Episode 29: Instandhaltung meets KI

Einblick. Zweiblick. Weitblick. Digitale Services im Gespräch ·

Show notes

Vorausschauende Instandhaltung soll durch Senseye, eine Siemens KI-Anwendung, noch zuverlässiger werden und die Einstiegshürden verschwinden lassen - so zumindest die Theorie. Wie es in der Praxis aussieht, das erfahren wir von Senseye-Projektleiter Andreas Dettmer und von Dominik Klemm, Anwender der ersten Stunde aus dem Gerätewerk Erlangen.

Transcript

Ein Blick, Zweiblick, Weitblick Digitale Services im Gespräch. Hallo zusammen. Herzlich willkommen zu unserer neuen Episode von Einblick Zweiblick Weitblick Digitale Services im Gespräch. Mein Name ist Katja Lübke und wie immer begleite ich Sie in dem Podcast als Moderatorin. Das Optimieren von Wartungsintervallen und Wartungsmaßnahmen spielt in der Industrie eine große Rolle, vor allem, wenn man das im Rahmen einer vorausschauenden Wartung umsetzen möchte. Wir hören heute gemeinsam genauer rein, was genau Predictive maintenance, also die vorausschauende Wartung, heute schon kann und wo und wie diese aktuell auch mit neuen Tools und Software weiterentwickelt wird. Oftmals haben wir einen Kunden und einen Siemens-Experten mit im Gespräch. Heute sind beide von Siemens, denn auch Siemens kann bei Siemens Kunde sein. Der Kunde ist das Gerätewerk Erlang. Die stellen industrielle Steuerungen her und haben jetzt zum ersten Mal eine ganz besondere Form von Predictive Maintenance ausprobiert. Das Gerätewerk Erlang wird heute vertreten durch Dominik, der dort die vorausschauende Wartung verantwortet. Zweiter Gesprächspartner ist Andreas. Er ist Experte und auch Business Developer für vorausschauende Wartung. Andreas Dominik. Schön, dass ihr da seid. Stellt euch doch gerne einmal mit ein paar Worten vor. Wo sitzt ihr bei Siemens? Und was sind konkret eure Aufgaben? Ja. Mein Name ist Andreas Dettmer. Ich bin seit gut 27 Jahren bei der Siemens AG tätig und derzeit für das Business Development von Sensi Predictive Maintenance in der Dachregion verantwortlich. Und ja, ist ja eigentlich schon fast im Namen drin. Beschäftige mich eben mit. Predictive Maintenance mit unserem Tool dafür. Und ja, es ist eigentlich so aktuell meine Hauptaufgabe. Mein Name ist Dominik Klem. Ich habe bei der Siemens AG vor knapp 10 Jahren jetzt angefangen zu lernen. 2014 habe ich meine Ausbildung angefangen als Elektroniker für Geräte und Systeme. Heute bin ich jetzt hier im Gerät Werklangen tätig als Instandhaltungsplaner und vor allem für Digitalisierungsthemen innerhalb der Instandhaltung verantwortlich. Und das beinhaltet natürlich auch das Thema Predictive Maintenance. Zusätzlich bin ich auch noch im Werkführungsteam. Das bedeutet, jeder Zuschauer ist von meiner Seite auch herzlich eingeladen. Sich mal eine Produktion live anzusehen, wenn er das denn möchte. Und vielleicht sieht man sich ja dann dort. Wunderbar. Ich freue mich, dass ihr beide heute dabei seid. Und jetzt haben wir direkt mal einen neuen Begriff erwähnt. Sensei. Wir haben schon in der Einleitung von vorausschauender Wartung, also Predictive maintenance gesprochen. Heute soll es aber eben auch um Sensei gehen. Andreas, erzähl mir doch mal. Was ist denn überhaupt Sensei? Sensei ist unsere ganzheitliche Predictive Maintenance Lösung. Sensei kann eigentlich in allen Industrien, in denen Siemens tätig ist, eingesetzt werden. Und der Name Sensei klingt für Siemens fast untypisch. Da ist es eben so, dass Siemens Sensei, also das Unternehmen Sensei, vor 2 Jahren gekauft hat. Das heißt, die Lösung, die wir dort einsetzen, ist keine neu entwickelte Lösung von uns, sondern schon seit 2014 erprobt. Damals wurde die Company Sensai in England in die UK gegründet. Und Siemens hat einfach festgestellt: Mensch, das ist eine gute Lösung. Die könnte uns nach vorne bringen. Wir brauchen eine ganzheitliche Predictive Maintenance Lösung, die gut skaliert. Sensei selbst fehlte eben. Wie soll ich sagen, so ein wenig der Unterbau. Also, wie kommt man an die Daten ran? Wie werden die Daten erzeugt? Das war nicht Kernkompetenz von Sensei. Wir bei Siemens hingegen kennen uns im OT Level natürlich sehr, sehr gut aus. Daher war dieser Zusammenschluss sehr, sehr fruchtbar für beide Seiten. 2022 wurde Sensei dann von Siemens gekauft. Letztes Jahr 2023 bei uns komplett integriert. Und daher kommt Sensei. Das versteckt sich auch so ein bisschen hinter dem Namen. Genau. Wie sieht denn Sensei aus? Was ist Sensei? Sensei ist eine reine Cloud Applikation, sprich, unsere Applikation läuft nur in der Cloud, läuft nicht on-premise bei einem Kunden, auch nicht in einem Rechenzentrum bei einem Kunden ist also nur als Cloud-Version zur Verfügung, hilft uns dabei eben immer up to date zu sein. Sprich, der Kunde braucht auch keinen Software Update Service oder muss irgendwo Updates selbst einspielen. Das heißt, er hat im Prinzip immer die neueste Version von Sensei. Und wir haben natürlich, dass Sensei eben rein ki basiert ist. Eigentlich unendlich Rechenpower, unendlich Datenspeicher. Daher Sensei wirklich reine Cloud Applikation. Du hast ja jetzt schon auch noch mal in dem Zusammenhang Predictive Maintenance erwähnt. Wo ist denn jetzt genau der Unterschied? Also was kann Sensei, was Predictive maintenance nicht kann? Also Sensei ist natürlich eine ganzheitliche Predictive maintenance Lösung. Allerdings unterscheidet sich Sensei dahingehend, dass es eben wirklich Acid Industrie agnostisch ist. Das heißt, wir können eigentlich sehr, sehr viele Acids einbinden. Wir sind nicht festgelegt wie andere Lösungen auf beispielsweise Pumpen oder nur Drives in irgendeiner Form. Sondern wir könnten rein theoretisch auch Roboter anbinden. Wir können AGVs anbinden, Regalbediengeräte, rein theoretisch auch eine Kaffeemaschine zum Beispiel. Das ist schon ein großer Unterschied zu bestehenden Predictive maintenance Lösungen, die wir auch natürlich immer noch an Bord haben. Das heißt, wir skalieren, wenn nötig, über eine ganze Factory hinweg. Und jetzt ganz klassische Predictive maintenance. Wie würdest du das definieren? Also ganz klassische Predictive maintenance. Vorausschauende Wartung ist. Ich nehme einen Aggregat. Ich nehme einen Vibrationssensor, schaue mir die Vibration an, zeichne die auf und sage, dies könnte ein schlechter Wert sein. Markiere dort Anomalien oder Trends und lasse es dann einfach so laufen. Und irgendwann wird mir das System sagen. Okay, jetzt habe ich die Anomalie, die du mir gezeigt hast. Die habe ich. Jetzt wiedererkannt. Dieses Muster habe ich wiedererkannt. Hier scheint sich irgendwas anzubahnen, so agiert Sensei nicht. Sensei lernt jedes Asset komplett neu an, lernt es kennen, versucht einfach den Normalzustand für sich selbst zu lernen und hört dann einfach ab einem gewissen Grad zu und versucht dann zu erkennen. Hier bilden sich Anomalien ab. Hier bilden sich Trends ab, Verschlechterungen und so weiter und meldet das an den Mitarbeiter und der Mitarbeiter. Selbst kann dann aber auch sagen Ja, das war gut, was du mir gesagt hast, oder? Nein, das war eigentlich ein totaler Quatsch, was du mir gesagt hast. Und dieses Feedback des Mitarbeiters nimmt Sensei dann auch dementsprechend mit und lernt halt einfach weiter. Und das ist natürlich immens für den Kunden, dass das System nie austrainiert ist, sondern immer weiter lernt, immer weiter mit seinen Mitarbeitern lernt. Was ist gut? Was ist schlecht? Da ist schon so der große Unterschied. Welche Rolle spielt dabei denn KI? Sensei basiert natürlich komplett auf künstlicher Intelligenz, also diese Vorhersagen, die getroffen werden, die Analysen, die gemacht werden auf den großen Datenmengen, die wir aus den Anlagen gewinnen. Da spielt KI natürlich eine sehr große Rolle. Allerdings ist es bei Sensei auch so, dass das für den Endanwender nicht wirklich relevant ist. Also unser Endanwender ist ja auch die. Instandhaltung. Das heißt, hier sitzt kein Data Scientist, der sich da Daten angucken muss. Dieses Beispiel bringe ich zumindest immer. Das ist wie ein Auto. Ich kann die Motorhaube aufmachen, kann da drunter gucken, kann schauen, wie funktioniert das alles kann hier drehen, kann da drehen. Ich kann aber auch einfach die Motorhaube zulassen, mich hinter Steuer setzen und Gas geben, dass es eigentlich so ein wenig Cent sei. Dann passt meine nächste Frage, die ich gerade im Kopf hab. Dazu. Würdest du Sensei jetzt als Ergänzung zur herkömmlichen vorausschauenden Wartung sehen oder eher als eine Art Weiterentwicklung? Ja, ist schon eine Art Weiterentwicklung. Ich glaube, Predictive Maintenance schwirrt schon länger in den Köpfen der Leute rum. Sensei selbst ist da schon die konsequente Weiterentwicklung. Sodass wir der KI Kontext geben können, welches Produkt fahren wir gerade, also, dass Sor nicht rein auf die Rohdaten guckt, sondern dass wir dort Kontext geben können. Aber auch eben das Feedback des Mitarbeiter. Das ist schon etwas, was Sensei an der Stelle sehr unique macht. Dann lasst uns mal auf Beispiele zu sprechen kommen. Wo setzt man Sensei denn jetzt gerade schon ein? Oder ist es überhaupt überall möglich, das einzusetzen oder eher ein Thema für Spezialanwendungen? Im Prinzip ist es überall einsetzbar. Also, wir setzen es auch in jeglichen Industrien ein, die Siemens so betreut. Also die großen Verticals betreuen wir natürlich also Automotive, Steel, Pharma zum Beispiel dort in den einzelnen Produktionen. Also das sind die Industrien. Wenn man jetzt etwas tiefer reinschaut, ist es nicht, dass wir. Jetzt irgendwelche Spezialanwendungen damit monitoren, sondern es ist vom einfachen Antrieb bis zum komplexen Essen eigentlich alles mit drin, was wir jetzt schon monitoren. Inwiefern werden die Möglichkeiten jetzt auch schon ganz konkret eingesetzt, also in den industriellen Produktionen zum Beispiel, könnt ihr da ein paar Beispiele nennen? Ja, genau. Unsere Anlagen können natürlich als Beispiel genannt werden. Wir hier im GWE haben große Schwall Lötanlagen, kleinere Power Selektiv Lötanlagen angebunden an Sensai. Oder wir haben auch HGVs bei uns rumfahren, also fahrerlose Transportsysteme. Die überwachen wir auch bereits in Sensai, genauso wie Fräsen, die. Bei uns die Leiterplatten in Anführungszeichen zurechtschneiden beziehungsweise auch Nutzentrenner genannt. Die sind bei uns auch angebunden. Okay, also ganz vielseitige Anwendungen. Wir kommen ja später noch mal darauf, was jetzt genau bei euch im Gerätewerk in Erlangen passiert. Andreas, hast du sonst noch ein anderes Beispiel, was jetzt außerhalb vom Gerätewerk ist, was man hier nennen könnte? Wir haben einen großen Automobilbauer, der mit 9 Factories in 6 Ländern angebunden ist, über 10.000 Assets dort angebunden. Und da sind natürlich wirklich diverse Assets drin. Ob das ein Roboter ist, ob das ein einfacher Lifter ist, der die Karosserie von A nach B hochhebt, also auch so wie Dominik schon sagt. Sehr, sehr vielseitig eigentlich, was angebunden wird bei Sensei. Es kommt einfach darauf an. Was ist ein kritisches Asset bei dem Kunden? Also, was ist problematisch für ihn? Was würde im Falle eines ungeplanten Ausfalls einfach echt für Probleme in der Produktion sorgen? Dann schauen wir uns das Asset an, schauen. Wie sind die Fehlerbilder? Wie können wir Daten generieren, um diese Fehlerbilder zu erkennen, damit Sense das dementsprechend lernen kann? Okay. Also, wenn wir jetzt identifiziert haben, an welchen Maschinen das sinnvoll wäre, Sensei einzusetzen, wie kann ich mir das denn dann vorstellen, wie Sensei überhaupt in meine Anlage kommen? Muss dafür schon eine gewisse Art oder Software vorhanden sein? Oder könnte man Sensei theoretisch an jeder Anlage anbinden? Oder ich sage jetzt mal auf jeder Anlage starten. Das könnt ihr einordnen, wie man das genau nennt. Ja, also, es ist halt wirklich so, dass wir mit den Kunden in die Gespräche gehen. Vorab, bevor wir irgendein Projekt starten und einfach. Von der Instandhaltung mal ein Gefühl bekommen wollen. Wo drückt denn der Schuh? An welchen Aggregaten ist es problematisch für Sie Fehler, also, wo auch einfach die präventive Wartung, also dieses zyklische Austauschen von Aggregaten, zyklische Warten von Aggregaten nicht hilft und die Aggregate halt eben trotzdem ausfallen, dass wir da reinhorchen in die Instandhaltung. Wo drückt der Schuh, um dann zu sagen Okay, dann lass uns doch mal gucken. Welche Daten brauchen wir? Welche Daten? Habt ihr schon. Ist die Anlage schon angebunden und versuchen dann natürlich auch ein Konzept mit dem Kunden aufzustellen. Also, wenn der Kunde sagt, ich habe alles hier vorrätig. Das ist überhaupt kein Problem. Ich habe irgendwo schon eine Säulen irgendwo einen Datensammler im Hause. Daten müssen wir jetzt nur noch in die Sense iCloud bekommen. Dann können wir da im Bereich Konnektivität helfen. Wenn ein Kunde aber zu uns sagt, wir brauchen einfach grundsätzlich Hilfe. Wir haben Probleme. Wir wissen aber auch nicht, was für einen Sensor sollen wir anbauen? Wie sollen wir den anbauen? Da ist Siemens dann natürlich schon der richtige Partner, der einfach von, wir haben mal gesagt, von der Klemme bis in die Cloud alles liefern kann und natürlich auch beservicen kann. Aber ja, wir schauen uns einfach an. Wo sind die Probleme und versuchen dann dementsprechend ein Konzept aufzubauen. Okay, und wann sollte Sensi denn am besten eingebaut oder integriert werden? Also inwiefern ist da auch Nachrüsten möglich? Oder sollte man, wenn ich jetzt auch irgendwie dran denke, jemand baut eine komplette Anlage neu auf, sollte Sensi am besten schon von Anfang an drin sein? Also wünschenswert ist. Jeder, der eine Anlage baut, baut Zi ein oder sie zumindest die Daten für Predictive Maintenance vor. Das wäre natürlich super. Das ist natürlich eigentlich nicht der Fall. Wir treffen auf Kunden, die bestehende Anlagen haben, die natürlich auch schon Jahre auf dem Buckel haben. Und genau da ist es ja auch der Fall, dass Aggregate ungeplant ausfallen, Probleme verursachen, wo eben auch dieses präventive Warten nicht unbedingt hilft. Also manchmal wechsle ich ein Aggregat oder warte ein Aggregat alle zwei Wochen, dann passt es irgendwie, dann fällt es aber doch nach einer Woche schon wieder aus. Also Cai ist gedacht für neue Anlagen, aber natürlich auch in jedem Fall für Altanlagen. Also genau da sind ja häufig dann die Probleme. Wenn ich eine nagelneue Anlage habe, da wird auch gar nichts ausfallen. Also hoffentlich, sagen wir es mal so. Für wen ist es wirklich ein absoluter Bedarf? Wer braucht es unbedingt? Und wer könnte noch darauf verzichten? Ich denke schon in der heutigen Zeit, so nehme ich das ja auch in der Dachregion wahr. Es ist häufig Fachkräftemangel auch. Ich kenne es auch nicht anders aus meinen ganzen Jahren, in denen ich auch irgendwo im Shopfloor rumgerannt bin. Bei der Instandhaltung klingt das Telefon bei A brennt die Hütte. Und während er zu A läuft, ruft irgendwie B an und sagt Mensch, bei mir brennt es eigentlich noch mehr. loh. Und er weiß gar nicht mehr, wo er hin soll. Und dann ruft auch noch C an und sagt Komm, mir muss eigentlich als erstes geholfen werden. Und genau da setzt Sensei ein. Zum einen haben viele Kunden einfach nicht mehr das Personal, um genau das zu stemmen. Dieses Hinterherwetzen nach den Fehlern, so dass Sensei da ansetzt und sehr koordiniert sagt Bitte schau dir jetzt erst an. an. Und bitte schau dir dann erst C an. Natürlich, bevor überhaupt das Telefon klingelt. Da ist ja der Hintergrund. Das wollen wir ja mit Predictive maintenance. Das heißt, wir versuchen einfach, die Instandhaltung zu optimieren. Versuchen einfach das Maximum da rauszuholen. Es ist einfach Unterstützung der Instandhaltung. Optimierung, Kulturwandel, aber auch ein wenig. Also kann eigentlich schon jeder Gebrauch, absolut, weil man diese Optimierung hat, aber auch Unterstützung bei der Priorisierung. Wo muss man jetzt als erstes anfangen mit der Instandhaltung, okay. Ja, du hast ja gerade gesagt. Rumrennen auf dem Shopfloor. Ich nehme das mal als Überleitung zu Dominik bei euch im Gerätewerk in Erlangen. Also absolut auf dem Shopfloor benutzt ihr Sensei ja auch schon ganz aktiv. Stell doch mal genauer vor. Also erst mal, was ist überhaupt das Gerätewerk? Erlang kennt jetzt wahrscheinlich noch nicht jeder. Also gern mal ein bisschen erzählen. Was macht ihr dort? Was produziert ihr dort? Und vor allem, wozu braucht ihr bei euch Sensei? Na klar, sehr gerne. Wie hier im Gerätewerk produzieren vor allem Umrichter von der größe eines kleinen Presenters nenne ich es jetzt mal, also wirklich wie so eine haushaltsübliche Fernbedienung, vielleicht auch besser, um sich es vorstellen zu können, bishin allerdings auch zu einer größe von einem Kleinwagen. Das heißt, die Teile haben dann auch schon ordentlich Power und nehmen auch ein bisschen Platz in Anspruch. Und weshalb wir Sensi ansetzen, ist natürlich. ganz klar. Wir wollen unsere Maschinenstillstände reduzieren und somit natürlich auch die Verfügbarkeit unserer Maschinen erhöhen. Wie oft ist es denn bei euch im Gerätewerk in Erlangen so, dass Maschinen stillstehen? Passiert das im besten Fall nur einmal im Monat? Natürlich hat man tägliche Probleme. Natürlich nicht immer an denselben Maschinen. Vielleicht eine Definition von Problemen. Für mich ist jetzt ein Problem, wenn die Maschinen. anhält, sei es einfach auch, weil irgendwas nachgefüllt werden muss oder im Worst Case, wenn zum Beispiel ein Motor kaputt ist. Okay. Und ihr nutzt ja jetzt eben Sensei auch, um praktisch bei der Instandhaltung besser zu werden. Habt ihr denn eine richtig festgelegte Strategie für den Einsatz von Sensei? Wollt ihr erst mal einen ganzheitlichen Überblick bekommen, oder schaut ihr euch nur bestimmte Anlagen mit Sensei an? Also, ich würde persönlich sehr gerne einen ganzheitlichen Überblick bekommen. Aktuell schauen wir uns nur bestimmte Anlagen an, weil wir uns da Schritt für Schritt vorarbeiten. Wir haben mit unseren Wellenlötanlagen angefangen, und die haben wir angefangen anzubinden, weil es bei uns die größten Maschinen sind, die bei uns auch den größten Impact haben. Maschinen sind also ganz, ganz wichtig bei uns. Deswegen haben wir angefangen, die anzubinden und haben uns die einfach mal angeguckt. Auch in Bezug auf die Wartungen natürlich auch, weil sie eine ganz große Zeit einfach an Wartungen in Anspruch nehmen. Deswegen sind wir da vorwärts gegangen. Und jetzt kommen nach und nach immer mehr Anlagen hinzu. Und wurden jetzt irgendwie schon Bottlenecks entdeckt, die vorher vielleicht noch gar nicht aufgefallen sind. Oder habt ihr zum Beispiel irgendwie Nebenerkenntnisse gewinnen können, wenn ich jetzt mal irgendwie an Lagergrößen denke oder irgendwelche Ersatzteilproduktionen, Abläufe oder ähnliches. Aktuell noch nicht in Zukunft auf jeden Fall geplant, die Lagerkapazitäten natürlich anzupassen. Das ist auf jeden Fall ein guter Punkt, den du da gerade erwähnt hast. Da sind wir auf jeden Fall dran. Wir möchten natürlich eigentlich gerne so wenig Ersatzteile wie möglich auf Lager haben, denn mit Senai wollen wir dann natürlich herausfinden. Wann muss denn ein Ersatzteil da sein und würden das gerne so bestellen, auch wirklich, dass es genau bei uns eintrifft, wenn wir es auch wirklich benötigen. Okay, aber es gab jetzt in den Daten nicht irgendwie was, womit ihr gar nicht gerechnet habt, sondern das passte schon zu dem, was ihr vorher vermutet habt für die jeweilige Anlage und waren jetzt keine absoluten Überraschungen, wo man irgendwie einen Fokus drauf legen sollte. Nein, dafür haben wir bisher zu viel selbstständige Erfahrung mit den anderen gesammelt. Okay. Würdest du das denn auch als wichtig empfinden, dass man vielleicht genau vorher schon diese selbständigen Erfahrungen sammelt, bevor man Sensor überhaupt an die Anlage bringt? Also würdest du das als hilfreich empfinden. Persönlich würde ich das auf jeden Fall als hilfreich empfinden. Ja, wäre aber auch auf jeden Fall spannend zu beobachten, was passieren würde, wenn man jetzt eine neue, komplett neue Anlage, die man noch gar nicht kennt, anbinden würde und sich die Daten dazu anschaut, fände ich auch interessant. Ja, aber gibt's bei uns nicht. Nein. Und wie lange ist Sensei denn überhaupt bei euch schon im Einsatz? Also, wann habt ihr damit begonnen? Und was sind so eure Haupterkenntnisse bis jetzt? Begonnen hat das Thema bei uns. Ich glaube ungefähr Ende 2019, dass wir das erste Mal mit der Firma in Berührung gekommen sind. …

Full transcript (WebVTT)