Das gemeinsame Umsetzungsprojekt der in Aue ansässigen MULTI Kühlsysteme GmbH und dem Partner Fraunhofer IWU konnte im April mit ersten Ergebnissen abgeschlossen werden. MULTI Kühlsysteme bietet seit über 20 Jahren Lösungen auf dem Gebiet der Prozesskühlung einschließlich Wartung und Instandhaltung der Anlagen an. Geschwindigkeit und Zuverlässigkeit in der Instandsetzung im Falle von Anlagenstillständen sind für eine dauerhafte Kundenzufriedenheit unerlässlich. Mithilfe von Maschinellem Lernen wurde geprüft, ob das vorhandene Systemwissen des Fachpersonals in eine datengetriebene Analyse überführt und Ausfälle zukünftig vorhergesagt oder sogar vermieden werden können.
Auf der Grundlage von Zeitreihendaten eines Kühlturms wurde dafür ein Machine Learning-Modell trainiert. Dieses wurde anschließend auf neue, unbekannte Daten des laufenden Betriebes angewendet. Das Ziel bestand darin, ein sich änderndes Systemverhalten, bspw. einen Anlagendefekt, erkennen zu können. Das verwendete Modell prüft dafür fortlaufend auf signifikante Abweichungen zwischen dem generierten Modell und dem realen Sensordatenverlauf.
Um das Modell zu testen, wurden einerseits Zustandsänderungen in den Sensorwerten mathematisch simuliert und andererseits auch am realen System Änderungen vorgenommen, um nicht-funktionskritische Fehler zu provozieren, die also einen Verschleiß darstellen können. Die Herausforderung besteht dabei in der korrekten Interpretation der nicht-kontrollierbaren Einflüsse, die sich aus Temperatur, Wind oder Standort des Turms ergeben. Das generierte Modell wurde beim statistischen Vergleich des Anlagenmodells mit real gewonnenen Sensordaten bereits eine Genauigkeit von ca. 92 % erreichen. Die simulierten und real provozierten Abweichungen in den Sensordaten konnten ebenfalls mit zufriedenstellender Genauigkeit erkannt werden.
Mit KI zu hoher Kundenzufriedenheit
Mit den neuen Ansätzen der Künstlichen Intelligenz für eine effizientere Instandhaltung erhofft sich MULTI Kühlsysteme unter anderem, knappen Personalressourcen entgegenzukommen und dem eigenen hohen Anspruch an die Kundenzufriedenheit auch in Zukunft gerecht zu werden. Das erstellte Modell sowie die daraus gewonnenen Erkenntnisse dienen als Ausgangspunkt für konkrete Weiterentwicklungen. In Zukunft kann das erarbeitete Modell über längere Datenerhebungszeiträume verfeinert und externe Einflussgrößen wie Aufstellungsort des Kühlturms oder Außentemperatur in ihrem Einfluss auf die realen Sensordaten untersucht werden.
Weitere Fragen beantwortet Ihnen gern:
Fernwartung , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Kühltürme vorausschauend betreiben und warten
Mit steigender Anzahl an Anlagen steigt der personelle Aufwand für Wartung und Betrieb. Um Wartungs- und Instandhaltungsmaßnahmen vorausschauend zu planen kommen Sensoren zur Fernwartung zum Einsatz.
Fernwartung , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Kick-Off Umsetzungsprojekt: vorausschauende Instandhaltung
Das Mittelstand 4.0-Kompetenzzentrum Chemnitz unterstützt die Multi Kühlsysteme GmbH beim Einsatz von Methoden des Maschinellen Lernens für die eine vorausschauende Instandhaltung der Anlagen.
Fernwartung , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Daten aufbereiten und KI-Modelle testen
Das Umsetzungsprojekt mit der Multi Kühlsysteme GmbH untersucht die Möglichkeiten einer vorausschauenden Instandhaltung für Kühltürme.
