Datenanalyse

Vorausschauende Wartung mit Amazon Lookout für Geräte

Maschinelles Lernen

Camión Logística

Kosten zu sparen, um den Gewinn zu maximieren, war schon immer eines der wichtigsten Unternehmensziele, denn man gewinnt viel, wenn man nicht verliert. Im Zeitalter der Daten haben wir Werkzeuge, die diese Prozesse zu maximaler Effektivität bringen, wie im Fall der vorausschauenden Wartung, die es uns ermöglicht, die Prozesse der Anlagenpflege zu optimieren, um die maximale Leistung aus ihnen herauszuholen.

In dieser Publikation konzentrieren wir uns auf den von der Amazon Cloud für diesen Zweck angebotenen Dienst Amazon Lookout for Equipment, den wir in einigen unserer Projekte als Partner von Amazon Web Services (AWS) einsetzen. Das Ziel ist das aller vorausschauenden Wartungssysteme: Ausfälle und Stillstandszeiten minimieren, die Ausgaben für Ersatzteile reduzieren, die Entscheidungsfindung verbessern, kurz gesagt, die Anlagen auf ihr maximales Produktivitätsniveau bringen. Aber wie macht man das?

Um Maschinen zu überwachen, müssen wir zunächst die Daten erfassen, die sie erzeugen. In diesem Sinne können Sie mit Amazon Lookout for Equipment Eingaben von bis zu 300 Sensoren verwalten und historische Aktivitäten laden, mit denen Sie Ihre Prognosen erstellen können. Sobald das Rohmaterial vorliegt (Druck, Durchfluss, Drehzahl, Vibration, Temperatur, Leistung…), analysiert es diese und wendet maschinelles Lernen an, um diese Daten in nützliche Informationen umzuwandeln, mit denen entsprechend den tatsächlichen Bedürfnissen der Maschine gehandelt werden kann, und nicht auf der Grundlage von voreingestellten Kalendern, die der Realität der Anlage fremd sind.

Die tausenden von Daten, die von den Sensoren geliefert werden, werden automatisch gesichtet, basierend auf einem vorher erstellten Modell, das den spezifischen Eigenschaften des Unternehmens gehorcht. Basierend auf den ermittelten Standardregistern zeigt das System das anomale Verhalten der Maschine an. Bei der Erkennung der Veränderung eines beliebigen Parameters ermittelt das prädiktive Wartungstool von Amazon, welche Sensoren atypische Messungen aufweisen, und warnt vor dem Umfang der aufgezeichneten Anomalie, was eine schnelle Reaktion auf das Problem ermöglicht.

Maschinelles Lernen

Da das System auf maschinellem Lernen basiert, verbessert Amazon Lookout for Equipment darüber hinaus seine eigene Leistung, indem es aus den von den Bedienern bereitgestellten Informationen und ihren Aktionen als Reaktion auf die erkannten Abweichungen lernt. Sobald also ein Parameter aufgedeckt wird, der von der autorisierten Norm abweicht, und eine Warnung ausgegeben wird, wertet das System die menschliche Reaktion aus (ob sie zu einem Stopp geführt hat, ob es sich um einen Fehlalarm handelte, ob die Maschine weiterarbeiten darf usw.), um die ausgegebenen Warnungen immer genauer zu machen. Dieses Tool kann z. B. lernen, dass ein Anstieg von X Grad nicht wichtig ist, wenn er nicht von einem gleichzeitigen Anstieg des Drucks begleitet wird, also wird es mit der Alarmierung warten, wenn diese Faktoren zusammenkommen und es wirklich wichtig ist, die Arbeiter zu informieren.

Genaue, präzise und leicht zu interpretierende Informationen in Echtzeit zu haben, ermöglicht es, schnelle Prognosen zu erhalten, um bei den ersten Anzeichen eines Ausfalls oder einer schlechten Leistung einer Maschine frühzeitig zu handeln. So ist es, wie wir gesehen haben, möglich, die Planung zu verbessern und ungeplante Stillstände und Ausfälle zu vermeiden, kurz gesagt, die Ausfallzeiten zu reduzieren und die Maschinenleistung zu erhöhen. Daraus ergeben sich auch Einsparungen bei Arbeitszeit und Ersatzteilen, da Teile nur dann ausgetauscht werden, wenn es wirklich notwendig ist und nicht präventiv, was ihre Lebensdauer verkürzt.