuierlich anfallenden Daten werden. Erst dadurch wird ein viel detaillierteres Bild der Anlage erzeugt.

Intelligente Lösungen wie Insight Engines unterstützen Unternehmen beim Finden, Analysieren und Aufbereiten dieser und noch weiterer unternehmensinternen Daten. Sie ermöglichen eine betriebsweite Vernetzung über Anwendungen, Programme und Abteilungen hinweg. So können die wichtigen und für den jeweiligen Fall relevanten Daten schnell gefunden, mit weiteren Erkenntnissen verknüpft, auf etwaige Zusammenhänge überprüft und rasch weiterverarbeitet werden. Damit lassen sich Geschäftsprozesse beschleunigen, optimieren und reale Wettbewerbsvorteile gegenüber der Konkurrenz generieren.

* Ulrike Kogler ist Wissensmanagerin bei der Mindbreeze GmbH in 4020 Linz (Österreich), Tel. (00 43-7 32) 6 06 16 26 20, office@mindbreeze.com

(ID:45122123)