Analyze Concept

Unter dem Stichwort "Predictive Maintenance" summieren sich Technologien, die mittels Datenanalyse eine intelligentere Instandhaltung ermöglichen. - Bild: Melpomene – Fotolia.com

Analyze Concept

Unter dem Stichwort “Predictive Maintenance” summieren sich Technologien, die mittels Datenanalyse eine intelligentere Instandhaltung ermöglichen. – Bild: Melpomene – Fotolia.com

Big Data steht für eine große digitale Datenmenge, die von Unternehmen analysiert und ausgewertet wird. Aber ist “Big” wirklich die Art von Daten, um die es in den industriellen Anwendungen geht? Vielleicht sollte man hier besser von “Smart Data” anstatt von “Big Data” sprechen? Der Begriff ist oft passender.

“Big Data” wurde gerade durch Suchmaschinen wie Google und Social Media Netzwerke wie Facebook bekannt. Facebooks sogenannter Newsfeed, der in diesem Kontext Pionierarbeit leistete, feiert im September 2016 sein zehnjähriges Jubiläum. Das Sammeln von Daten zog immer weitere Kreise und findet in immer mehr Bereichen Einzug. Gerade in Feldern wie Marketing, Sales, IT und Geschäftsprozessen hat inzwischen das Analysieren von Daten nachhaltige Veränderungen ausgelöst.

Mitte der neunziger Jahre entwickelte die Gartner-Beraterin Jackie Fenn den sogenannten Hype-Zyklus, der bis heute Beratern für die Bewertung neuer Technologieprodukte- und Trends dient. Dargestellt wird der Hype in einem Diagramm, das die Aufmerksamkeit über die Zeit abträgt. Jährlich veröffentlicht Gartner den Hype-Zyklus. Bemerkenswert: 2015 war der Begriff “Big Data” nirgends zu finden. Das ist keine Überraschung: “Big Data” ist Alltag. Viel spannender ist die Frage, was Unternehmen mit den gesammelten Daten für ihren eigenen Betrieb machen können – beispielsweise in der Instandhaltung.

Hype in Sicht?

Gartner Grafik

Der Hype-Zyklus von Gartner für 2015: Big Data ist insgesamt bereits aus dem Hype-Stadium herausgewachsen. Wie aber wird die Industrie mit ihren gesammelten Daten umgehen? – Bild: Gartner

Bei genauem Blick auf die ermittelten Trendthemen des Zyklus aus dem Jahr 2015 findet sich der Begriff des “Machine Learning”, der es vom Stegreif auf in die zweite Phase geschafft hat. Ein Ersatz für Big Data?

Beim Machine Learning oder maschinellem Lernen geht es darum, dass ein System aus Erfahrung heraus Wissen generiert. Dabei lernt es aus Beispielen, nach Beendigung einer Lernphase, Verallgemeinerungen abzuleiten. So geschehen beispielsweise beim SPAM-Filter eines E-Mail-Clients, der von seinem Nutzer lernt, was dieser als SPAM einstuft und diesen nach gewisser Zeit automatisch erkennt. Gerade beim maschinellen Lernen wird deutlich, dass Smart Data wichtiger ist als reine Big Data. Durch die intelligente Auswertung der Daten erhält der Anwender einen größeren Nutzen.

Software

Cassantec Prognostics

Durch maschinelles Lernen, das die Software “Cassantec Prognostics” beherrscht, wird eine zustandsbasierte Verfügbarkeitsprognose für ein optimales Maschinen- und Anlagenmanagement erstellt.

Bisher war es lediglich möglich, etwa mit vorausschauender Diagnostik erste Frühwarnindikatoren für zukünftige Fehlfunktionen bei Anlagen zu erkennen. Wie viel Zeit aber bis zum Eintritt der Störung verbleibt, ergab sich für die Anlagenbetreiber nicht.
“Cassantec Prognostics” berechnet anhand von Prozess- und Zustandsdaten von der jeweiligen Maschine und mithilfe speziell entwickelter Algorithmen explizite zukünftige Risikoprofile und Restlebensdauern. Wartungspläne können entsprechend optimiert und damit unnötige Kosten durch frühzeitigen Austausch von Teilen oder ungeplante Störfälle vermieden werden.

Was bringt das Sammeln?

Cassantec Prognostics

Störungsrisiko noch im grünen Bereich: der Zustands- und Prognoseberich einer Rohrturbine, erstellt mithilfe des Programms Cassantec Prognostics. Er bietet die Vorhersage der exakten Zeiträume, in denen Störungen auftreten können. – Bild: Cassantec

Je größer das Datenvolumen, umso eher sollte die Frage gestellt werden, wie Unternehmen diese Daten sinnvoll nutzen. Es ist unsinnig, große Mengen an Daten zu sammeln, anstatt sie aktiv zu verwerten.

Unter dem Stichwort “Predictive Maintenance” summieren sich Technologien, die mittels Datenanalyse eine intelligentere Instandhaltung ermöglichen. Dabei existieren verschiedene Methoden, um Daten für die Instandhaltung zu interpretieren. Die Grundlage ist das Condition Monitoring, welches den Ist-Zustand einer Anlage zeigt und dabei zusätzlich zu den Prozesssystemen große Datenmengen erzeugt.

Darauf aufbauend weckt Predictive Analytics bei Anlagenbetreibern die Neugier. Hier werden die Daten so von der Software interpretiert, dass der aktuelle Ist-Zustand einer Maschine aufgezeigt wird und Frühwarnungen für sich anbahnende Störungen ausgelöst werden. Doch hier ist das Ende der Möglichkeiten noch nicht erreicht. Durch sogenannte zustandsbasierte Prognosen können Unternehmen wie die Cassantec AG dank intelligenter Interpretation von Daten Wahrscheinlichkeiten über künftige Maschinenzustände ausgeben.

Kein Ende von Hypes in Sicht

Daten sind der Treibstoff des 21. Jahrhunderts. Doch der Hype um englische Begriffe wie “Big Data” zeigt auch, dass jeder Trend seinen Zenit einmal erreicht. Es gilt, Ruhe zu bewahren und gezielt zu handeln. Auch beim maschinellen Lernen oder “Smart Data” handelt es sich zunächst einmal um Trendthemen, bei denen Unternehmen den vollen Nutzen für ihre Arbeit noch entdecken müssen. Pioniere auf dem Gebiet werden sich künftig noch von Trittbrettfahrern absetzen. Dem Trend hin zum intelligenten Nutzen von Daten kann sich aber kein Unternehmen entziehen.

Moritz von Plate

Kontakt:
Cassantec GmbH, Tel.: +49 30 590083 300, E-Mail: info@cassantec.com