Prädiktive Wartung, eine Technologie, die sich immer mehr durchsetzt, aber weißt Du auch, warum? Um das herauszufinden, nehmen wir ein Produkt: Der Aufzug. Er ist ein perfektes Beispiel für die Möglichkeiten und Herausforderungen, die sich aus der Nutzung von künstlicher Intelligenz für die Einführung von vorausschauender Wartung ergeben.
Seit einigen Jahren kann man Aufzüge über ein GSM-Gateway verbinden, wodurch sie zu einem vernetzten Objekt wurden.
Heute kommunizieren viele Aufzüge über dieses Gateway in Echtzeit mit einer KI-Schnittstelle über 3G- und 4G-Netze und ist somit Teil der KI-Welt.
Dieses GSM-Gateway ermöglicht die Kommunikation zahlreicher Daten, die von Sensoren gesammelt werden, die strategisch an allen Ausrüstungen des Aufzugs (Kabine, Motor, Seile usw.) angebracht sind.
So ist es möglich, mithilfe dieser skalierbaren Technologie die Vorboten von Pannen zu erkennen und einzugreifen, bevor es zu einer Panne kommt. Der Aufzug wird dadurch sicherer und zuverlässiger, seine Wartung billiger und verantwortungsbewusster.
Eine Aufgabe: Smart Building. Eine Lösung: Künstliche Intelligenz
Wenn man sich die derzeitige Rolle eines Aufzugbetreibers ansieht, besteht sie zum Teil aus Wartungsarbeiten, die er in Zusammenarbeit mit den Eigentümergemeinschaften und Gebäudeverwaltern durchführt.
Wir treten jedoch Schritt für Schritt in die Welt des Smart Building ein, das die Rolle aller Beteiligten in der Gebäudeverwaltung neu verteilen wird.
Um sich als wichtiger Akteur im Smart Building zu etablieren, haben sich die wichtigsten Aufzugsunternehmen zum Ziel gesetzt, eine Wartung 2.0 zu entwickeln, die ihnen die Möglichkeit gibt, zu handeln, bevor es zu einer Panne kommt, und die Nutzung von Aufzügen sicherer zu machen.
So wird die traditionelle Wartung durch eine vorausschauende Wartung ersetzt, die durch den Einsatz künstlicher Intelligenz ermöglicht wird. Denn die Gesamtheit der Daten, die von jedem angeschlossenen Aufzug gesammelt werden, ermöglicht es, eine KI zu erstellen, die die Daten analysiert, um in der Lage zu sein, Warnzeichen für Pannen und Anomalien zu erkennen, bevor es zu einer Panne kommt.
So wurde bei Schindler Frankreich am Hauptsitz in Vélizy Villacoublay ein Zentrum für Prädiktive Wartung eingerichtet, das die gesamte Aufzugsflotte in Echtzeit unter vorausschauender Wartung überwacht. Die Anzeichen von Pannen werden klassifiziert, und die dringendsten Fälle führen zu einer automatischen Anfrage an das Technikernetzwerk vor Ort, das die Ursache des Problems bereits vor dem Eingriff kennt. Die weniger dringenden Probleme werden beim nächsten Wartungsbesuch oder direkt von den Mitarbeitern des Zentrums für vorausschauende Wartung behoben, die aus der Ferne auf ein Gerät zugreifen können.
Wenn zum Beispiel der Sensor, der die Vibrationen des Motors analysiert, eine Anomalie feststellt, löst er automatisch den Eingriff eines Technikers aus, der direkt über das Problem informiert wird.
Prädiktive Wartung: Der Einsatz von künstlicher Intelligenz mehr als sinnvoll
Die Einführung der vorausschauenden Wartung von Aufzügen ist dank der Analyseleistung der KI möglich, die in der Lage ist, eine sehr große Anzahl von Daten fast sofort zu analysieren.
Darüber hinaus ist diese Technologie in der Lage, den Betrieb eines Aufzugs jeden Tag neu zu erlernen, basierend auf den Diagnosen, die bestimmte Faktoren auf die Gesundheit des Geräts haben können. So schärft das System sein Fachwissen mit der Menge an gesammelten Daten, die mit der Zeit und der Anzahl der angeschlossenen Geräte steigt.
Um dieses Projekt zu bewältigen, entschied sich KONE für eine Partnerschaft mit der IBM Watson-Plattform, dem Marktführer im Bereich des Internets der Dinge und der Datenanalyse. Die Leistungsfähigkeit von IBM Watson hat sich bereits in anderen Branchen, wie z. B. der Avionik, bewährt.
Weiterführende Informationen...
Die Anzeichen von Ausfällen werden mithilfe von Analysewerkzeugen erkannt, die alle von den Sensoren gesammelten Daten nutzen.
Zu diesen Werkzeugen gehört auch Machine Learning, die Technologie der Künstlichen Intelligenz, die die Analyse von Daten durch die Erstellung von Algorithmen des maschinellen Lernens ermöglicht.
Im Allgemeinen wird Machine Learning in allen Projekten zur vorausschauenden Wartung eingesetzt.
Letztendlich wird diese intelligente und personalisierte Wartung es den Unternehmen ermöglichen, ihre Maschinen zuverlässiger zu machen, ihre Verfügbarkeit zu erhöhen und die Wartungskosten sowie den CO2-Fußabdruck deutlich zu senken.
Data Science wird sich in allen Fachbereichen durchsetzen, daher ist es wichtig, dass du deine Data-Science-Kompetenzen ausbaust, um die Herausforderungen und Probleme der Zukunft zu verstehen.
