Predictive Maintenance
Viel mehr vorher wissen
Predictive Maintenance hat sich längst als Schlagwort und eingeführte Methode etabliert. Der Anbieter Aiomatic will diese dank einer innovativen Software auf ein neues Level heben.
Die cloud-basierte Software-Lösung im Bereich Predictive Maintenance von Aiomatic aus Hamburg wertet Sensordaten von Maschinen auf eine neue Art und Weise aus und visualisiert sie anschließend. Diese eigens entwickelte Software kombiniert die Vorteile statistischer Verfahren mit denen neuronaler Netze. Das Ziel, das Aiomatic als neuartiger Anbieter verfolgt, ist eine unbeaufsichtigte, vollautomatische Überwachung von Maschinen, die Ausfälle im Voraus erkennt, den idealen Zeitpunkt für Wartungsarbeiten vorhersagt und damit nicht nur Kosten und Zeit spart, sondern auch die Langlebigkeit von Maschinen erhöht.
Kundenproblem
Die Nachfrage nach einer funktionierenden Predictive Maintenance Lösung ist groß. Dies lässt sich anhand der hohen Verluste von jährlich 852 Milliarden Euro, die die globale Industrie durch ungeplanten Maschinenstillstand erleidet, belegen, und ist etwas, dass der tägliche Austausch mit den Kunden bestätigt.
Bisherige Wartungsmethoden sind fehlerhaft, kostenintensiv und unflexibel. Besonders deutlich wird dies am Beispiel der Automobilindustrie, die auch nach Jahren der Investition in Automatisierung und intelligente Systeme durch Ausfälle immense Kosteneinbußen verbucht. Im Durchschnitt verlieren Autowerke 29 Produktionsstunden pro Monat. Jede Stunde Ausfall kostet hier 1,3 Millionen US-Dollar. „Unser erklärtes Ziel ist es, diesen Zustand zu ändern und die Industrie mit unserer Methode zu revolutionieren“, heißt es bei Aiomatic.
Kundennutzen
Die Kunden sollen davon profitieren, dass der Anbieter genaue Angaben machen kann, wann eine Maschine ausfallen wird, um diese dadurch gezielt abzuschalten und warten zu können. Zudem lässt sich bestimmen, welche Komponente fehlerhaft ist und repariert oder ausgetauscht werden muss.
Auf diese Weise verringern sich nicht nur die Ausfallzeiten und die Anlagenverfügbarkeit erhöht sich, insgesamt ist auch eine bessere Planbarkeit der Ressourcen für die Instandhaltungsarbeiten gewährleistet. Dies reduziert Material- und Wartungskosten, senkt die Betriebskosten und erhöht die Rentabilität der Investition. Zudem ermöglicht dies mehr Sicherheit und nachhaltigeres Wirtschaften. „Auf den Punkt gebracht helfen wir Kunden also dabei, das volle Potenzial ihrer Maschinen ausnutzen zu können“, so die Aussage von Aimomatic.
Geschäftsprozess
Um dieses Ziel zu erreichen, sieht der Geschäftsprozess wie folgt aus: Bei einem eintägigen Workshop besprechen die Experten des Unternehmens mit den Kunden den konkreten Anwendungsfall und legen Ziele für das Projekt fest. Anschließend folgt ein Qualitätscheck der vorhandenen Daten. Sind noch keine Daten verfügbar oder genügen diese den Qualitätsanforderungen nicht, unterstützt Aiomatic seine Kunden bei dem Aufsetzen einer Schnittstelle und der Nachrüstung von Sensoren, zum Beispiel durch die Vermittlung von Kooperationspartnern.
Während einer ungefähr dreimonatigen Proof of Concept Phase wird der hauseigene Algorithmus an den Anwendungsfall angepasst und das neuronale Netz trainiert. Danach startet die webbasierte Live-Überwachung im monatlichen SaaS-Modell. Dabei können die Anwender den Vitalitätszustand ihrer Maschinen über das individualisierte Dashboard live überwachen, bekommen Handlungsempfehlungen ausgesprochen und können rechtzeitig auf Veränderungen reagieren.
Innovativer Charakter
Das Innovative an seiner Software ist laut Aiomatic die einzigartige Verknüpfung von Statistik und neuronalen Netzen und die Vorteile, die sich aus der Kombination beider Methoden ziehen lassen. Von der Statistik profitiert das Unternehmen durch das theoretische Fundament sowie die höhere Robustheit durch Wahrscheinlichkeitsberechnungen. Zudem werden durch sie keine gelabelten Daten benötigt.
Die neuronalen Netze ermöglichen eine hohe Skalierbarkeit, da durch sie riesige Datenmengen analysiert werden können und sie flexibel einsetzbar sind. „Durch die Verknüpfung beider Methoden ist es uns möglich, die Probleme der am Markt bestehenden Lösungen zu beheben und Predictive Maintenance auf ein neues Level zu bringen“, so das abschließende Fazit.
Bilder: aiomatic solutions GmbH, Unsplash
Kontakt
20457 Hamburg
DEUTSCHLAND
ai-omatic.com
