Predictive Maintenance – ein neues Betätigungsfeld der Telematik?

Revolutionäre oder gar disruptive neue Features waren in der Telematik für Nutzfahrzeuge in den letzten Jahren nicht zu verzeichnen. Es ging mehr um inkrementelle Verbesserungen bestehender Funktionalitäten. Doch nun zeichnet sich ein neues Betätigungsfeld ab, in dem Telematiksysteme für die notwendige Konnektivität zwischen den Fahrzeugen und zentralen Analyse-, Monitoring- und Archivierungssystemen benötigt werden. Es geht dabei um die vorausschauende Wartung, neudeutsch „Predictive Maintenance“ genannt, in die im Folgenden kurz eingeführt wird.

Egal ob industrielle Fertigungsanlagen, E-Bikes, Busse oder LKW – downtime bleibt downtime. Durch Pannen und Komponentenversagen können Fahrzeugen teure Folgereparaturen und permanente Schäden entstehen. Hinzu kommen beim Nutzfahrzeug die Umsatzausfälle und Kosten für teure Ersatzlösungen, wenn ein Fahrzeug im Einsatz unerwartet mit einem technischen Problem liegen bleibt. Heutige Lösungsansätze und Wartungszyklen bergen Risiken: entweder ein Fahrzeug steht zu häufig in der Werkstatt und wird unnötig häufig gewartet, oder Fahrzeuge werden zu selten gewartet und sind konstant ausfallsgefährdet.

Vorausschauende Wartung, auch „Predictive Maintenance“ genannt, versucht dieses Problem zu lösen. Auf fundierten Datenanalysen basierende Fehlervorhersagen und daraus abgeleitete Empfehlungen zu präzisen Wartungsfenstern sollen die Zeit auf der Straße optimieren und Stillstände vermeiden.

Moderne Fahrzeuge sind mit einer Vielzahl von Sensoren ausgestattet, die heutzutage zur Fehlerdiagnose oder für Echtzeit-Warnmeldungen eingesetzt werden. Das Sammeln dieser Datenpunkte über einen längeren Zeitraum hinweg ermöglicht jedoch das Erkennen von Mustern und Trends, die bereits lange vor dem Aufleuchten eines Warnlämpchens im Armaturenbrett erkannt werden können. In folgender Abbildung ist dargestellt, wie künstliche Intelligenz abnormale Muster erkennt und Fehler vorhersagen kann.

Auffallend ist, dass kein einziger Sensorwert den definierten Warnungs-Schwellwert überschreitet und dennoch eine korrekte Vorhersage generiert werden kann.

Bild: Beispiel zur Fehlervorhersage auf Basis von drei Sensoren     © maiot GmbH

Künstliche Intelligenz („KI“) ist entscheidend, um diese Muster zu erkennen. Moderne KI-Techniken ermöglichen es, Tausende komplexer Beziehungen zwischen Sensorwerten zu untersuchen, um den Zustand eines Fahrzeugs zu bestimmen. Beispielsweise kann die Wechselwirkung zwischen der Fahrzeuggeschwindigkeit und dem Raddrehzahlverhältnis an einer Achse in Kombination mit dem Aufhängungsdruck und dem Bremsanforderungsdruck auf eine bevorstehende Bremsenüberhitzung hinweisen. Auch wiederkehrende, auf den ersten Blick irrelevante Anomalien werden frühzeitig erkannt, bevor diese zu einem schwerwiegenden Ausfall führen können.

So kann zum Beispiel ein Turbolader oder ein Retarder mit anormalen Verhaltensmustern beim nächsten Werkstattbesuch ausgetauscht werden – bevor es zu spät ist und größere Komponenten wie der Motor oder das Bremssystem schwer beschädigt werden. Derzeit verfügbare (Telematik-)Frühwarnsysteme können diese Muster nicht erfassen, hierzu sind modernste KI-Technologien notwendig.

Aber wie funktioniert ein solches System im Grundsatz? Die nachfolgende Abbildung zeigt rein schematisch, wie eine Infrastruktur zur vorausschauenden Wartung auf abstrakter Ebene aussieht. Zunächst müssen Daten aus dem Fahrzeug abgerufen und drahtlos an eine Softwarelösung für vorausschauende Wartung übertragen werden.

Bild: Schematische Übersicht zur Predictive Maintenance bei Fahrzeugen         © maiot GmbH

Einige Telematiklösungen bieten diese Option bereits heute schon von Haus aus an, andernfalls muss zusätzliche Hardware nachgerüstet werden, die diese Funktionalität bereitstellt. Entscheidend ist jedoch immer, Zugriff auf möglichst viele Daten des Fahrzeugs (Lkw, Zugmaschine, Trailer, usw.) zu bekommen. Die recht spärlichen Daten, die die Lkw-OEMs auf Ihrer FMS-Schnittstelle anbieten, sind dafür in der Regel nicht ausreichend!

Anschließend werden die gesammelten Sensorwerte durch KI-Algorithmen analysiert, um Vorhersagen zu generieren und Fehlermuster zu erkennen. Diese Warnungen und Erkenntnisse werden schließlich in Echtzeit per Benachrichtigung und Online-Dashboards an den Kunden übermittelt, um Ausfälle zu vermeiden und Wartungsfenster zu optimieren.

Zusammenfassend lässt sich festhalten, dass sowohl Flottenbetreiber als auch Hersteller und Zulieferer moderner Maschinen und Fahrzeuge von vorausschauender Wartung profitieren – und zwar durch Kostenoptimierung, längere Betriebszeiten, genauerer Wartung sowie neuester Erkenntnisse für die Weiterentwicklung der Fahrzeuge.

Mit dem Münchner Unternehmen maiot GmbH betritt nun ein neuer Player die Bühne, der in Kooperation mit Telematikanbietern künftig Mehrwert aus den Predictive Maintenance Konzepten generieren will. Das aus dem Umfeld der TU München entstandene Startup hat seine Ansätze zur Predictive Maintenance bereits in diversen Pilotprojekten bei Bussen, Anhängern und Landmaschinen eingesetzt. Weitere Anwendergruppen aus der Nutzfahrzeugbranche sind dort herzlich willkommen. Nähere Informationen finden sich auf www.maiot.io

Bilder zur Verfügung gestellt von: maiot GmbH, München