Autor/in: Ralf Richter
Oerlikon Hackathon powered by doubleSlash Experten
Am Wochenende des 08.11.2019 bis 10.11.2019 hat doubleSlash eine tolle Veranstaltung als Experten begleiten dürfen: Den ersten Hackathon der Oerlikon Group in toller Atmosphäre des Oerlikon Digital Hub. Neben Workshop Räumen und sogar einem Kino ist das technische Setup exzellent und erleichterte allen Teilnehmern die Arbeit.
Hackathon? Pures Wissen in agiler Lösungskompetenz
Pragmatisch und agil in einem: Ziel ist es, innerhalb der Dauer einer Hackathon Veranstaltung gemeinsam nützliche, kreative oder unterhaltsame IT – oder Software Produkte oder –Anwendungen herzustellen und so Lösungen für bestehende Probleme zu finden.
Ein breiter Mix an talentierten Personen
Die Zielgruppe des Events war ein sehr breiter Mix an talentierten Personen: von Softwareentwicklern über Data Scientists bis hin zu Spezialisten der Industrie. Die rund 80 Teilnehmer setzten sich zusammen aus Studenten, Softwareentwicklern bis hin zu Data Scientists und Oerlikon Mitarbeiter.
Die Challenges waren in 4 Kategorien aufgeteilt: IoT, Computer Vision, Data Science und Waste Reduction – wobei die letzte Kategorie sich wohl auch in die Data Science Aufgaben einsortieren lässt. Unter diesen Kategorien gab es je bis zu zwei Challenges – in Summe 7 Challenges. Für jede Challenge konnten sich nur eine definierte Zahl Teams anmelden, um sicher zu stellen, dass alle Challenges angegangen wurden.
Fünf doubleSlash IoT und KI Experten vor Ort
Auf Anfrage von Oerlikon beschloss doubleSlash das Event als Sponsor in Form von fünf Experten zur Unterstützung der Teilnehmer zu stärken: Vincenzo Crimi, Nico Mutter, Andreas Nuber, Timo Demler und Ralf Richter. Wir gaben Hilfestellung in den Bereichen Consulting, Coding, Architektur, technischer Spezialisierung mit PTC und Microsoft Azure, aber auch im Bereich Organisation und Strukturierung. Unsere Experten standen den Teams zur Seite, indem sie sie berieten und bei der Entwicklung weiterhalfen, ohne dabei Einfluss auf den Lösungsweg zu nehmen.
Gemeinsam mit unserem Partner PTC beschlossen wir bereits zu Beginn des Hackathons, unsere gewohnte enge Zusammenarbeit für den Support an den Teams zu leisten. Neben dem Mentoring für die Teams lieferten wir zwei tolle Workshops in den Bereichen Ideation und Pitch Training. Beide Workshops wurden ein toller Erfolg und leisteten einen wertvollen Beitrag für das Gelingen des Hackathon.
Fazit
Das Engagement unserer Experten für die Teams war beachtlich und ging über die Grenzen eines normalen Arbeitstages hinaus. Alle Teilnehmerteams schätzten diesen Support spürbar, auch während der Pitches kam positives Feedback. Wir haben auch in anderen Formaten sehr positive Erfahrungen mit diesem agilen Veranstaltungsformat gemacht und sehen hier den deutlichen Mehrwert: Schwarmintelligenz in agiler Atmosphäre schafft gemeinsam innovative Lösungen zu konkreten Problemen.
Besonders stolz sind wir darauf, dass alle Teams, die von der doubleSlash Hilfe aktiv Gebrauch machten, in die Finals kamen. Besonders freuen wir uns über den Erfolg unseres doubleSlash-Studenten-Teams: Sie haben von 17 Teams einen sehr guten Platz 4 erarbeitet. Wir freuen uns auf kommende Events, die wir als doubleSlash begleiten können oder sogar selbst ausrichten werden.
Best Practices bei der Umsetzung von Predictive Maintenance – Ein Erfahrungsbericht
Predictive Maintenance: Welche intelligenten Wartungsstrategien und Best Practices gibt es? Wir zeigen es Ihnen. Lange Zeit hat sich die Industrie auf die Herstellung und den Absatz von Produkten und Anlagen fokussiert und den Aftersales Markt vernachlässigt. Durch die Vernetzung von Maschinen und die Erfassung von Echtzeitdaten bietet sich die Möglichkeit, die Daten in neuen Zusammenhängen zu betrachten. Damit verbunden sind verschiedene Benefits für das Unternehmen, zum Beispiel eine Optimierung der Produktionsqualität, ein nachhaltiger Betrieb der Maschinen und die Realisierung von Predictive Maintenance. Für den Betreiber heißt das idealerweise geringere Stillstandzeiten der Maschine sowie eine dadurch gesteigerte Produktivität.
Die „intelligente“ Windturbine
Gemeinsam mit unserem Kunden ZF, einem führenden Technologiekonzern in der Antriebs- und Fahrwerktechnik, haben wir das Thema Predictive Maintenance im Bereich Windenergie umgesetzt und wollen unsere Erkenntnisse, Erfahrungen und verschiedene Herausforderungen aus der Praxis mit Ihnen teilen.
ZF stellt Getriebe für Windturbinen her, welche nur mit großem Aufwand zu warten sind – z.B. weil diese mitten im Meer stehen. Das Ziel besteht nun darin, die „intelligente“ Windturbine zu entwickeln, um Ausfallzeiten zu minimieren und eine effiziente Wartung zu ermöglichen.
Wartungsstrategien
Im Bereich der intelligenten Maschinenwartung kann zwischen den folgenden Wartungsstrategien unterschieden werden:
- Reactive Maintenance: Erst bei einem akuten Ausfall wird das Getriebe der Windturbine gewartet.
- Preventive Maintenance: Durch vordefinierte Wartungsintervalle wird je nach Nutzung ein Ausfall vorgebeugt, d.h. beispielsweise Windkraftwerke in Zonen mit starkem Wind (Ozean) werden monatlich gewartet, jedoch nur jährlich in Zonen mit schwächerem Wind (Wüste).
- Predictive Maintenance: Maschinen werden ihrem Zustand entsprechend gewartet. Durch die Zustandsdaten an einem Windrad, kann man vorhersagen, wann zum Beispiel das Getriebe ausgetauscht werden muss.
- Preskriptive Maintenance: Es werden automatische Handlungsentscheidungen getroffen, wie etwa die selbstständige Bestellung eines Ersatzteils für ein Windrad.
Best Practices im Predictive Maintenance Projekt
Im Rahmen unserer Predictive Maintenance Projekterfahrung haben sich folgende Handlungsempfehlungen bewährt:
- Solides Datenmanagement: Die Datenflut muss beherrschbar gemacht werden, d.h. man sollte stets ein möglichst genaues Bild haben, welche Daten ermittelt werden müssen oder auch für welche Zeiträume die Daten gespeichert werden. Essentiell dafür sind echte Daten aus dem Feld.
- Versionierung und Nachvollziehbarkeit: Durch eine vollständige und nachvollziehbare Dokumentation können Analysen reproduziert oder eventuelle Fehler im Algorithmus behoben werden.
- Modularität: Um Komponenten der Software zu verändern oder zu erneuern, ohne dass es Auswirkungen auf andere Bereiche hat, sollten sie voneinander abgekapselt sein.
- Datenintegrität: Es muss sichergestellt werden, dass die Daten auf allen Ebenen, insbesondere im Datenspeicher und bei verarbeitenden Algorithmen, im Wertebereich gleich sind. Es müssen überall die gleichen Regeln für z.B. Rundungen oder die Anzahl der Nachkomma stellen garantiert sein. Damit werden Fehler vermieden.
- Datenexploration: Ziel ist das Finden neuer Merkmale und Zusammenhänge in den Daten sowie dazu passende Modellierungstechniken. Die Datenplattform soll Vorteile für den Experten haben, der damit entwickelt.
Fazit
Entscheidend für eine qualitativ hochwertige Predictive Maintenance Anwendung sind eine robuste Datensammlung und ein modularer Aufbau des Software System.
Das Internet of Things und vor allem die Cloud dienen als Türöffner für AI Anwendungen in der klassischen Industrie. Jedoch birgt das Thema auch besondere Herausforderungen in diesem Umfeld, wenn Ingenieure und Software „aufeinander treffen“. Wesentlich ist, dass echte Daten der Schlüssel für ein erfolgreiches Projekt sind. Wir befinden uns auf einem guten Weg zur „Wartungsstrategie der Zukunft“ – der sich selbst wartenden Maschinen.
Im Teil 2 erfahren Sie, wo genau Methoden der Künstlichen Intelligenz bei der Wartung unterstützen können, bzw. welche Machine Learning Methoden dahinter stecken.
Co-Autor Timo Demler
Mehr über Condition-Based Maintenance für Seilbahnen mit ZF ProVID
Mehr zu Predicitve Maintenance erfahren Sie hier
Wie unterscheidet sich Predictive Maintenance von anderen Wartungsmethoden?
Azure IoT Central: Simple IoT Projekte schnell umgesetzt
In vielen Unternehmen schießen „Proof of Concept“ IoT Projekte schneller als Pilze im Wald aus dem Boden. Einige Projekte eignen sich für das von Microsoft entwickelte Software-as-a-Service Produkt Azure IoT Central und können damit erheblich schneller in einen validen Business Case gewandelt werden. Was Azure IoT Central ausmacht und ob sich ein Projekt zur Umsetzung damit eignet, lesen Sie in diesem Blogbeitrag.Mehr
Big Data Analysis & Predictive Maintenance: Was KMU´s von Konzernen lernen können
Das Cloud Research Lab unserer Partner-Hochschule Furtwangen hat im Rahmen des „Project HALFBACK“ einen Workshop zum Thema: „Big Data Analysis for SMEs in Industry 4.0“ an der IHK in Strasbourg veranstaltet. Mehr
Digital Twin – Rocket Science ganz einfach
IoT und IoT Plattformen stehen seit 2017 im Gartner Hype Cycle kurz vor dem höchsten Punkt: dem „Gipfel der überzogenen Erwartungen“. Auch der Digital Twin ist aus diesem Umfeld nicht weg zu denken und damit ein triftiger Grund für Unternehmen, sich mit diesen Themen zu beschäftigen.
