Automatische Auswertung umfassender Datenbestände
Jedes CMS produziert im Einsatz permanent Daten. Üblicherweise werden diese im Rahmen einer vorausschauenden Instandhaltung allerdings nach kurzer Auswertung wieder verworfen. Sollen die Informationen länger zur Verfügung stehen, werden die Datensätze zwar archiviert, aber in den meisten Fällen infolge der durch die zahlreichen Mess- und Prozesswerte entstehenden Datenflut nicht detailliert ausgewertet. „In den Daten steckt jedoch der Schlüssel für ein effektives Management der Instandhaltung, für optimale Ersatzteilbevorratung und eine zugeschnittene Personalplanung“, erläutert Enge-Rosenblatt. Aus diesem Grund bezieht die Methode der Forscher neben den bei der Zustandsüberwachung üblicherweise abgefragten Sensorwerten bei Bedarf auch aus der Steuerung bekannte Größen sowie Kenntnisse über die aktuelle Belastung der Maschine oder Anlage mit ein. Dann werden Daten, die unter gleichartigen Betriebsbedingungen entstanden sind, in ‚Informationspools‘ zusammengefasst.
Autonome Arbeitsweise entlastet den Bediener
Eine automatische Routine ermittelt für alle Datensätze innerhalb dieses Pools dann eine hinreichend große Zahl statistischer Kennwerten. Hier kann der Anwender bei Bedarf Einfluss nehmen, oder die Berechnung autark innerhalb der Monitoring-Lösung ablaufen lassen. Aus dieser Basis werden ebenfalls automatisch die am besten zur Unterscheidung der bekannten Zustände geeigneten Kennwerte oder Kennwertkombinationen herausgezogen. Das geschieht durch eine im Rahmen des Projektes entwickelte Kombination mathematischer Verfahren. So entsteht als Ergebnis ein relativ kleiner Satz an Merkmalen, mit dessen Hilfe die Datensätze klassifiziert werden können. Der hohe Grad an Automatisierung bei der Verarbeitung und Analyse ermöglicht einerseits, trotz hoher Datenmenge, den Informationsfluss innerhalb der CMS-Prozesse permanent zu beherrschen. Die automatische Arbeitsweise benötigt zudem in der Regel wenig Eingriff seitens des Bedieners. „Dadurch können ohne viel Aufwand ‚verborgene Schätze‘ aus dem Datenfriedhof gehoben werden“, schildert Enge-Rosenblatt. Dabei stehe für den Betreiber im Fokus, durch eine auf umfassende Prozessdaten gestützte, prädiktive Instandhaltungsstrategie Kostenvorteile zu erzielen: Zum einen kann bei Geräten und Komponenten die Anzahl der Betriebsstunden bis zu einer notwendigen Wartung oder einem erzwungenen Austausch durch eine entsprechende Verschleiß – und Toleranzüberwachung nicht selten entscheidend erhöht werden. Zum anderen lässt sich über diesen Ansatz auch die bereitzustellende Bandbreite an Ersatzteilen zielgerichtet verschlanken, während gleichzeitig das Risiko eines Ausfalls besser beherrscht werden kann.
Zusammenspiel von Analyse und Software-Automation
Auch für Hersteller, die Maschinen und Anlagen mit CMS-Funktionalität versehen, verspricht eine prädikative Vorgehensweise Vorteile. Diese wurden beispielsweise bei Interroll, einem Hersteller von Schlüsselprodukten für die interne Logistik und einem Entwicklungspartner der Fraunhofer-Forscher, nachgewiesen: Für solche Anbieter sinkt nicht nur das Risiko für Garantieleistungen; die Intelligenz dieses Systems kann auch einen Wettbewerbsvorteil durch das Erschließen neuer Servicemodelle und höherer Anlagenverfügbarkeit bedeuten. So hat der Ansatz, automatische Datenanalyse und selbstlernende Klassifikation zu vereinen, das Potenzial, die Vorteile eines CMS mit der einfachen Bedienbarkeit einer autonom arbeitenden Software zu verbinden. Dadurch ergibt sich eine hohe Breite an Anwendungen – von der Instanbdhaltung bis hin zu Service-Modellen.
