Suchen

Expertenbeitrag

 Gerhard Altmann

Gerhard Altmann

Senior Director Global Manufacturing Industry Practice, SAS Deutschland

AI + IoT = AIoT Vorausschauende Maßnahmen für einen unterbrechungsfreien Betrieb

| Autor/ Redakteur: Gerhard Altmann / Marlene Mahlo

Autonom fahrende Autos, eine bessere Patientenversorgung oder individuelle, kontextbasierte Kaufangebote – all das ermöglicht das Internet of Things (IoT). Grundlage dafür: Analytics und Artificial Intelligence (AI).

Firmen zum Thema

Ein reibungsloser Ablauf ohne Unterbrechungen und Stillstände ist auch im Mobilitätssektor ausschlaggebend für einen funktionierenden Betrieb.
Ein reibungsloser Ablauf ohne Unterbrechungen und Stillstände ist auch im Mobilitätssektor ausschlaggebend für einen funktionierenden Betrieb.
(Bild: gemeinfrei / Pixabay)

Unternehmen müssen heute immer schneller agieren, um sich im Markt zu behaupten. Stetig wachsende Datenmengen und immer neue Datentypen, die von vernetzten Geräten, Maschinen und Anlagen generiert werden, machen dies zu einer komplexen Aufgabe. Um Wert aus diesen Daten zu ziehen, wird Analytics benötigt – im besten Fall Streaming Analytics, die in der Lage ist, Millionen von Events pro Sekunde mit einer Latenz von weniger als einer Millisekunde zu verarbeiten – und das auf gewöhnlicher Hardware.

Beispiel Industrial Internet of Things (IIoT): IoT Analytics sorgt dafür, dass die Daten on the edge, also direkt am Entstehungsort, in der Cloud, während der Übertragung oder am Speicherort, ausgewertet werden. Dadurch erhalten IT-Experten und Mitarbeiter der Fachabteilungen zeitnah Einblicke in operative Vorgänge sowie in Verhaltensmuster der Maschinen und Anlagen, sodass sich schnell präzise Vorhersagen erstellen und Entscheidungen treffen lassen.

Siemens Digital Industries Software und SAS sind eine Partnerschaft eingegangen, um Unternehmen bei der Entwicklung von IoT-Lösungen für Edge- und Cloud-Umgebungen zu unterstützen. Hier kommt Streaming Analytics von SAS über das cloudbasierte, offene IoT-Betriebssystem MindSphere von Siemens zum Einsatz.

Offene Plattform ermöglicht neue Geschäftsmodelle

MindSphere verbindet mit Streaming Analytics die reale mit der digitalen Welt: Streaming-Daten werden mittels analytischer Modelle direkt on the edge oder in der MindSphere Cloud analysiert. Dabei wird das analytische Modell in den Sensor heruntergeladen – und zwar ohne Downtime für die Maschine – und auf alle künftigen Daten angewendet. Die gemeinsame Lösung aus IoT-Betriebssystem und Analytics ist skalierbar, es können schrittweise weitere Sensoren, Maschinen oder auch Produktionsanlagen hinzugeschaltet und die daraus entstehenden zusätzlichen Daten analysiert werden.

Mit dieser Kombination lassen sich leistungsstarke Branchenanwendungen, digitale Services und sogar ganz neue Geschäftsmodelle entwickeln. Prädiktive/präskriptive Wartung und optimiertes Asset Performance Management bilden die Voraussetzung für höhere Produktivität und geringere operative Risiken.

Nächster Schritt: AIoT

Der Zugang zu leistungsstarker Advanced und Predictive Analytics bildet zudem die Basis für die Einbindung von Machine Learning und AI in IoT-Umgebungen – auch AIoT genannt. Advanced-Analytics-Algorithmen sammeln und analysieren riesige Mengen an Daten aus Kontrollsystemen und führen Informationstechnologie (IT) und operative Technologien (OT) zusammen. Somit optimieren sie die operativen Geschäftsprozesse für den laufenden Betrieb.

Zügig ans Ziel

Digitalisierung mit Technologien wie AI und IoT bietet gerade der Mobilitätsbranche großes Verbesserungspotenzial, wie Luc Vuilleumier von Siemens Mobility Consulting auf dem diesjährigen SAS Forum in Bonn erläuterte. Denn einerseits handelt es sich um eine Asset-intensive Branche mit hohen Anschaffungs- und Instandhaltungskosten. Bereits wenige Prozent an Mehr-Effizienz bedeuten Einsparungen in Millionenhöhe. Andererseits stellt die komplexe und dezentrale Infrastruktur eine besondere Herausforderung dar: Da die Fahrzeuge ständig in Bewegung sind, können sie nicht jederzeit gewartet werden – im Gegensatz zu Maschinen in einer Produktionshalle. Die Auswertung von IoT-Daten mittels Analytics und/oder AI gibt Aufschluss über den Zustand des Fahrzeugs. Teile können somit ausgetauscht werden, bevor es zum Ausfall kommt.

Wirkungsvolles Asset Management und Planung im Schienenbereich wird durch den Einsatz einer intelligenten Lösung möglich, die die Konnektivität zwischen Zügen und Infrastruktur sicherstellt. Bei einem Hochgeschwindigkeitszug fällt rund ein Terabyte an Daten pro Monat an. Bei einer Flotte von 100 Regionalzügen sind es circa 50 Millionen Diagnosemeldungen pro Jahr und bis zu 200 Milliarden Zeitreihendatenpunkte. Analytics dient dazu, diese Daten in wertvolle Erkenntnisse umzuwandeln und Maßnahmen daraus abzuleiten.

Für die sinnvolle Steuerung des autonomen Verkehrs ist zudem eine integrierte Mobility Operating Platform für Schiene und Straße nötig, die neben den Mobilitätsdaten weitere Informationen wie Wetter, Ferien oder Großveranstaltungen einbezieht.

Kleine Schäden, große Auswirkungen

Wie eine solche intelligente Infrastruktur funktionieren kann, die einen unterbrechungsfreien Betrieb sicherstellt, zeigen drei Beispiele.

Türen – Wenn sie nicht richtig schließen, kann der Zug nicht losfahren. Das macht Türen zu einem kritischen Element. Durch eine Analyse der Daten der elektromechanischen Verriegelungssysteme an Türen werden deren Ausfälle prognostiziert und damit Verzögerungen frühzeitig erkannt. Auch externe Störfaktoren werden dabei erfasst und im Modell berücksichtigt: zum Beispiel ein Fahrgast, der sich durch die Tür zwängt, Schnee oder kleine Steine, die die Tür blockieren.

Wayside – Mit Mikros werden die Geräusche an der Strecke aufgenommen und es wird überprüft, ob der Zug anders klingt, als er soll. Durch neue Datenanalyseverfahren kann so sechs bis acht Monate im Voraus erkannt werden, ob sich ein Lagerschaden an einem Radsatz anbahnt. Das verhindert lange Ausfallzeiten und hohe Kosten, die vor allem im Güterverkehr anfallen würden, da die betroffenen Waggons im Schadensfall komplett entladen werden müssen.

Stellwerke – Weichen, die nicht mehr umlaufen können, bremsen den Betrieb. Mithilfe von Data Capture Units werden Daten erhoben und analysiert, die auf eine solche Störung hinweisen könnten. Potenzielle Ausfälle können so sechs bis acht Stunden im Voraus erkannt und behoben werden.

Fazit

AIoT hat das Potenzial, unterschiedlichste Prozesse in einer ganzen Reihe von Branchen grundlegend zu verändern. Nicht zuletzt bildet sie die Voraussetzung, um zukunftsweisende Mobilitätskonzepte wie Mobility-as-a-Service umzusetzen und somit nicht nur Kosten zu senken, sondern auf weitere Sicht einen Verkehrskollaps zu verhindern.

Wie AI und IoT zusammenspielen, erläutert SAS auch in seiner Podcast-Serie KI Kompakt.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46251727)

Über den Autor

 Gerhard Altmann

Gerhard Altmann

Senior Director Global Manufacturing Industry Practice, SAS Deutschland