)
Predictive Maintenance
Predictive Maintenance beruht zwar im Kern auf Big Data, die Umsetzung konkreter Projekte erfordert aber ein Kompetenzprofil, das z. B. auch Netzwerke, Telekommunikation, IT-Architektur, das IoT, Cloud Computing und Security umfasst. Reply verfügt über die nachgewiesene Expertise in allen Bereichen, die für Predictive Maintenance relevant sind.
Big Data als Herausforderung
Die Datenmengen, die eine hochkomplexe Industrieanlage produziert, sind immens. Die Datenströme sind dabei durch die 5 Vs charakterisiert.
Datenquellen und Infrastruktur
Das Ziel liegt darin, sicherzustellen, dass die IT-Architektur den Anforderungen des gesetzten Ziels auch wirklich gerecht wird. Eine zentrale Herausforderung besteht in der Erweiterung klassischer, relationaler Datenbanken um unstrukturierte Daten.
Daher hängt die Entscheidung im Wesentlichen auch davon ab, mit welcher Geschwindigkeit die Daten über den Schritt der Analyse in Aktion umgesetzt werden sollen bzw. welcher Automatisierungsgrad für die Prozesse angestrebt wird. Diese Frage kann ebenso wenig generell beantwortet werden, wie die Frage nach relevanten Datenquellen: beides hängt stark vom jeweiligen (branchenspezifischen) Einsatzszenario ab.
)
,allowExpansion)
Datenexploration und Modellentwicklung
Zielsetzung und Realisierbarkeit werden aus unterschiedlichen wirtschaftlichen, technischen, rechtlichen und IT-Gesichtspunkten ausgewertet. Nachdem die Ziele des Projektes festgelegt sind, entwickelt der Data Scientist statistische Modelle, die alle Variablen bestimmen und integrieren, um Vorhersagen treffen zu können, wann es zu einem Ausfall eines Gerätes, eines Motors oder einer Maschine kommen wird.
Die Modelle werden sodann durch Anwendung auf Test- und Trainingsdaten überprüft: dies ermöglicht eine Qualitätseinschätzung des Modells und weitere Verfeinerung, um exaktere Voraussagen zu erzielen.
Prozessintegration
Vorhersagen und Ergebnisse aus Analytics müssen in die Prozesse des Unternehmens verankert werden. Relevante Personen haben rechtzeitig Zugriff mit den richtigen Tools und einem User Interface, dass sie bei der Entscheidungsfindung optimal unterstützt.
Die Wahl der geeigneten Tools hängt von vom gewünschten Grad an Automatisierung ab, d.h. in wie weit Mitarbeiter die Daten nach der Erhebung weiter analysieren und interpretieren, oder ob Instandhaltungsprozesse automatisiert angestoßen werden.
)
Predictive Maintenance beruht zwar im Kern auf Big Data, die Umsetzung konkreter Projekte erfordert aber ein Kompetenzprofil, das z.B. auch Netzwerke, Telekommunikation, IT-Architektur, das IoT, Cloud Computing und Security umfasst.
Reply verfügt über die nachgewiesene Expertise in allen Bereichen, die für Predictive Maintenance relevant sind.
Reply engagiert sich im Rahmen der OPC Foundation für die Entwicklung globaler Standards für das IoT mit dem Ziel, einen übergreifenden Standard für die industrielle Automatisierung als Grundlage von Industrie 4.0 zu schaffen.
Reply bringt dabei die Erfahrung und technische Expertise aus zahlreichen Projekten ein, um bei der Entwicklung zur Industrie 4.0 zu neuen Ufern aufzubrechen; hierbei übernimmt Predictive Maintenance als zentraler Innovationstreiber eine Schlüsselfunktion.
Predictive Maintenance in der Praxis
)
Syskoplan Reply ist auf die Beratung und Implementierung von SAP-Technologien spezialisiert. Als langjähriger und mehrfach ausgezeichneter SAP Gold Partner begleitet Syskoplan Reply Unternehmen zuverlässig auf ihrem Weg in die digitale Zukunft. Im Mittelpunkt steht dabei der Einsatz von SAP-Lösungen als zentrale Plattform für die Transformation von Geschäftsprozessen und Kundenerlebnissen. Mit den maßgeschneiderten Konzepten der Experten sichern sich Unternehmen entscheidende Wettbewerbsvorteile. Dabei profitieren sie von Innovationskraft, Agilität und umfassender Projekterfahrung in unterschiedlichen Branchen. Das Portfolio von Syskoplan Reply umfasst alle Facetten moderner SAP-Architekturen.