Case Study: Predictive Maintenance in der Instandhaltung 

• Ausfälle und Störungen einzelnen Fahrzeugkomponenten prognostizieren
• Ausfallursachen (Ursache/Wirkung) sicher identifizieren
• Serviceprozesse optimieren
• Live-Monitoring des Fahrzeugzustandes

Instandhaltungsprozesse sind ein zentraler Kostentreiber der Verkehrsbranche. Obwohl Fahrzeuge mit immer mehr Sensorik ausgestattet sind, werden die Daten kaum genutzt, um Wartung und Instandhaltung zu planen und zu steuern. Störungen und Schäden führen daher immer wieder zu außerplanmäßigen Instandhaltungsmaßnahmen. Infolgedessen

• leidet die Beförderungsqualität
• entstehen zusätzliche Kosten und
• eine Fahrzeugreserve ist vorzuhalten.

Ziel des Projektes war es, die Gesamtkosten durch den Einsatz eines ganzheitlichen mathematischen Modells zu optimieren, mit dem sich Wartung und Instandhaltung künftig nachhaltiger planen und steuern lassen.

Fahrzeughersteller liefern Fahrzeugdaten über den FMS-CAN-Bus, sind aber nur selten mit betrieblichen Abläufen vertraut. Deshalb wurde bei der Analyse neben hochauflösende CAN-Bus-Daten (8 Hz) auch auf betriebliche Daten sowie Fahrplan- und Instandhaltungsdaten zurückgegriffen. Ein komplexer Data-Preperation-Prozess identifizierte Datenmuster im Vorfeld einer Störung und erkannte eine Vielzahl unterschiedlicher Einflussgrößen sowie deren Wirkung. Um das weitere Verfahren zu optimieren, wurden mehrere mathematische Methoden kombiniert und in ein ganzheitliches Modell überführt (z. B. Dimensionsreduktion und Feature-Engineering).

Für die Prognose kam ein Random-Forest-Machine-Learning-Modell zum Einsatz, das man erst trainierte und dann einsetzte. Danach ließ sich die Relevanz der Einflussgrößen bestimmen und – über einen Backtest – die Prognosegüte evaluieren. Am Ende wurde die Optimierung der Wartungs- und Instandhaltungskosten durch die Verzahnung mit Methoden des Operations Research erreicht.

Mit Visual Analytics und R gelang es, das Modell in die Infrastruktur des Kunden zu integrieren. Heute erlaubt es, bevorstehende Ausfälle präzise vorherzusagen und die Zahl der Servicetermine zu reduzieren. Die detaillierte Prognose defekter Komponenten kann Fehlerursachen bereits im Vorfeld bestimmen. Dadurch können etwa notwendige Teile für die bevorstehende Wartung rechtzeitig bestellt werden. Die optimierte Planung und Steuerung von Wartung und Instandhaltung wird als strategische Maßnahme angesehen, um den wirtschaftlichen Erfolg nachhaltig zu steigern.