Maschinendaten effizienter verwenden

Daten intelligent zu nutzen ist und bleibt Zukunftsthema für die Industrie. Visionäre wie die Zürcher Cassantec AG unterstützen Unternehmen dabei, mit stochastischen Algorithmen ihre Maschinendaten effizienter zu verwenden. Durch die Analyse erhalten Betriebe die Information, wann in der Zukunft die Wahrscheinlichkeit einer Störung wie hoch ist. Für dieses Ergebnis durchläuft Cassantec mit seinen Kunden insgesamt drei Schritte. „Bereits zu Beginn während der Konfiguration erkennen Unternehmen das große Potenzial ihrer Daten und verstehen ihre Anlagen besser“, erläutert Moritz von Plate, CEO von Cassantec.

Rock ’n‘ Roll in der Instandhaltung
Ohne vorherige Kenntnis erscheint die Datenanalyse komplex und für viele Kunden schwierig. „Wenn wir mit einem neuen Projekt beginnen, lassen sich die Phasen grob in drei Schritte zusammenfassen“, erklärt von Plate. Im ersten Schritt ermitteln Unternehmen gemeinsam mit Cassantec den Zustand der Anlage auf Basis aktueller und historischer Zustands- und Prozessdaten. Derartige Daten zu besitzen ist eine Voraussetzung, um Prognosen für Anlagen herzustellen. „Wir zeigen den Unternehmern, dass sie diese benötigten Daten in der Regel schon besitzen und wie sie sie interpretieren können.“ Bereits dieser erste Arbeits-schritt ermöglicht die Unterstützung eines ROCK-Programms. ROCK steht dabei für „Retention of Critical Knowledge“ und zielt darauf ab, kritisches oft unstrukturiertes Wissen von Mitarbeitern für nachfolgende Mitarbeiter zu dokumentieren und weiterzugeben.

„Für Unternehmen wird Knowledge-Management immer wichtiger. Mitarbeiter bleiben nicht mehr für Jahrzehnte im Unternehmen oder arbeiten häufig projektbezogen. Hier das Wissen sinnvoll aufzubereiten, hilft Unternehmen nichts zu verlieren“, meint von Plate. Die Implementierung von Cassantec Prognostics, dem Produkt von Cassantec, unterstützt diesen Prozess, indem während der Konfigurationsphase genau diese kritischen Daten einer Maschine erkannt und analysiert werden. „Ein enormer Gewinn an Wissen.“

Ungeahnte Möglichkeiten
Um danach die Daten für den Einsatz der zustandsbasierten Prognosen vorzubereiten, setzt Cassantec diese mit spezifischen Störungsarten der Komponente und datenbasierten Störungsmerkmalen in Beziehung. „Auch hier zeigen wir unseren Kunden auf“, erörtert von Plate. Im finalen Schritt erstellt der Anbieter den Prognosebericht, der sowohl die Restlebensdauer als auch einzelne Störungspotenziale anzeigt. Diese Prognoseberichte werden auf Wunsch für die gesamte Maschinenflotte berechnet. Sie ermöglichen einen flottenweiten Lernprozess, wodurch Daten dazu genutzt werden, bessere Entscheidungen bezüglich der optimalen Asset Strategie zu treffen. „Wir bereiten die Daten neu auf und vermitteln dem Kunden so ein Wissen, das er in vielen Entscheidungsprozessen verwenden kann. Es spart ihm Zeit, Geld und unterstützt den unternehmerischen Prozess des Knowledge-Managements. Die Möglichkeit, dieses Wissen auch auf ähnliche Maschinen und Komponenten anzuwenden, ist mit Geld nicht aufzuwiegen“, resümiert von Plate.