Vorausschauende Wartung mit Amazon Lookout for Equipment
Kosteneinsparungen zur Maximierung der Gewinne waren schon immer eines der wichtigsten Unternehmensziele – denn man gewinnt viel, indem man nichts verliert. Im Zeitalter der Daten stehen uns Tools zur Verfügung, die diese Prozesse maximal effektiv machen, wie etwa die vorausschauende Wartung, mit der wir die Instandhaltungsprozesse von Anlagen optimieren können, um deren Leistung bestmöglich auszuschöpfen.
In diesem Beitrag konzentrieren wir uns auf den eigenen Cloud-Service von Amazon für diesen Zweck: Amazon Lookout for Equipment, den wir in einigen unserer Projekte als Partner von Amazon Web Services (AWS) einsetzen. Das Ziel ist dasselbe wie bei allen Systemen der vorausschauenden Wartung: Ausfälle und Stillstandszeiten zu minimieren, die Ausgaben für Ersatzteile zu senken, die Entscheidungsfindung zu verbessern – kurz: die Produktivität der Anlagen auf ein Maximum zu steigern. Aber wie funktioniert das?
Um Maschinen zu überwachen, müssen wir als Erstes die von ihnen erzeugten Daten erfassen. In diesem Zusammenhang kann Amazon Lookout for Equipment Inputs von bis zu 300 Sensoren verarbeiten und Aktivitätshistorien laden, auf deren Basis es seine Prognosen erstellt. Sobald die Rohdaten (Druck, Durchfluss, Umdrehungen pro Minute, Vibration, Temperatur, Leistung …) vorliegen, analysiert das System sie und nutzt maschinelles Lernen (Machine Learning), um diese Daten in verwertbare Informationen zu verwandeln, mit denen sich entsprechend den tatsächlichen Bedürfnissen der Maschinen handeln lässt – und nicht nach vorab festgelegten, realitätsfernen Wartungsplänen.
Die Tausenden von Datenpunkten, die die Sensoren liefern, werden automatisch gefiltert – auf Basis eines vordefinierten Modells, das den spezifischen Eigenschaften des Unternehmens entspricht. Ausgehend von den festgelegten Standardwerten zeigt das System anomale Verhaltensweisen der Maschinen an. Wird eine Veränderung irgendeines Parameters erkannt, ermittelt das Predictive-Maintenance-Tool von Amazon, welche Sensoren atypische Messwerte liefern, und weist auf das Ausmaß der registrierten Anomalie hin – was schnelle Reaktionen auf das Problem ermöglicht.
Machine Learning
Außerdem verbessert Amazon Lookout for Equipment seine eigene Leistung, da das System auf Machine Learning basiert und aus den Informationen der Bediener sowie deren Maßnahmen bei erkannten Abweichungen lernt
Präzise, verlässliche und in Echtzeit leicht interpretierbare Informationen ermöglichen schnelle Prognosen, mit denen frühzeitig gehandelt werden kann – bei den ersten Anzeichen eines Ausfalls oder einer Minderleistung einer Maschine. So gelingt es, wie wir gesehen haben, die Planung zu verbessern und ungeplante Stillstände sowie gravierende Ausfälle zu verhindern – kurz: die Ausfallzeit zu reduzieren und die Leistung der Maschinen zu steigern. Dadurch entstehen zudem Einsparungen bei Arbeitszeit und Ersatzteilen, da Komponenten nur dann ersetzt werden, wenn es tatsächlich notwendig ist, und nicht vorsorglich, wodurch ihre Lebensdauer verkürzt würde.