Bleiben Sie immer up-to-date. Im T-Systems Newsroom finden Sie alle aktuellen Themen des Unternehmens im Überblick.
News

Predictive Maintenance

17.03.2016

Mit Echtzeit-Analysen von Maschinendaten und externen Datenquellen für Predictive Maintenance und Predictive Operations setzen Transportunternehmen Kapazitäten frei.
Für die S-Bahn-Pendler in Köln ist es ein Geduldspiel. Rund sechs Wochen lang saniert und erneuert die Bahn im März und April 2016 Gleise und Weichen im gesamten S-Bahn-Knoten Köln. Verspätungen und Ausfälle lassen sich nicht verhindern. Köln ist ein Beispiel dafür, warum Transporteure von Personen und Gütern mit Hochdruck daran arbeiten, die logistischen Abläufe der bis an die Grenzen ausgelasteten Netzinfrastruktur zu optimieren – sowohl im Schienenverkehr als auch auf der Straße. Wie können Bahnen mehr Reisende und Güter bei gleichen Ressourcen möglichst pünktlich befördern? Und wie können Spediteure mehr Ware auf der Straße transportieren und die Auslastung ihrer Lkw erhöhen?

Predictive Maintenance, Operations und Analytics

Studien zeigen, dass im Schienenverkehr 35 Prozent der Initialverspätungen auf Störungen und Defekte von rollendem Material - Lokomotiven, Triebwagen, Personen- und Güterwagen – und Infrastrukturkomponenten basieren. Ließe sich diese Quote senken, würde das Abläufe verbessern und Kosten senken. Das Zauberwort dafür heißt Predictive, vorausschauendes Handeln – also, Prognosen auf Basis von realen Daten zu entwickeln. Die Union Pacific Railroad in den USA setzt schon auf die vorrausschauende Wartung – Predictive Maintenance – ihrer Lokomotiven und spart nach eigenen Angaben rund 100 Millionen Dollar pro Jahr. Die Maschinen senden dabei laufend Zustandsdaten von Motoren und kritischen Bauteilen. Eine spezielle Software analysiert diese Daten und meldet Fehler, bevor es tatsächlich zum ungeplanten Stillstand kommt.

Maschinendaten und externe Datenquellen verbinden

Methoden der Predictive Operations gehen einen Schritt weiter, da die Datenanalysen auch Informationen einbeziehen, die nicht mit den Maschinenzuständen zu tun haben. Sie verknüpfen zum Beispiel Umweltdaten, GPS-Koordinaten und geographische Daten mit den Zugdaten und erkennen Fehlmessungen. Für so identifizierte Gefahrenstellen wird ein angepasstes Fahrverhalten definiert und so unnötige Zwangsbremsungen vermieden, was die Zahl der Verspätungen verringert. Den höchsten Erkenntniswert liefert die vorausschauende Analyse – Predictive Analytics – die auf Methoden der künstlichen Intelligenz beruht. Mathematische Algorithmen prognostizieren das künftige Verhalten von Systemen anhand von historischen Verhaltensdaten – vergleichbar mit einem EKG, das Normalzustände mit aktuell gemessenen Daten vergleicht und Risiken erkennt. Bei Maschinen lassen sich durch diese Methodik Daten analysieren, wie sie typisch für den Zeitpunkt vor dem Eintritt eines Schadens waren.     

Reisende besser informieren

Methoden der Predictive Analytics lassen sich auch für die bessere Information der Reisenden nutzen. Denn sie wünschen sich genauere Informationen darüber, ob ein unvorhergesehenes Ereignis ihre Abfahrtszeit verändert und ungeplante Wartezeiten entstehen. Auf der CeBIT 2016 stellt T-Systems eine Data-Analytics-Lösung vor, die Liniendienste und deren Kunden automatisiert und in Echtzeit über Abfahrtszeiten von Fernzügen und -bussen informiert. Die Data-Analytics-Plattform von T-Systems berechnet innerhalb von zehn Sekunden die Auswirkungen von veränderten Zugankünften auf Anschlussverbindungen für das komplette Liniennetz eines europäischen Bahnanbieters mit bis zu 40.000 täglichen Zügen.

Analysen mit SAP HANA und Hadoop

Dazu gleicht die Lösung fortlaufend die theoretischen Fahrplandaten mit der aktuellen Verkehrslage und den regelmäßigen Statusmeldungen der einzelnen Verkehrsmittel ab. Aus diesen Daten wird eine Prognose über die voraussichtliche Ankunftszeit und gleichzeitig deren Effekt auf mögliche Anschlüsse erstellt. Fahrgäste können damit bis zu 90 Minuten vor der geplanten Abfahrt per Smartphone in Echtzeit über die reale Abfahrtszeit informiert werden. T-Systems nutzt für Data Analytics sowohl SAP HANA als auch Hadoop aus der Cloud. Dabei werden die Services in zertifizierten Hochsicherheits-Rechenzentren erbracht, die den strengen deutschen Datenschutz erfüllen.