Katulu

Adresse

Katulu GmbH
Gertigstraße 48
22303 Hamburg

Telefon

+49 40 22 86 03 19 2

E-mail

hello@katulu.io


Machine-Learning basiertes Predictive Maintenance für industrielle Komponenten oder Anlagen

Warten bevor etwas passiert

Mit Katulu’s Predictive Maintenance Lösung können Sie auf Basis von Echtzeitdaten die Wahrscheinlichkeit für bevorstehende Ausfälle oder Wartungsbedarf voraussagen. Hierzu setzt Katulu auf Machine Learning Modelle, welche mit Datenreihen vieler hundert bis tausender klassifizierter Anlagenzustände trainiert werden.

Ihre Vorteile sind vielfältig: Durch die Vermeidung ungeplanter Ausfälle wird ihre Anlagenverfügbarkeit erhöht (OEE). Sensorbaiserte Früherkennung von Wartungsbedarfen hilft, die Lebenszeit ihrer Assets zu verlängern. Zudem können Sie ihre Anlagenauslastung durch Optimierungen auf Basis von Zustandsinformationen in Echtzeit deutlich verbessern.

Der Einstieg in Machine-Learning basierte Vorhersagen bedingt initialen Aufwand (Datensammlung, Data-Scrubbing). Das Data Scrubbing umfasst die Qualitätsprüfung der gesammelten Rohdaten, Duplikats-Bereinigung, Daten-Standardisierung, die Daten-Normalisierung und Datenanreicherung. Je nach Qualität der Daten kann dieser Schritt bis zu 80% von der Entwicklung eines Machine Learning Modells ausmachen. Der Einsatz von OPC-UA kann die Datenqualität deutlich erhöhen, wodurch der Data Scrubbing Aufwand deutlich sinkt.

Beim Machine-Learning-Modelling wird auf Basis der aufbereiteten Daten ein Modell ausgewählt/entwickelt, trainiert, evaluiert und getestet. Da es für sehr viele Problemstellungen bereits anwendbare Modelle gibt, ist in ca. 90% der Fälle die Auswahl und Anwendung des passenden Modells entscheidend. Nur in ca. 10% ist die Entwicklung eines neuen Modells erforderlich.

Unsere Machine-Learning basierte Predictive Maintenance Lösung setzt auf unserer Condition Monitoring Lösung als Grundstein auf, um eine kosteneffiziente Umsetzung in aufeinanderfolgenden Ausbaustufen zu ermöglichen.