Assets im Griff – Kosten im Griff

Durch die Bilderkennung und KI erhalten Techniker detaillierte Anweisungen zu einzelnen Arbeitsschritten und können diese z.B. auf einem Tablet oder in einer VR/AR-Brille visualisieren.
Durch die Bilderkennung und KI erhalten Techniker detaillierte Anweisungen zu einzelnen Arbeitsschritten und können diese z.B. auf einem Tablet oder in einer VR/AR-Brille visualisieren.

Mithilfe einer mobilen Plattform wie Handy, Tablet oder einer VR/AR-Brille lässt sich all dieses Wissen aus dem zentralen EAM-System den Technikern vor Ort zur Verfügung stellen – auch, wenn sie noch eher unerfahren sind. Sie profitieren dann von dem Wissensschatz und der Intelligenz, die in der EAM-Plattform hinterlegt sind.

Im Alltag kann das so aussehen, dass der Arbeitsauftrag zusammen mit allen nötigen Informationen auf dem mobilen Endgerät des Technikers vorliegt: Anlagen- und Wartungshistorie, Betriebsdaten, Zugriff auf alle nötigen Handbücher und Zeichnungen oder Schaltpläne. Durch die Bilderkennung und eine fachspezifische KI im Hintergrund ist es sogar möglich, den Technikern detaillierte Anweisungen zu den einzelnen Arbeitsschritten zu geben und diese z.B. auf einem Tablet oder in einer Brille wie der Microsoft Hololens zu visualisieren. Der Techniker erhält dann eine ‚bebilderte‘ Reparaturanleitung, die ihn live durch die einzelnen Arbeitsschritte führt. Bei Bedarf kann er zudem Fragen in natürlicher Sprache stellen und das System liefert die passende Antwort.

Livedemonstration

Das solche Szenarien bereits heute Realität sind, hatte IBM beispielsweise auf der diesjährigen Hannover Messe in einer Demo gezeigt – dem Hammer Rig. Ein handelsüblicher Elektromotor wurde hierzu mit verschiedenen Sensoren und Gateways ausgestattet, durch die er Daten an IBM Maximo liefert. Elektromotoren aller Größen und Arten sind in Anlagen allgegenwärtig und daher ein geeignetes Demonstrationsobjekt. An ihm wird vor Ort im laufenden Betrieb gezeigt, wie aufgrund der von den Sensoren an die Monitor-Komponente von Maximo gelieferten Daten Rückschlüsse auf den Betriebszustand gezogen werden können. Zeitreihen dieser Daten ermöglichen es wiederum, mithilfe von Machine Learning Muster zu erkennen und somit künftige Probleme und mögliche Wartungsfenster vorherzusagen. Auch Aspekte wie mobile Wartung, Computer Vision und Unterstützung der Techniker durch VR/AR-Brillen wurden so live in Hannover gezeigt.

Und wie relevant selbst ein so einfacher Motor sein kann, zeigt das Beispiel vom Anfang. Fällt er aus, warten eventuell hunderte frustrierter Passagiere an einem Gepäckband. Und das fällt auch auf die Reputation des Flughafen-Betreibers zurück, wenn es zu oft passiert. Eine vorausschauende Wartung mithilfe von EAM-Systemen kann hier Abhilfe schaffen und solche Situationen verhindern. Das sorgt dann nicht nur für weniger Anlagenausfälle, sondern auch für zufriedenere Kunden.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert