Erfolgsgeschichten
Industrie 4.0 und
Predictive Maintentance
-
Edge Audio Analytics
Die Maschinenanlage unseres Kunden zeigte erste Anzeichen abnormalen Verhaltens, die eine dramatische Verkürzung der erwarteten Lebenszeit ankündigen.
Zusammen mit unserem Kunden entwarfen und installierten wir ein nicht-invasives akustisches Zustandsüberwachungssystem. Die hochfrequenten Daten werden vor Ort mithilfe normaler Industrie Edge Computer verarbeitet und analysiert.
Dank unseres Echtzeitsystem erlangen wir kontinuierliche Einsicht in den Gesundheitszustand der Maschinenanlage. Wir aktualisieren regelmäßig die Analysemodelle, um Fehler frühzeitig vorauszusagen. Zum Beispiel entdeckten wir ein bisher unbemerktes Problem in einer Nebenanlage.
Data Science: Ursachenanalyse
-
Erneuerbare Energie in Norwegen
Der scheinbar zufällige Ausfall von Nebengeräten in Windrädern führte bei unserem Kunden zu Verlusten in Höhe von mehreren Millionen Euro.
Die Analyse von korrelierten Wetter- und Sensordaten aus dem Windpark ergab die Ursache der Ausfälle: ungünstige Kombinationen aus Betriebsarten und äußeren Bedingungen. Darüber hinaus entwickelten wir für die verbleibenden Windturbinen ein Modell, um die Lebenszeit vorauszusagen.
Durch die genaue Abschätzung der verbleibenden Lebensdauer jeder Turbine sowie angepasste Betriebsarten konnten die Gesamtverluste deutlich gesenkt werden.
Data Engineering: Data Platform
-
Strompreis-Vorhersagen
Um den Zeitpunkt für die Stromproduktion und für geplante Wartungen zu optimieren, simuliert unser Kunde die zukünftige Entwicklung des europäischen Strompreises. Die Durchführung der Simulationen war mit vielen manuellen Verarbeitungsschritten der Ein- und Ausgangsdaten verbunden.
Gemeinsam mit unserem Kunden schufen wir eine kontextualisierte Datenplattform, die aus einem Domainmodell, reaktionsfähigen Datenbanken und einem webbasierten Dashboard besteht.
Der Strompreissimulator läuft nun vollautomatisch und alle relevanten Datenquellen sind direkt miteinander verbunden. Die Ergebnisse jeder Simulation (über 20.000 Zeitreihen mit jeweils bis zu 350k Werten) können schnell und intuitiv analysiert werden.
Das effiziente System ist rund um die Uhr im Einsatz und führt mehrere geplante Simulationen am Tag aus. Der tägliche Arbeitsablauf der Businessanalysten hat sich stark verbessert, sodass sie mehr Zeit haben, sich auf die Analyse der Ergebnisse zu konzentrieren.
Scientific Computing:
Hydrologischer Simulator
-
Shyft
Kenntnisse darüber, wie und wann das Wasser in die Reservoirs fließt, sind für die Maximierung des Ertrags der Wasserkraftproduktion von zentraler Bedeutung. Dies gilt insbesondere für die Zeiten der Schneeschmelze.
Wir haben Shyft in Zusammenarbeit mit Statkraft, dem europäischen Marktführer erneuerbarer Energien, entwickelt. Hierfür wurden datengestützte und physikalisch basierte Modelle kombiniert, um den Wasserzufluss genauer vorherzusagen. Shyft ist in der Lage, verteilte Wetter- und Geländedaten vollständig auszunutzen, um einen genauen hydrologischen Zustand zu berechnen. Dadurch ist es möglich, das Schmelzen von Schnee zu modellieren und sich neuen Wetterbedingungen, z. B. aufgrund des Klimawandels, anzupassen.
Die Open-Source-Software ist als Hybridsystem (C++/Python) implementiert, um die Leistung zu maximieren. Die norwegische Wasserkraftindustrie als auch Forschungseinrichtungen nutzen Shyft in großem Umfang und tragen zur Weiterentwicklung bei.
Sie möchten mit uns ins Gespräch kommen?
Bildrechte: Lizenzfreie Quellen außer Expert Analytics Logo: Copyright Expert Analytics GmbH