Echte prädiktive Wartung dank innovativer Topologie

Chen Linchevski: Mit Precognize sind wir in der Lage, den gewaltigen Datenberg eines Industrieunternehmens umfassend zu analysieren und tief in der Anlagenstruktur verwurzelte Fehler und Anomalien zu erkennen und zu beheben.

Dr. Andreas Widl: Darüber hinaus ist es mit dieser Technologie jetzt möglich, das enorme Domänenwissen der Anlagenbetreiber und Bediener in einem digitalen Modell topologisch und prozesstechnisch übersichtlich abzubilden.

Dr. Thomas Steckenreiter: Bisher gab es außerdem noch keine Lösung, die in der Lage war, diese detaillierte Topologie mit den einzelnen Feldgeräten und den in den Daten dokumentierten Fehlermeldungen in Verbindung zu setzen.

Linchevski: Was wir mit dieser Lösung anbieten, ist echte Predictive Maintenance. Wir analysieren die Daten, finden Abweichungen und können sie in Beziehung zu bestimmten Feldgeräten setzen. 

Linchevski: Sie können z. B. Störungen oder Ausfälle eines Ventils nicht zuverlässig vorhersagen. Was sie aber anhand der aufgezeichneten Daten der Sensoren dieses Ventils erfassen können ist, dass sich die Messergebnisse verändern. Die Abweichungen, bei uns Anomalien genannt, häufen sich.

Widl: Das ist richtig. Das Problem bleibt allerdings, dass diese Software-Lösungen dem Anlagenbetreiber diese Anomalien ungefiltert anzeigen. Er weiß dann zwar, dass etwas nicht richtig funktioniert, kann aber immer noch keine richtige Aussage darüber treffen, was genau die Ursache dafür ist. Unsere Technologie kann ihm bis auf die Sensorebene genau sagen, wo der Fehler liegt.

Linchevski: Wir haben mit SAM GUARD auf der Basis von Precognize ein Software-Werkzeug entwickelt, mit dem wir die Topologie einer Maschine, einer Anlage oder sogar eines gesamten Werks erfassen können. Dafür scannen wir die Anlage rund zwei Wochen lang und lernen dabei, welche Prozesse vom Anlagenbetreiber wie durchgeführt werden. Am Ende können wir genau sagen, welches Ventil und welcher Sensor, in welche Prozesse eingebunden ist.

Linchevski: Ich würde es eher als eine digitale Karte bezeichnen. Diese digitale Topologie setzen wir in Verbindung mit unserem Algorithmus, der den ständigen Datenfluss der Feldgeräte permanent auswertet und analysiert. In der Praxis können wir dadurch Anomalien isolieren und mit Hilfe des digitalen Modells aufzeigen, ob sie auf ein spezifisches Problem hinweisen.

Linchevski: Genau. Die Kernkompetenz der Technologie ist es, prädiktiv aus tausenden Feldgeräten die Komponenten zu identifizieren, die in Zukunft überprüft, ausgetauscht oder repariert werden müssen.

Linchevski: Das System basiert auf einem Algorithmus, der die Anomalien zuordnet und sie in Beziehung zu bestimmten Feldgeräten setzt. Bevor er dazu in der Lage ist, müssen wir ihn mit historischen Datensätzen trainieren. Auf dieser Grundlage erstellt unser Algorithmus dann sog. Normality-Cluster. Er steckt sozusagen die Grenzen des Normalbetriebs immer detaillierter ab und kann so neu auftretende Störungen oder Ausfälle schnell und zuverlässig identifizieren. In einem zweiten Schritt können wir dann auf Grundlage des digitalen Anlagenmodells die Anomalien zuordnen und mittels einer HMI-Schnittstelle visualisieren.

Steckenreiter: So könnte man es sagen. Durch die Lösung dieser Probleme können Sie mit dieser Technologie Ihre Anlage nachhaltig optimieren, weil Sie durch die topologische Verknüpfung vorher unbekannte Abhängigkeiten zwischen Feldgeräten und Maschinen erkennen und zukünftige Fehler im Anlagenbetrieb vermeiden können.

Linchevski: Darüber hinaus lernt die Technologie bei jeder neuen Anomalie dazu und fordert das Feedback des Betreibers ein, um sich weiterzuentwickeln. So lernt das System durch jeden Störfall unabhängig von der Art der Feldgeräte etwas dazu.

Steckenreiter: Nein, das System kann unabhängig von den zu überwachenden Devices eingesetzt werden. Sie können damit Sensoren, Ventile, Pumpen oder ganze Anlagen mit mehreren Tausend Feldgeräten unterschiedlichster Güte überwachen. Die Methodik unterscheidet sich nicht.

Widl: Ein weiterer Vorteil ist, dass verschiedene Arbeitsgruppen unterschiedliche Teilbereiche des Tools nutzen können. Sie können z. B. dem Service-Team für Sensorik im HMI nur den Sensor-Monitor zur Verfügung stellen, während das Ventil-Team beispielsweise nur den Ventil-Monitor zu Gesicht bekommt.

Linchevski: In jedem Fall. Wir müssen die Sprache des Kunden sprechen, sonst würde die Software schlicht nicht akzeptiert werden. Bei der Erstellung des digitalen Modells und auch bei der Analyse sind wir daher nicht auf spezielle Semantiken beschränkt, denn unsere Software unterstützt alle gängigen Maschinensprachen.

Linchevski: Ja, das ist durchaus denkbar. Im Grunde ist dies auch keine technologische Fragestellung, sondern eher abhängig vom Geschäftsmodell. Mit Precognize können wir sehr viele Informationen in Beziehung setzen und schaffen so viele Möglichkeiten, die wir aber erst in einigen Jahren vollends ausnutzen können. Wir stehen hier noch am Anfang der Entwicklung.

Linchevski: In Zukunft erhoffen wir uns, mit Precognize neben vorausschauender Wartung auch Presricptive Maintenance anbieten zu können. Das wäre die nächste Stufe unserer Evolution. Wenn das System also eine Anomalie erkennt, kann es den Fehler nicht wie heute nur zuordnen, sondern direkt die entsprechenden Prozesse einleiten.