Predictive Maintenance
Wir machen, dass Gebäude nie stillstehen.
Jeder Ausfall von technischen Systemen hat erhebliche Konsequenzen. Predictive Maintenance verringert mögliche Ausfälle auf ein Minimum. Durch Auswertung von instandhaltungsrelevanten Echtzeit-Daten und optimierten Wartungszyklen können KI-Systeme die Wahrscheinlichkeit für bestimmte Ereignisse ermitteln, um ungeplante und somit kostenintensive Stillstandzeiten von Produktionsanlagen zu vermeiden.
Wartung mit Blick in die Zukunft.
Predictive Maintenance ist die vorausschauende Wartung sämtlicher, technischer Komponenten eines Gebäudes bzw. einer Anlage. Damit bietet dieser Wartungsansatz entscheidende Vorteile gegenüber einer reaktiven Wartung, die erst nach Störungen eingreift. Smarte Sensoren und vernetzte Gebäudetechnologie liefern sehr umfangreiche und detaillierte Daten an eine zentrale Schnittstelle, wo diese mit Hilfe intelligenter Algorithmen ausgewertet werden. Anhand der Nutzungsmuster und anderer Parameter lässt sich automatisch der optimale Zeitpunkt für Wartungsmaßnahmen ableiten. So werden ungeplante Maschinenausfälle vermieden und Außendiensteinsätze von Servicemitarbeitern/innen optimiert. Wartungs- und Serviceintervalle sowie das Ersatzteilemanagement sind im Vergleich zur traditionellen, reaktiven Wartung wesentlich besser planbar. Zusätzlich ist es durch die Analyse der gesammelten Daten möglich, die Leistung der Maschinen zu verbessern und eine höhere Produktivität zu erzielen.
Der Aufzug fährt vor.
In Beförderungsanlagen wie z. B. in Aufzügen ist das Internet der Dinge bereits unverzichtbares Element für Wartungseinsätze, Störungsbehebungen und Managementsysteme.
Intelligente Sensoren in den Aufzügen und Aufzugsschächten liefern umfangreiche, cloudbasierte Echtzeitdaten direkt auf das Smartphone der Servicekraft – vom Zustand der einzelnen Komponenten über Besonderheiten im Betriebsablauf bis hin zum allgemeinen Energieverbrauch. Inzwischen gehören automatisierte Störungsmeldungen, exakte Fehleranalysen sowie Entstörungen und Personenbefreiung per Fernzugriff zum Standard in der Aufzugindustrie. Wesentliche Verbesserungen ergeben sich aber vor allem im Ersatzteilmanagement: Der Verschleißpunkt einzelner Bauteile wird durch intelligente Algorithmen vorhersagbar. Dadurch können Ersatzteile frühzeitig beschafft und eingebaut werden.
Schöner Nebeneffekt: Die gesammelten Daten können auch zur Optimierung des laufenden Betriebs genutzt werden. So lernen die Aufzüge mit Machine Learning anhand von Nutzungsmustern, wann welcher Bedarf entsteht und können vorausschauend zusätzliche Kapazitäten schaffen – z. B. zur Mittagspause oder zum Ende einer Veranstaltung.