Services intelligent planen
Die Prediction Box macht bedarfsgerechte Services mittels intelligenter Vorhersagemodelle möglich (Quelle: Sick)
Nicht nur bei Containerterminals, sondern in vielen Bereichen gilt im Zusammenhang mit Servicearbeiten: Vorausschau ist die beste Strategie, um Stillstände zu vermeiden, die Verfügbarkeit zu erhöhen sowie gleichzeitig die Produkt- und Prozessqualität zu verbessern. Mit der Prediction Box bringt Sick nun eine Lösung auf den Markt, die bedarfsgerechte Services mittels intelligenter Vorhersagemodelle möglich macht. Reaktive oder zyklische Serviceeinsätze wie sie bislang nötig waren, gehören damit der Vergangenheit an. „Mit der Prediction Box lassen sich Datenverläufe von Geräten vorhersagen und damit die Produktivität durch frühzeitiges Handeln erhöhen. Das Besondere daran: Für die Berechnung der Vorhersagen werden die relevanten Daten mittels verschiedener mathematischer Modelle verarbeitet und mit Geräte- und Applikationswissen kombiniert. So schaffen wir mit dem intelligenten Arbeiten mit Daten neue Informationen, die einen ganz besonderen Mehrwert bieten“, erklärt Max Dietrich, Product and Application Manager Smart Data Solutions. Auf Basis dieser intelligenten Vorhersagemodelle wissen die Nutzer, wann Vorfälle höchstwahrscheinlich auftreten werden. Somit können sie den optimalen Zeitpunkt sowie Umfang für den Service planen.
Daten direkt vom Sensor in die Box
Die Daten bezieht die Prediction Box direkt von der (Sick-) Sensorik. Der Kunde verbindet den Sensor mittels Smart Service Gateway (TDC-E) an den Cloudservice (smartservice. sick.com). Condition Monitoring ist dafür keine zwingende Voraussetzung, sondern eine sinnvolle Ergänzung. Die Prediction Box zeichnet die für die Vorhersage künftiger Ereignisse relevanten Daten auf, verrechnet intelligent die Werte und stellt die neu generierten Informationen einfach und verständlich auf einem Dashboard oder mobil dar. Auf die Daten können Anwender weltweit zugreifen. Über eine definierte Schnittstelle lassen sich die neu erstellen Daten auch in Fremdsysteme einbeziehen. Um eine hohe Vorhersagegüte sicherzustellen, werden passend zum Datenverlauf Vorhersagemodelle trainiert und validiert. So lassen sich bekannte Ereignisse an Geräten, im Prozess oder einer Automatisierungsanwendung mit hoher Wahrscheinlichkeit und Genauigkeit vorhersagen.