KI-basierte vorausschauende Instandhaltung

KI-basierte vorausschauende Instandhaltung

Unterstützt durch die juS.TECH AG überwacht ein Anbieter für Sicherheitsprodukte und -lösungen den Zustand großer elektrischen Anlagen mithilfe von KI. Die Lösungen des aufgrund eines NDAs hier nicht namentlich genannten Unternehmens kommen unter anderem in Schienennetzen zum Einsatz. Das international operierende Unternehmen ist ein sogenannter Hidden Champion mit mehr als 1.000 Mitarbeiter*innen, einem Umsatz von über 200 Millionen Euro in 2022 und gehört zu den Kunden der juS.TECH AG. Diese bietet Lösungen für nachhaltige Digitalisierung von Produktion, Logistik und Unternehmensprozessen. juS.TECH hat sich darauf spezialisiert, Automatisierungstechnologien im Produktionsumfeld mit finanziellen und nicht-finanziellen Kennzahlen zu verknüpfen.

Fehlalarme durch äußere Einflüsse

Im Umfeld von größeren elektrischen Anlagen und Netzen kann es zu Fehlern des Isolationswiderstandes (elektrischer Widerstand von elektrischen Anlagen) kommen. Daher sind Messgeräte zur kontinuierlichen Überwachung des Isolationswiderstandes vorgeschrieben. Solche Messgeräte erkennen Isolationsfehler und lösen bei der Überschreitung eines bestimmten Grenzwertes ein Alarmsignal aus. Die technologische Anwendung wird ganz unterschiedlich eingesetzt, beispielsweise in Krankenhäusern, Schienennetzen oder Schiffen. Die Herausforderung besteht darin, dass nicht jedes ausgelöste Alarmsignal zwingend auf eine Fehlerursache zurückzuführen ist, die das Eingreifen eines Technikers erfordert. Dies kann zu finanziellen und zeitlichen Verlusten führen. Die meisten ausgelösten Alarme verschwinden ohne weiteres Eingreifen, da äußere Einflüsse wie die Luftfeuchtigkeit der Umgebung eine natürliche Veränderung der gemessenen Werte verursachen.

Prognose mittels KI-Algorithmus

Mittels der Analyse von Korrelationen zwischen den Umgebungsparametern und den gemessenen Werten wird eine Prognose erstellt. Mit dieser lässt sich eine Aussage darüber treffen, ob ein ausgelöster Alarm auf einen relevanten Fehler hinweist oder es wahrscheinlicher ist, dass Veränderungen der Umgebungsbedingungen Auslöser für den Alarm sind. Das kann vorliegen, wenn sich viele kleine, unerhebliche Schäden aufsummieren und einen Alarm auslösen. Dieser Ansatz der Korrelation mit Umgebungsparametern ermöglicht es, den Kontext der Alarme besser zu verstehen und relevante von nicht relevanten Warnungen zu unterscheiden. Die besten Ergebnisse konnten dabei mithilfe eines Random Forest Modell erzielt werden. Als Random Forest wird ein auf Entscheidungsbäumen basierender KI-Algorithmus bezeichnet. Die Kombination mehrerer Entscheidungsbäume ermöglicht eine höhere Genauigkeit der Vorhersagen. In diesem Praxisbeispiel trägt ein Random Forest Modell dazu bei, die Komplexität der Korrelation zwischen den Parametern zu vereinfachen und zu verstehen, um so die Prognosen über mögliche Auslöser für Alarmsignale zu verbessern. Vorteilhaft an dieser Methodik ist ebenfalls, dass der Lösungsweg nicht vom spezifischen Einsatzgebiet abhängig ist, da auch die relevanten Parameter nicht vom Einsatzgebiet abhängig sind.

Verbesserung der Zuverlässigkeit kritischer Infrastrukturen

Der Einsatz von KI ermöglicht die Überwachung von Umgebungsparametern wie Feuchtigkeit, Regen und Temperatur sowie das Identifizieren von deren Auswirkungen auf die elektrischen Anlagen, um bestimmte Schäden vorherzusehen. So kann der Systemzustand in Echtzeit beurteilt, Strecken- und Ausrüstungszustände bewertet und Abweichungen frühzeitig erkannt werden – bevor Ausfälle auftreten. Mithilfe dieses Wissens kann das Unternehmen die Anlagen vorausschauend Instandhalten. Reparaturen oder der Austausch von Ausrüstung werden umgesetzt, bevor geschäftskritische Betriebsstörungen auftreten. So kann eine langfristige Verbesserung hinsichtlich der Zuverlässigkeit des Betriebs kritischer Infrastrukturen mittels geeigneter KI-Algorithmen erreicht werden, ohne aufwändigem Nachrüsten von Hardware. Somit dient der Einsatz von KI auch der Verringerung des Materialverbrauchs. Angewandt im Bahnverkehr besteht so die Möglichkeit, Technikerfahrten zu den Bahnstrecken zu vermeiden und die Zuverlässigkeit des Bahnbetriebs zu erhöhen.

Die KI-gesteuerte Herangehensweise trägt zur Nachhaltigkeit bei, da weniger Geräte ersetzt werden müssen, Reparaturen Priorität vor Neuanschaffungen haben und die Lebensdauer der Geräte verlängert wird. Somit ist das Unternehmen in der Lage synergetisch Kosten einzusparen und die eigenen Nachhaltigkeitsziele zu erreichen. Das minimiert transformationsbedingte Risiken und kommt dem öffentlichen Ansehen sowie der Wahrnehmung bei Investoren zugute.