Smart Maintenance mit dem ITK Data Lab Framework
Potenziale aus ungenutzten Daten heben – mit dem ITK Data Lab Framework wurde ein Use Case zur automatischen Defekterkennung und Predictive Maintenance validiert. Auf diese Weise wird unser Kunde auf seinem Weg zur Smart Maintenance unterstützt.
Herausforderung: Smart Maintenance für die Überwachung von Zugtür-Systemen
Das zuvor implementierte Remote Tool zur Diagnose und Überwachung von Türsystemen von Zügen sammelt Diagnosemeldungen. Auf dieser Grundlage wurden Auswertungen, Datenauszüge und Visualisierungen erstellt. Durch die intelligente Auswertung von Millionen historischer Datenpunkten sollte die Instandhaltung und deren Planung effizienter gestaltet sowie eine vorausschauende Instandhaltung (Predictive Maintenance) etabliert werden. Folgende Fragestellungen wurden dabei berücksichtigt:
- Welche Potenziale und Use Cases stecken in den Diagnosedaten?
- Eignen sich diese Diagnosedaten für Predictive Maintenance?
- Welche Informationen aus Diagnose oder Instandhaltung fehlen gegebenenfalls, um Predictive Maintenance betreiben zu können?
- Wie hoch ist der potenzielle Nutzen im Vergleich zum generierten Aufwand?
Lösung: Schnelle Ergebnisse mit dem ITK Data Lab
Durch das ITK Data Lab wurden Potenziale in der bestehenden Datenpipeline schnell erkannt und aufgezeigt. Nach einer ersten explorativen Analyse wurden Hypothesen aufgestellt, mit relevantem Business Impact kombiniert und am Ende mehrere Use Cases identifiziert – wie das Defect Detection Tool und Predictive Maintenance.
Use Case: Defect Detection Tool
Durch die Nutzung von gesammelten Diagnosedaten wurde die Erkennungsrate defekter Türen deutlich angehoben. 30 Prozent der Ausfälle wurden auf diese Weise schneller automatisch erfasst. Das erhöhte vor allem die Verfügbarkeit der Türen. Zudem ergab sich für den Betreibenden durch die automatische Erkennung von Defekten eine bessere Planbarkeit der Instandhaltung.
Schlagworte wie Predictive Maintenance und Condition based Maintenance kursieren in der Bahnbranche seit geraumer Zeit. Doch bisher gibt es nur wenige umgesetzte Praxisbeispiele. Bereits bestehende Daten können wir mit unserem DataLab Framework schnell auswerten und unterstützen so unsere Kunden schon jetzt auf ihrem Weg zur smarten Instandhaltung.
Lennart Willms, Business Development Smart Maintenance
Mehrwert: Datenpotenziale schnell erkennen und effizient nutzen
Durch die Anwendung des vorentwickelten Data Labs, das künstliche Intelligenz für initiale Analysen einsetzt, lassen sich Potenziale auf dem Weg zur Smart Maintenance schnell identifizieren. Dabei sind durch den modularen Aufbau und den hohen Automatisierungsgrad schnelle Ergebnisse bei kurzer Laufzeit und geringen Kosten möglich. Zusätzlich wurde nach einem erprobten strukturierten Vorgehen gearbeitet, sodass man schnellstmöglich zur Wertschöpfung gelangt.
