Um drohenden Ausfällen von Maschinen und Anlagen entgegenzuwirken, setzen Unternehmen zunehmend auf Predictive Maintenance, also eine vorausschauende Wartung. Maschinen, Geräte oder gesamte Anlagen werden nicht mehr in starr vorgegebenen Intervallen inspiziert und gewartet. Durch die permanente Überwachung von direkt in den Maschinen verbauten Sensoren, die ständig Temperatur, Druck, Feuchtigkeit etc. messen, werden hier Verfahrens- und Produktionsdaten von Maschinen und Anlagen erfasst, analysiert und dadurch etwaige Abweichungen aufgezeigt. Gleichzeitig werden Wartungsinformationen wie der Zeitpunkt für das Wechseln eines Verschleißteils errechnet und gemeldet.
Durch diese intelligente Analyse der Daten können langfristige Ausfälle von Maschinen auf ein Minimum reduziert werden, denn jene kritischen Bauteile, die einen Ausfall begünstigen, werden frühzeitig erkannt und getauscht, noch bevor ein realer Schaden entsteht.
Datenmengen beherrschen
Bei Predictive Maintenance werden viele Daten aufgezeichnet. Zusätzlich zu den Informationen von den Sensoren an den einzelnen Maschinen und Maschinenteilen werden kontinuierlich Daten über Umweltfaktoren wie Außentemperatur oder Luftfeuchtigkeit gesammelt. Diese Daten und vor allem ihre Handhabung und Verwaltung stellt Unternehmen immer wieder vor schwierige Herausforderungen. Diese Daten werden zunehmend geschäftsentscheidend und führen – richtig aufbereitet und analysiert – zu wichtigen Erkenntnissen, die als strategische Entscheidungsgrundlage dienen können.
Für die optimale Analyse dieser Daten ist eine strukturierte Aufbereitung notwendig. Dabei können auf künstlicher Intelligenz basierende Lösungen helfen. Insight Engines sorgen für eine rasche Bereitstellung der Daten zum entsprechenden Zeitpunkt im richtigen Kontext. Nutzer erhalten so im besten Fall zusätzliche Informationen über einzelne Bauteile, Wartungsprotokolle, Konstruktionspläne, Bestellhäufigkeiten, Qualität oder auch Ansprechpartnern, was zu einem umfassenden Überblick über alle Unternehmensdaten führt. Diese sogenannte 360°-Sicht führt zu einer Optimierung einzelner Produktionsabläufe und Geschäftsprozesse. Muss beispielsweise eine Komponente einer Maschine getauscht werden, weil eine Normabweichung identifiziert wurde, können dank dieser Gesamtsicht sämtliche Informationen, die im Unternehmen über das Bauteil vorliegen, augenblicklich zur Verfügung gestellt werden. Jegliche Daten über Hersteller, Lieferanten, Kosten oder Qualität, die im Unternehmen verstreut sind, sind so auf einen Blick sofort ersichtlich.
Unterschied mit Künstlicher Intelligenz
Im Grunde geht es bei Insight Engines um die intelligente Analyse, das Verstehen und Bereitstellen von sowohl unstrukturierten als auch strukturierten Daten. Mit dieser effizienten, ressourcenschonenden Bereitstellung von Informationen kann ein Mehrwert aus den Unternehmensdaten gezogen und dadurch ein realer Wettbewerbsvorteil gegenüber dem Wettbewerb generiert werden.
Der Unterschied von Insight Engines zu herkömmlichen Suchtechnologien liegt in der angewandten künstlichen Intelligenz: Um Informationen zu extrahieren und das Unternehmenswissen zu bündeln, nutzen Insight Engines Machine- und Deep Learning. Diese auf künstlicher Intelligenz basierenden Technologien machen die Insight Engine selbstlernend. Auf der Grundlage von vorangegangenen Ereignissen und der Analyse von Arbeitsweisen der Nutzer lernt die Technologie Informationen zu kategorisieren, um so jedem Anwender ein personalisiertes Gesamtbild zur Verfügung stellen zu können. Anhand des Nutzerverhaltens, beispielsweise wie oft Begriffe, Dokumente, Themen etc. aufgerufen werden, ergibt sich die Relevanz dieser Daten.
Personalisierte 360°-Sicht aufs Unternehmenswissen
Entscheidend dafür sind auch die Zugriffsrechte der einzelnen Anwender. Diese entscheiden darüber, welche Informationen für die Person einsehbar sind und welche nicht. Dadurch ergibt sich für jeden Mitarbeiter eine personalisierte und individuelle 360°-Sicht auf das Unternehmenswissen wie Geschäftsprozesse, Bauteile und Maschinen, Verantwortlichkeiten sowie auch Daten über Lieferungen und Bestellungen oder Fachwissen. Jegliche Zusammenhänge und Beziehungen zwischen den Daten werden dabei klar aufgezeigt und bereitgestellt. Dieser umfangreiche Überblick stellt einen enormen Vorteil dar, wenn es darum geht, rasch Entscheidungen auf Basis der Daten zu treffen.
Im Gegensatz zu klassischen Suchanwendungen können bei einer Insight Engine alle Abfragen in natürlicher Sprache abgegeben werden. Mit Natural Language Processing (NLP) und Natural Language Question Answering (NLQA) lassen sich Abfragen in natürlicher Sprache korrekt verstehen und interpretieren. So ist die Technologie imstande, auf Fragen mit „wo“, „wer“, „warum“, „wann“ etc. adäquat zu reagieren und den konkreten Bedarf des Nutzers zu ermitteln. Anstelle von endlosen Trefferlisten mit den Ergebnissen zu dem Suchbegriff werden dadurch komplexe Zusammenhänge zwischen den Informationen aufgezeigt und so die direkt abgefragte und um kontextspezifische Zusatzinformationen angereicherte Information geliefert. Insight Engines sind im gesamten Unternehmen einsetzbar. Alle Informationen werden spezifisch für eine Abteilung, einen Fachbereich oder einen Geschäftsfall aufbereitet und optimal an bestehende Erfordernisse und Bedürfnisse angepasst.
Vorhandene Daten gewinnbringend nutzen
Predictive Maintenance mittels intelligenter Datenanalysen gewinnt einen immer höheren Stellenwert und wird zunehmend zu einem wichtigen Wettbewerbstreiber in der Industrie. Durch die umfassende Vernetzung der Daten aus einzelnen Maschinen oder deren Komponenten, aus Anwendungen, Programmen, Abteilungen und den etwaigen Business Units können die relevanten Informationen von der richtigen Person, zum richtigen Zeitpunkt und im richtigen Kontext abgerufen werden. Mithilfe von intelligenten Lösungen wie Insight Engines ist es möglich, vorhandene Daten gewinnbringend zu nutzen, Prozesse zu optimieren und so einen entsprechenden Mehrwert aus den vorhandenen Daten zu generieren.
