![](https://perfect-machines.com/wp-content/uploads/2024/05/exasol_washtec_page_04.jpg)
In mehreren zehntausend Waschanlagen des Herstellers Washtec werden täglich mehr als zwei Millionen Fahrzeuge gewaschen. Dabei sind die Anlagen weltweit schon länger IoT-vernetzt und liefern teils alle fünf Minuten Daten an das Washtec-Kundenportal. Diese Daten, etwa zu Fehlermeldungen, Waschvorgängen und Zustandsparametern, werden bislang nicht umfassend analysiert. Das soll sich ändern, auch weil Washtec den Betreibern und Servicetechnikern über die Online-Plattform mehr digitale Dienstleistungen anbieten möchte.
Cloud-System für Analytics
Dazu hat der Anlagenbauer die Datenbank- und Analysespezialisten Exasol ins Boot geholt. Es gilt die in der AWS-Cloud gespeicherten Daten von über zehntausend Waschanlagen auszuwerten und die Ergebnisse miteinander zu verknüpfen. Zum Einsatz kommt die Query Engine Exasol Espresso, inklusive dem Addon Data Virtuality Pipes für BI- und ML-Anwendungsfälle. Nach dem PoC im vergangenen Sommer ist Washtec von der Erweiterung überzeugt. „Die Arbeit mit Data Virtuality Pipes befreit uns nicht nur von zeitaufwändiger Datenaufbereitung und unübersichtlichen Datenintegrationsworkflows, sondern lädt auch automatisch aktuelle Daten nach unserem vordefinierten Zeitplan in die Datenbank“, sagt Diana Grand, Data Analyst bei Washtec.
Predictive Maintenance
Datenanalysen werden bei Washtec etwa über das BITool QuickSight ausgespielt. Dies ist zwar als direkte Abfrage möglich, doch durch die Query Engine zwischen der Datenquelle und dem BI-Tool stehen die Analysen nahezu in Echtzeit zur Verfügung. Diese Analysen bilden die Grundlage für ML-Modelle, die Washtec derzeit mit seinem Forschungspartner, einem Fraunhofer Institut, entwickelt, um Anwendungsfälle wie Predictive Maintenance möglich zu machen. Dabei sollen vor allem Ausfallzeiten reduziert werden, die unnötig Geld kosten.
Greifbare Verbesserungen
Auch sonst sind die Vorteile einer digital gesteuerten Waschanlage vielfältig: Der Betreiber der Washtec-Anlage erhält aktuelle Maschinendaten, Wasserverbrauchswerte und so weiter. Er kann so etwa den Einsatz von Reinigungsmitteln optimieren. Durch maschinelles Lernen können in Zukunft Anomalien im Waschprozess erkannt werden, was sowohl die Sicherheit als auch die Qualität erhöht. Außerdem unterstützt es den optimierten Einsatz von Ressourcen, was wiederum Energie spart, den Abfall reduziert und die Betriebskosten senkt. Die Servicetechniker von Washtec sparen Logistikkosten, denn die Vorhersage, wann Komponenten der Waschanlage ausfallen, ermöglicht vorbeugende Wartungsarbeiten und weniger Notfalleinsätze. Beziehen Waschanlagenbetreiber auch Wetter-, Veranstaltungs- und Verkehrsinformationen mit ein, wird auch die Personal- und Ressourcenplanung effektiver.