Genaue Prognosen statt unerwarteter Probleme

Wenn hier was schief geht, geht in einer ganzen Region das Licht aus: Der Betrieb des RWE-Kraftwerks im Pembroke (England) ist eine komplexe Aufgabe. Tausende Komponenten müssen perfekt ineinandergreifen, damit alles reibungslos funktioniert. Kundinnen und Kunden – ob Privathaushalte oder Industrieunternehmen – verlassen sich auf die Zuverlässigkeit der Stromlieferungen. Störungen des Betriebsablaufes können weitreichende Konsequenzen bis hin zum Stillstand nach sich ziehen.

Eine besondere Rolle fällt der Wartung zu: Die Expertinnen und Experten sorgen mit ihrer Arbeit dafür, die hohen Anforderungen an die Verfügbarkeit des Kraftwerks zu erfüllen. Ihre Entscheidungen darüber, was sie wann wie prüfen, hat unmittelbaren Einfluss auf das gesamte Kraftwerk. Es gilt, Wartungs- und Instandhaltungsarbeiten optimal zu terminieren.

Dank Künstlicher Intelligenz sind die Prognosen über den Wartungsbedarf einzelner Komponenten jetzt noch genauer. Und damit der Betrieb noch zuverlässiger. Das Stichwort: Value Based Maintenance (VBM). Das Ergebnis: Künstliche Intelligenz reduziert Kapital- und Betriebsausgaben, erhöht die Effizienz und verbessert das Serviceniveau.

Die für eine Risikoabwägung relevanten Fakten sind im Unternehmen über verschiedene Wissenssilos verstreut. Diese Datensilos in einzelnen Anwendungsbereichen sorgen für einen hohen manuellen Aufwand bei der Organisation der Kraftwerkswartung.

Um auf Daten aus den bisherigen Wissenssilos zentral zugreifen zu können, bauen RWE und adesso zunächst eine einheitliche Datenplattform auf Microsoft-Azure-Cloud-Basis. Basierend auf den Daten entwickeln die Fachleute Vorhersagemodelle, um beispielsweise die Lebensdauer von Kraftwerkskomponenten vorherzusagen. Dies hilft den Betreibern dabei, den Wartungsaufwand und das Schadenspotenzial der Kraftwerkskomponenten besser einzuschätzen. Die Ergebnisse dieser Modelle unterstützen die menschliche Intelligenz dabei, wertorientierte Wartungsentscheidungen zu treffen, wann welche Kraftwerkskomponente gewartet werden sollte. Zum Beispiel in Abhängigkeit von ihrem Gesundheitszustand, ihrem Marktwert oder den Wetterbedingungen.

adesso entwickelt Dashboards auf Basis von Power BI, die alle Informationen und Vorhersagen zu den Einflussfaktoren visualisieren. Mit diesen Informationen können die Wartungsingenieure in den Kraftwerken ihre individuelle Risikoabschätzung durchführen und ihre Wartungseinsätze planen.

Der konsequente Einsatz von KI-Technologien verbesserte den Wartungsprozess auf mehreren Ebenen:

Zeitersparnis: Das systematische Integrieren und zur Verfügung stellen von Daten sorgt für eine schnellere Entscheidungsfindung.

Ressourceneinsatz: Automatisierte Prozesse und Machine Learning reduzieren manuelle Aufwände und helfen dabei, die begrenzten Ressourcen in IT und Fachbereichen optimal einzusetzen.

Data Governance: Gesteuerte Datenqualität, Datenkataloge und Data-Ownershi-Konzepte vereinfachen das Datenmanagement.