Startseite / PRECOG / Technologie
PRECOG: Software für vorausschauende Instandhaltung
Gehen Sie über die Überwachung hinaus und automatisieren Sie die Analyse, um handeln zu können. PRECOG kann den Ausfall eines Elektromotors im Durchschnitt etwa zwei Wochen im Voraus vorhersagen.
Überblick
Was PRECOG leistet
PRECOG ist eine intelligente KI-Software zur Vorhersage von Instandhaltungsbedarf mit einer Erfolgsquote von über 90% von Beginn an. Sie wird laufend besser, während die KI lernt und sich an bestimmte Geräte anpasst.
Gleich- und Wechselstrommotoren
Funktioniert mit Gleichstrom-, Einphasen-Wechselstrom- und Drehstrommotoren, die Teil komplexer Maschinen sein können.
Etwa zwei Wochen im Voraus
Die Vorwarnzeit hängt vom Fehler ab. Manche Fehler werden etwas früher gemeldet, andere etwas später, im Durchschnitt sind es etwa zwei Wochen. Die frühe Warnung verbessert die Betriebssicherheit, weil Stillstände verhindert werden.
Jede messbare Grösse
Sagt Ergebnisse anhand physikalischer Grössen wie Leistung, Strom, Vibration und Temperatur voraus.
Innen und aussen
Geeignet für Geräte, die in Innenräumen oder im Freien arbeiten, mit kontinuierlicher oder periodischer Bewegung.
Vollautomatisch
Es ist keine regelmässige Konfiguration und kein technisches Personal nötig.
Niedrigere Betriebskosten
Logistik- und Instandhaltungskosten lassen sich senken, was es auch zu einer umweltfreundlichen Lösung macht.
Einsatzbereiche
Wasser- und Ölpumpen, Klimaanlagen, Rolltreppen, Aufzüge, Produktionslinien, Rechenzentren, Roboterarme, Hobelmaschinen, CNC-Maschinen und Weichen. In der Praxis sind das alle komplexen Anlagen mit einem Elektromotor oder Elektronik, bei denen eine hohe Verfügbarkeit entscheidend ist.
Reifegrad der intelligenten Instandhaltung
Von Messdaten zu nützlichen Informationen
Intelligente Instandhaltung entwickelt sich in fünf Stufen. Die ersten drei machen aus Messungen Daten, die letzten zwei machen aus Daten Informationen.
Überwachung, Verwaltung und allgemeine KI
- Grundlegende Fehlererkennung
- Hilft, die richtigen physikalischen Grössen zu finden
- Liefert ungefähre Referenzdaten
- Die Erfolgsquote ist deutlich niedriger, weil das Modell allgemein ist
Statistische Algorithmen von PRECOG
- Für den industriellen Einsatz entwickelt
- Typischerweise für Elektromotoren und Maschinen mit periodischer Bewegung
- Kombiniert mehrere verschiedene Algorithmen zur Wahrscheinlichkeitsberechnung
- Hohe Erfolgsquote, weil es gezielt zugeschnitten ist
PRECOG AI
- Lernt das Verhalten des Geräts automatisch
- Entwickelt Algorithmen, die auf das jeweilige Gerät zugeschnitten sind
- Verbessert laufend die Effizienz der Algorithmen
- Bestimmt Referenzdaten automatisch
- Kurze Lernzeit
- Sehr genaue Prognosen, Analysen und Empfehlungen
Prinzip
So arbeitet PRECOG
Die Prozessschritte
- Die häufigsten Fehler identifizieren. Für jeden Gerätetyp werden die sechs typischsten Ausfälle bestimmt. Sie decken 80 bis 85% aller Fälle ab.
- Relevante physikalische Grössen überwachen. Energieverbrauch, Strom, Vibration, Temperatur oder Position.
- In Echtzeit analysieren. Die Algorithmen lernen das Verhalten jeder Maschine, erkennen jede Abweichung vom Normalbetrieb und leiten sie zur Auswertung an die KI weiter.
- Mit KI identifizieren. Die KI vergleicht die Abweichung mit einer Datenbank validierter Fehler.
- Eine klare Meldung senden. Techniker erfahren, wo, wann und welche Art von Fehler zu erwarten ist, gegebenenfalls mit Hinweisen zur Behebung.
- Aus der Rückmeldung lernen. Der Techniker bestätigt oder verwirft den Fehler mit Ja oder Nein, wodurch das System genauer wird. Anomalien, die sich als Fehlalarme erweisen, erfordern keine Massnahme.
Ablauf der Messdatenverarbeitung
Vom Sensor bis zur Meldung
Echtzeit-Eingang von der Hardware
Ein Messgerät sammelt die Telemetriedaten. Es kommuniziert über WLAN, ist einfach zu installieren und fügt sich in die bestehende Infrastruktur ein.
Überwachung und Benachrichtigungen
PRECOG läuft auf Cloud-Servern oder lokalen Servern und ist über eine Web API erreichbar, über das Internet oder lokal.
Wie PRECOG betrieben und geschützt wird, beschreibt die Seite Sicherheit und IT-Architektur.
Genauigkeit und Auswertung
Wie die Genauigkeit gemessen wird
Die Algorithmen wurden an mehr als 1.500 verschiedenen Anlagen und Kennzahlen getestet, mit über 10 Jahren vielfältiger technischer Messdaten. Die Genauigkeit wird mit einem eigenen Auswerte- und Testprogramm gemessen. Die technischen Parameter werden laufend anhand der folgenden Kriterien ausgewertet, und die Effizienz der Vorhersagen wird durch ihre Anpassung verbessert.
Beispiele für Vorhersagen mit verschiedenen Zeithorizonten stehen auf der Seite Datenauswertung.
Vergleich
PRECOG und klassische Grenzwertverfahren
Klassische Erkennung mit Grenz- und Schwellenwerten
Stärken
- Erkennt grobe Fehler. Das sind offensichtliche, erhebliche Fehler, die etwa 40% aller erkennbaren Fehler ausmachen.
- Einfach umzusetzen für eine sehr einfache Fehlererkennung.
- Grenzwerte lassen sich für Maschinen desselben Typs oder unter ähnlichen Bedingungen leicht pflegen.
Grenzen
- Ein Fehler wird erst gefunden, wenn ein vorgegebener Grenzwert erreicht ist, nicht schon während er entsteht.
- Es werden nur offensichtliche oder grosse Fehler gefunden, keine subtilen oder schleichenden.
- Fehler innerhalb des normalen Betriebsbereichs oder im Rauschen bleiben unentdeckt, und das ist die Mehrheit der Fehler.
- Keine Anpassung an Umgebungsänderungen, was mit der Zeit zu Fehlalarmen führt.
- Schwer zu pflegen für verschiedene Maschinentypen, Modelle oder Standorte.
- Periodische Maschinen brauchen aufgeteilte Grenzwerte, was Komplexität und Ungenauigkeit mit sich bringt. Schwankungen an allen Punkten der Leistungskurve lassen sich nicht verfolgen.
- Verschiedene Fehlerarten brauchen verschiedene Grenzwerte, was die Übersichtlichkeit verringert.
- Äussere Einflüsse wie Temperatur, Wetter oder Feuchtigkeit können zusätzliche Sensoren erfordern, was Kosten und Komplexität erhöht.
- Die Berücksichtigung äusserer Einflüsse verkompliziert die Berechnung, ohne die Erfolgsquote klar zu verbessern.
- Keine Anpassung an die Eigenschaften einzelner Geräte.
PRECOG
Stärken
- Erkennt Fehler schon beim Entstehen, sodass gehandelt werden kann, bevor ein kritischer Grenzwert erreicht ist.
- Erkennt alle physikalisch erkennbaren Fehler, auch subtile, feine oder schleichende.
- Eine Methode deckt die Fehler ab, die Grenzwertverfahren finden, und die komplexeren.
- Einfach umzusetzen.
- Geringer Pflegeaufwand, sobald die Werte für den ungünstigsten Betriebsfall eingestellt sind, auch wenn sich ähnliche Maschinen unterscheiden oder unter anderen Bedingungen arbeiten.
- Findet Fehler innerhalb des normalen Betriebsbereichs oder im Rauschen.
- Einfach zu pflegen bei ähnlichen Maschinentypen, Modellen und Umgebungen.
- Alle Messpunkte werden überwacht. Der Rezeptansatz ermöglicht eine breite Palette von Fehlerbeurteilungen.
- Passt sich äusseren oder Umgebungsänderungen automatisch an, was Fehlalarme verringert und zusätzliche Sensoren oft überflüssig macht.
- Die KI passt sich den Eigenschaften jedes Geräts an.
Voraussetzungen
- Sorgfältige Tests der Geräte und eine gründliche Datenanalyse.
- Genügend Rechenleistung, um die Daten in Echtzeit zu analysieren.
Ausblick
Wie es weitergeht
Mittelfristig ist ein KI-Assistent geplant, den man frei zum aktuellen und zukünftigen Zustand der Systeme befragen kann. Er würde komplexe Analysen und Prognosen liefern, schriftlich und mündlich. PRECOG verwandelt schon heute Rohmessdaten in kurze Meldungen für das Wartungspersonal, und der Assistent erweitert dies auf offene Fragen.
Möchten Sie PRECOG an Ihren Maschinentypen sehen?