Grund für uns, sich dem Thema mal aus dem Blickwinkel von Firmen zuzuwenden, die IoT Anwendungen einsetzen oder entwickeln. In unserer dreiteiligen AIoT Blogserie widmen wir uns den verschiedenen Use Cases.
Was ist eigentlich AIoT?
AIoT steht für Artificial Intelligence of Things. Es ist eine Kombination aus Künstlicher Intelligenz (AI) und dem Internet der Dinge (IoT). AIoT bezieht sich auf die Integration von KI-Technologien in IoT-Systeme, um die gesammelten Daten besser zu analysieren und darauf basierend intelligentere Entscheidungen zu treffen. Diese Kombination ermöglicht es, dass IoT-Geräte nicht nur Daten sammeln und kommunizieren, sondern auch lernen und autonom agieren können, was zu effizienteren und intelligenteren Systemen führt.
Teil 1: Der Intelligent Field Assistent
Maschinen und Anlagen generieren im Laufe ihres Lebens wertvolle Daten, die spannende Einblicke und gewinnbringende Erkenntnisse liefern können.
Ein konkretes Beispiel ist hier die Auswertung von Schwingungsdaten, welche in einer Vielzahl von Szenarien – z. B. in Motoren, Pumpen, Drehmaschinen oder Kugellagern – auftreten können. In Kombination mit Machine Learning Algorithmen können so intelligente und vorausschauende Wartungstermine prognostiziert und geplant werden.
Wie darauf aufbauend – durch einen KI-gestützten Field Service Assistenten – auch der Wartungsprozess optimiert werden kann, soll anhand des nachfolgenden Praxisbeispiels aufgezeigt werden.
Wie ein Pumpenhersteller intelligent seine Wartungsprozesse mit einem Field Service Assistenten optimieren kann
Ein Hersteller von Pumpen hat mehrere Sensoren verbaut, die in der Lage sind, Vibrationen, die Drehzahl, Druckinformationen und Temperaturzustände zu erfassen. Die zugehörige Forschungsabteilung des Herstellers verfügt über entsprechende Musterdaten für diese Messgrößen, welche den Verschleiß der Pumpe beschreiben.
Auf Basis dieser Daten kann ein Machine-Learning Modell (z. B. ein Decision Tree) trainiert werden, welches in der Lage ist vorherzusagen, wie lange die Pumpe noch ohne Ausfall laufen kann.
Da der Hersteller die Pumpen im Feld über ein IoT-Gateway mit einer cloudbasierten IoT-Plattform vernetzt hat, können diese Daten nun dem trainierten Machine-Learning Modell zur Verfügung gestellt werden. Sobald ein Datenmuster auftritt, welches einen größeren Verschleiß indiziert, wird ein entsprechender Wartungsprozess ausgelöst.
Konkret wird ein Service Ticket für eine Wartungsfachkraft angelegt. Dort erhält diese über einen entsprechenden intelligenten Field Service Assistent präzise Anweisungen und Handlungsempfehlungen zur Wartung.
Dieser Assistent läuft dann z. B. als WebApp auf einem Tablet und ist mit einer Vielzahl an Informationen gefüttert, z. B. Error Code Beschreibungen, Service Reports, Dokumentationen und Ersatzteilbeschreibungen. Mit diesem Wissen ausgestattet, kann der intelligente Field Service Assistent der Wartungsfachkraft notwendige Informationen bereitstellen und Handlungsempfehlungen aussprechen.
Nicht zuletzt kann der Field Service Assistent sicherstellen, dass die Dokumentationsstandards von der Technikerin bzw. dem Techniker eingehalten wurden und ein fundiertes Feedback abgegeben wurde.
Unsere Einschätzung von Field Service Assistenten
Der Einsatz und die Kombination von (generativer) KI und IoT eröffnet völlig neue Möglichkeiten für die Optimierung und Automatisierung von Prozessen – z. B. im Maschinen- und Anlagenbau. Besonders in der prädiktiven Wartung können durch die intelligente Analyse von Sensordaten Störungen frühzeitig erkannt und gezielte Wartungsmaßnahmen eingeleitet werden. Der Einsatz von intelligenten Assistenten hilft dabei, Wartungsprozesse noch effizienter und zuverlässiger zu gestalten. Der vorgestellte Field Service Assistent ist ein mögliches Beispiel dafür.
Im zweiten Teil unserer Blogserie erfahren Sie mehr darüber, wie sie mit GenAI Ihr IoT Device Geräteseitig Fehler KI-gestützt behoben und damit Wartungsprozesse optimiert werden.
