Digitale Prognosen zuverlässiger als Erfahrungswerte

Die alte Bauernregel zum „Siebenschläfer“ kennt hierzulande ein Großteil der Bevölkerung: „Regnets am Siebenschläfertag, so regnets sieben Wochen danach.“ Diese Regel basiert auf Beobachtungen und Erfahrungen, die Jahrhunderte zurückreichen. Allerdings ist die Anwendbarkeit dieser Regel regional sehr unterschiedlich. So kann es passieren, dass diese Heuristik auch dort eingesetzt wird, wo sie gar nicht zutrifft, und damit zu falschen Schlussfolgerungen führt. Viele kennen dieses Problem aus der Industrie und insbesondere der Instandhaltung, in der auch oft basierend auf langjährigen Erfahrungen und Heuristiken Entscheidungen gefällt werden. Es ist den Entscheidern aber meist unklar, ob die Erfahrung im konkreten Fall anwendbar ist.

Die Cassantec AG mit Sitz in Zürich stellt jetzt ein Prognosetool zur Verfügung, das mithilfe stochastischer Algorithmen Wahrscheinlichkeiten für Störungen bei Maschinen errechnet. „Heutzutage nutzen Menschen Apps zur Wettervorhersage und verzichten auf vage Bauernregeln. Dies ist nun auch in der Industrie möglich. Vorhandene technische Hilfsmittel bei der Entscheidungsfindung zu Rate zu ziehen, und nicht einzig auf Erfahrungen zu bauen, ist durchaus richtig“, sagt Moritz von Plate, CEO der Cassantec AG.

Der von Cassantec entwickelte Algorithmus gibt Wahrscheinlichkeiten möglicher zukünftiger Störungen an industriellen Maschinen an. In Form einer Ampel zeigt das Prognosetool dem Anwender einen zeitlichen Horizont und passende Wahrscheinlichkeitsprozente. So reagiert der Anwender frühzeitig auf mögliche Störungen und verhindert diese bereits vor Eintreten. Der Kunde wartet seine Maschinen in der Folge rechtzeitig und vermeidet gegebenenfalls Reparaturen. Ebenfalls verzichtet er auf Wartungen, die keinen positiven Effekt erzielen. „Der Einsatz unseres Prognosetools resultiert in Kosteneinsparungen auf verschiedenen Ebenen. Durch Vermeidung von Ausfallzeiten und Wegfall zeitaufwendiger Reparaturen hält der Kunde Produktqualität und Zuverlässigkeit der Maschinen konstant. Hierdurch generiert er einen Vorsprung gegenüber der Konkurrenz“, meint von Plate. Die Instandhaltung und Restlebensdauer einer Maschine lässt sich also aktiv managen und mögliche Risiken werden verringert.

Entwicklungspotenzial nicht erschöpft

Die digitale Welt erfährt eine stetige Entwicklung. In vielen Bereichen betreiben unterschiedliche Parteien seit Jahren umfangreiche Forschungsarbeit. Auch in Zukunft steht die Forschung weit oben auf vielen Prioritätenlisten. Hinzu kommt, dass immer größere Datenmengen zur Verfügung stehen, was zu mehr Input und Entwicklungspotenzial führt. Die Lösung von Cassantec liefert bereits über einen Zeitraum von bis zu fünf Jahren genaue Ergebnisse und entwickelt sich weiter. „Insgesamt löst neue Technik veraltete Prozesse auf lange Sicht vollständig ab. Wir treiben die Entwicklung stets voran. Die Genauigkeit unseres Lösungsansatzes wächst mit der Zeit weiter, auch aufgrund des maschinellen Lernens“, so der CEO.

Störungen vermeiden und profitieren

Wissen über Herkunft und Zeitpunkt von Störungen an Maschinen ist grundlegend für den Erfolg in der Industrie. Unternehmen setzen Cassantec Prognostics in unterschiedlichen Branchen wie dem Transportsektor oder der Energieerzeugung erfolgreich ein. „Ein Landwirt verlässt sich auch nicht, wie vor Jahren noch, einzig auf sein Gefühl. Auch er zieht detaillierte Wetterprognosen ins Kalkül. Eine exakte Datenanalyse ist heute der bessere Weg im Vergleich zum Vertrauen auf Erfahrungen. Der Wettbewerb lässt nur noch wenige Differenzierungsmöglichkeiten zu. Viele Unternehmen haben zwar eine große Menge an Daten vorliegen, setzen diese aber nicht sinnvoll ein. Hier setzen wir an“, so Moritz von Plate. Bauernregeln oder Erfahrungswerte mögen demnach in ausgewählten Fällen zutreffen, sind aber längst nicht so verlässlich, dass sie eine echte Alternative zu Prognosemodellen darstellen. sas

Cassantec Prognostics basiert auf einer Kombination mathematischer Methoden, um Zustandstrends, Risikoprofile von Störungen und verbleibende Restlebensdauern für eine große Bandbreite an Maschinen und Anlagen zu ermitteln. Mittels historischer sowie aktueller Zustands- und Prozessdaten (typischerweise Temperatur, Schwingungsdaten und Schmierstoffanalysen) können die Prognoseberichte in regelmäßigen Intervallen aktualisiert werden. Die Berechnungsergebnisse werden in einem entscheidungsorientierten Format präsentiert, das hilft, notwendige Wartungsarbeiten zu optimieren. Simulationen ermöglichen Sensitivitätsanalysen und statistische Tests, um die Robustheit der Ergebnisse zu prüfen. Der maschinelle Flottenlernprozess erhöht die prognostische Stärke und erweitert den Vorhersagehorizont.

Die 2007 in Zürich als AG gegründete Cassantec und ihre deutsche Tochtergesellschaft sind auf Prognoselösungen spezialisiert. Ihr Tool Cassantec Prognostics liefert präzise Prognosen über den Zustand von Anlagen und Anlagenkomponenten, aus denen der Betreiber optimale Handlungsmöglichkeiten ableiten kann. Für ihre innovative Prognoselösung wurde Cassantec mit dem Deep Tech Award der Berliner Senatsverwaltung für Wirtschaft, Technologie und Forschung in Kooperation mit dem Verband der Informations- und Kommunikations-Industrie in Berlin und Brandenburg, SIBB e.V., und dem Business Apps Network ausgezeichnet.