Prädiktive Instandhaltung am Beispiel der sensorischen und bildbasierten Defektdetektion von Infrastruktur

Problemstellung:

Instandhaltungsprobleme von Infrastruktur oder Maschinenanlagen führen durch die damit verbundenen Maßnahmen zur Sanierung, Instandsetzung und den Produktionsausfall zu erheblich Kosten. Durch prädiktive Instandhaltung (Predictive Maintenance) auf Basis einer fundierten Datengrundlage, erhoben mit modernen – teils einfachen – Sensorsystemen, ist es möglich, Maßnahmen zur Instandhaltung vorausschauend zu planen, um Folgekosten bereits vor ihrer Entstehung vorzubeugen.

Der Einsatz von prädiktiver Instandhaltung erlaubt eine frühzeitige Planung von Maßnahmen zur Reduktion der Instandhaltungskosten und Vermeidung von Folgekosten durch einen erhebliche Investitionsrückstau. Eine solche Lösung bietet darüber hinaus die Möglichkeit, direkt als Assistenz bzw. Empfehlungssystem dienlich zu sein, um Mitarbeiter bei der Wahl geeigneter Maßnahmen zu unterstützen und Anfälligkeiten der Anlagen/Infrastruktur zu identifizieren.

Künstliche Intelligenz zur prädiktiven Instandhaltung (Predictive Maintenance) verwendet auf Basis von historischen und in Echtzeit verfügbaren Zustandsdaten Big Data und Machine Learning Technologien, um den Zustand von in Betrieb befindlichen Dingen vorherzusagen.

Das Anwendungsportfolio von prädiktiver Instandhaltung kennt keine durch Branchen definierten Grenzen und kann gleichermaßen zur Instandhaltung von Maschinenparks, von Fahrzeugen aller Art, als auch zur Instandhaltung von Infrastruktur, wie Straßen (gezeigtes Beispiel), Schienen oder Brücken, eingesetzt werden.