Predictive Maintenance:Die Continuous Intelligence Killer App

CI basierend auf der Analyse von Sensor- und IoT-Daten kann dabei helfen, Zustandsänderungen in Geräten zu erkennen und Vorhersagen über die Ausfallwahrscheinlichkeit eines Assets zu treffen.

Die Analyse von Echtzeit- und Verlaufsdaten zu einem Asset kann Probleme erkennen, die zum Ausfall eines Teils oder Geräts führen können. Im Vergleich zum kalenderbasierten Austausch von Anlagen ist die vorausschauende Wartung viel effektiver bei der Vermeidung von Ausfallzeiten und holt gleichzeitig die maximale Lebensdauer eines Teils oder einer Ausrüstung heraus. Daher ist vorausschauende Wartung eine Killer-App für kontinuierliche Intelligenz (CI).

Siehe auch: Echtzeitanalysen in großen, „brutalen“ Umgebungen

Solche Fähigkeiten können dabei helfen, Teile oder Geräte zu identifizieren, die wahrscheinlich vor ihrer geplanten Austausch- und Wartungszeit ausfallen werden. Der wahre Vorteil besteht darin, dass künstliche Intelligenz verwendet wird, um ein potenzielles Problem zu erkennen. Wenn diese Intelligenz dann von einem Expertensystem verwendet wird, können Warnungen gesendet werden, bevor Probleme auftreten, und Korrekturmaßnahmen auf der Grundlage der abgeleiteten Informationen können an die mit der Wartung der Ausrüstung beauftragten Personen geliefert werden. P>

Warum sind solche Fähigkeiten so wichtig?

Die Kosten für Ausfallzeiten in Branchen wie Fertigung, Luftfahrt, Energieexploration, Versorgungsunternehmen und Telekommunikation sind atemberaubend. Ein durchschnittliches Offshore-Öl- und Gasunternehmen erlebt etwa 27 Tage ungeplante Ausfallzeiten pro Jahr, was zu Verlusten in Höhe von 38 Millionen US-Dollar führen kann. In einigen Fällen kann diese Zahl bis zu 88 Millionen US-Dollar betragen.

Im Jahr 2018 kosteten ungeplante Wartungsarbeiten Fluggesellschaften über 20 Milliarden US-Dollar oder etwa 27 % aller Wartungsausgaben. Dies hatte einen kaskadierenden Effekt auf den Netzwerkbetrieb, da fast 3,8 % aller Flugverspätungen und -ausfälle durch Aircraft on Ground (AOG)-Ereignisse verursacht wurden. Die Quantifizierung dieser Probleme und der Vorteile der vorausschauenden Wartung zeigt, dass Daten und Analysen ungeplante Wartungsrechnungen fast halbieren könnten, wodurch Fluggesellschaften die damit verbundenen Kosten auf etwa 14 % der gesamten Wartungsausgaben senken könnten.

Die Rolle von CI in der vorausschauenden Wartung

CI basierend auf der Analyse von Sensor- und Internet of Things (IoT)-Daten kann dabei helfen, Zustandsänderungen in Geräten zu erkennen und Vorhersagen über die Ausfallwahrscheinlichkeit eines Assets zu treffen.

Warum wird C benötigt? Herkömmliche Ansätze zur Aufrechterhaltung des Wartens auf etwas, das schief geht, sind unglaublich schlecht fürs Geschäft. Und der Austausch von Teilen auf der Grundlage der kalenderbasierten Wartungspläne der Hersteller kann dazu führen, dass gute Teile ersetzt werden, lange bevor sie ausfallen.

Anstatt im Nachhinein zu reagieren, können CI-Einblicke in die Grundursache der Probleme, die zu Ausfallzeiten, Defekten, Ineffizienzen oder verpassten Gelegenheiten führen, im Voraus möglicherweise Kosten senken und die betriebliche Effizienz verbessern.

Industrien nutzen zunehmend IoT-Geräte, um diese Erkenntnisse zu sammeln, und verwenden die Geräte, um Informationen über jeden Aspekt ihrer Betriebsabläufe zu erhalten. Leider besteht ein Problem, auf das die meisten Unternehmen stoßen, darin, dass IoT-Geräte sehr große Datenmengen produzieren. Ein Branchenbericht schätzt, dass die vom IoT erzeugte Datenmenge bis 2020 4,4 Zettabyte erreichen wird, gegenüber nur 0,1 Zettabyte im Jahr 2013.

Die Nutzung dieser kontinuierlich anfallenden Daten erfordert neue Strategien. Die Daten können nicht einfach gespeichert und später analysiert werden. Echtzeitanalysen während des Datenstroms sind von großem Wert. Um Einblicke in solche Datenströme zu gewinnen, ergänzen viele Unternehmen die herkömmliche Analyse durch Echtzeit-Algorithmen für künstliche Intelligenz (KI) und maschinelles Lernen (ML). Ein solcher Ansatz ermöglicht es Unternehmen, Entscheidungsinformationen aus den Daten in einem Zeitrahmen zu gewinnen, der es einem Unternehmen ermöglicht, proaktive Maßnahmen zu ergreifen.

Insbesondere die industrielle Nutzung von KI und ML, die auf IoT-Daten angewendet werden, wird als großartige Möglichkeit angesehen, Wartungsprognosen und andere Aspekte des Betriebs zu verbessern. Der Grund:KI und ML können dabei helfen, Vorhersagen über komplexe Systeme zu treffen. Dies kann dazu beitragen, Maschinenausfallzeiten durch vorausschauende Wartung zu reduzieren.

Das einzige Hindernis, das die schnelle Einführung von CI für die vorbeugende Wartung verhindert, ist die Infrastruktur. Heutzutage verfügen die meisten Unternehmen nicht über die Infrastruktur, um die Vorteile von CI für das Streaming von IoT-Daten voll auszuschöpfen.

Was sind die Themen? Große Industrieunternehmen können Milliarden von Datensätzen von Maschinen, Sensoren und internen Geschäftsanwendungen sammeln. Wenn Unternehmen zu neuen IoT-Initiativen übergehen, ist es wichtig, neue Technologien und Prozesse in Betracht zu ziehen, die mit diesem enormen Datenstrom Schritt halten.