Dank Predictive Analytics erkennen Unternehmen Schäden an Infrastrukturelementen frühzeitig und können sie gezielt beheben.

Predictive Operations optimiert Logistikketten

Unterbrochene Produktionsprozesse, unzufriedene Kunden: Was in der Fertigungsindustrie Geld und Image kostet, ist auch in der Transport- und Logistikbranche gefürchtet - egal ob es sich um Güter- oder Personentransport handelt. Denn unvorhergesehene Ausfälle verzögern den Ablauf. In Deutschland verspätet sich zum Beispiel rund ein Viertel aller Züge. Dies verärgert nicht nur die Fahrgäste oder Logistikkunden, sondern sprengt den eng getakteten Ablauf auf einer bis an ihre Grenzen genutzten Infrastruktur. Studien zeigen, dass mehr als ein Drittel der Initialverspätungen auf Defekte von Rollmaterial und Infrastrukturkomponenten basiert – also auf unerwarteten Schäden an Nah- und Fernverkehrszügen, Lkw oder Bussen.

Predictive Maintenance: vorausschauende Wartung und Überwachung

Daher suchen Transportunternehmen nach neuen Wegen, Ausfälle zu verringern und die vorhandene Verkehrsinfrastruktur optimal auszunutzen. Der Einsatz vordefinierte Wartungstermine, nach denen Unternehmen Maschinen in festgelegten Zeitfenstern vorsorglich warten, stößt an seine Grenzen und weitere signifikante Prozessverbesserungen sind damit kaum mehr zu erreichen. Eine Antwort lautet Predictive Maintenance – die vorausschauende Wartung und Überwachung von Maschinen und Anlagen.
Predictive Maintenance Solution (PMS)
Die Locomotive Predictive Maintenance-Lösung von T-Systems ermöglicht es Eisenbahnunternehmen mögliche Betriebsstörungen vorherzusehen. So können Unternehmen die Wartung bereits im Voraus mit minimalen Unterbrechungen im Fahrplan planen (Video auf Englisch).

Schäden erkennen, bevor sie auftreten

Für Predicitve Maintenance werden Maschinen und Fahrzeuge mit Sensoren ausgestattet. Sie erfassen laufend Zustandsdaten einzelner Komponenten und senden sie via Mobilfunk an eine zentrale intelligente Software, die die Daten echtzeitnah auswertet und die Ergebnisse in einem Online-Dashboard bereitstellt. Die Analyse der Zustandsdaten in Echtzeit erkennt Schäden an Fahrzeugen, bevor sie zu Ausfallzeiten führen. Wartungsarbeiten lassen sich also durch Predictive Maintenance besser planen. Die US-Eisenbahngesellschaft Union Pacific, die fast 8.000 Lokomotiven einsetzt, spart nach eigenen Angaben durch Predicitve Maintenance rund 100 Millionen Dollar pro Jahr.

Predictive Analytics 

Die Analytischen Verfahren aus der Predictive Maintenance lassen sich auf viele Fertigungs- und Logistikprozesse übertragen. Überall wo in Echtzeit grosse Datenmengen zum Zustand der beteiligten Komponenten vorliegen, können Unternehmen diese für Prognosen zur Optimierung der Prozesse verwenden – und das in Echtzeit mit Rückkopplung in die produktiven Prozesse. T-Systems bietet hierfür Lösungen Ende-zu-Ende von Sensorik über Konnektivität, Data Science, Branchenkompetenz bis zur Bereitstellung der Big-Data-Plattformen aus der Cloud.

Big-Data-Analysen aus der sicheren Cloud

Die passende Lösung
Logistics
Telematik- und Cloudlösungen von helfen dabei, Fahrzeug und Ladung zu überwachen, Leerfahrten zu vermeiden und pünktlich zu liefern.

Mehr erfahren

T-Systems nutzt für Data Analytics sowohl SAP HANA als auch Hadoop-Technologien. Die Services werden auf Wunsch aus der Cloud bereitgestellt. Investitionen in eigene Rechenzentrums- und Softwareinfrastrukturen entfallen. Dies rechnet sich insbesondere dann, wenn die benötigten Rechenkapazitäten starken Schwankungen unterlaufen sind und die Ressourcen nur unregelmässig genutzt werden. Alle Cloud-Services für Predictive Maintenance und Predicitve Analytics erbringt T-Systems in zertifizierten Hochsicherheits-Rechenzentren in Deutschland, die strenge deutsche Datenschutzbestimmungen erfüllen.