Aufrufe
vor 2 Jahren

Netzwoche 5/2019

40 XXXXXXXXXXX

40 XXXXXXXXXXX XXXXXXXXXXXX Grafik: Rogotanie / iStock.com FOCUS PREDICTIVE ANALYTICS Predictive Analytics – datengetriebene Kristallkugeln kfi. Daten sind zu der wohl wertvollsten digitalen Ressource geworden. Heutzutage können sie auf verschiedenste Arten genutzt werden, um Wert zu schöpfen. Ein Beispiel dafür ist «Predictive Analytics». Mit dieser Methode wird versucht, basierend auf Statistiken und Wahrscheinlichkeiten, einen Blick in die Zukunft zu erhaschen. Die Methode wird beispielsweise bei der Instandhaltung von Maschinen verwendet. So können die Nutzer sehen, welche Teile bald ausgetauscht werden müssen, noch bevor es zu einer Störung des regulären Betriebs kommt. Mehr dazu erklärt Ioana Giurgiu von IBM Research auf Seite 41. Predictive Analytics haben jedoch nicht nur im industriellen Umfeld etwas zu bieten. Wie auch KMUs Predictive Analytics einsetzen können, um etwa Kundenbedürfnisse schon im Voraus zu erahnen, erklärt Matthias Mohler von Swisscom auf Seite 42. Gemäss Mohler richten immer mehr Firmen ihre Geschäftsmodelle neu aus: Sie entwickeln sich zu sogenannten «Data Driven Companys». Auch im Gesundheitswesen oder in der Logistik kommen Predictive Analytics zum Zug. Alexander Jung und Philip van Hövell von PwC Schweiz erklären auf Seite 43, wie dank der Methode etwa die Abläufe in einer Lieferkette perfektioniert oder gar eine personalisierte Multiple- Sklerose-Therapie ermöglicht wird. Einen noch tieferen Einblick in das Wesen und die Einsatzmöglichkeiten von Predictive Analytics gewährt Krzysztof Kryszczuk von der ZHAW auf Seite 44. Im Interview spricht der Leiter der Predictive Analytics Group über seine eigenen Projekte und darüber, wie wichtig hochqualitative Daten sind. 05 / 2019 www.netzwoche.ch © netzmedien ag

Technology Focus 41 Predictive Analytics in der vorausschauenden Instandhaltung Das Wissen um den Zustand von Betriebsanlagen ist der Schlüssel zu einem optimalen Betrieb. Predictive Analytics können in diesem Zusammenhang dazu verwendet werden, Betriebsausfälle zu prognostizieren und durch rechtzeitige «vorausschauende Instandhaltung» zu minimieren oder komplett zu verhindern. Es wird ein Just-in-Time-Scheduling der korrektiven Instandhaltung ermöglicht. Die vorausschauende Instandhaltung stützt sich auf den tatsächlichen Zustand der Geräte (und nicht auf Statistiken über das erwartete Ende der Lebensdauer), um einen Trend für den Gerätezustand vorherzusagen. Der Zustand der Anlage kann durch eine regelmässige oder kontinuierliche nicht-invasive Überwachung während des normalen Betriebs der Anlage bewertet werden. Dadurch werden Störungen des normalen Betriebs minimiert. Statistische Modelle werden dazu eingesetzt, auch kleinere Anoma lien und Ausfallmuster zu erkennen und festzustellen, an welchem Punkt in der Zukunft Instandhaltungsmassnahmen erforderlich sein werden. Wenn bekannt ist, welche Anlagen gewartet werden müssen, können diese Arbeiten besser geplant werden. Ungeplante, kostspielige Stillstände werden durch weniger und kürzere Stillstände ersetzt, und diese können im Voraus eingeplant werden. Dadurch wird die Zuverlässigkeit der Anlagen verbessert, potenzielle Datenverluste werden minimiert und die Wartungskosten reduziert. Darüber hinaus wird die Lebensdauer der Geräte verlängert und das Handling von Ersatzteilen optimiert. Lösungen der vorausschauenden Instandhaltung können etwa für alle Arten von Geräten angewandt werden – von IT-Komponenten über Geldautomaten, Windkraftanlagen bis hin zu Flugzeugen. So prognostiziert das Verfolgen von Telemetriedaten in Echtzeit die verbleibende Nutzungsdauer eines Flugzeugtriebwerks oder den Ausfall von Elektropumpen zur Förderung in der Öl- und Gasindustrie. Die gleiche Methode kann sogar zur Prognose des Energiebedarfs in Stromnetzen verwendet werden. Predictive Analytics in der IT-Branche Ein wichtiger Anwendungsbereich ist die IT-Branche, wo die Kosten für Ausfallzeiten von IT-Geräten insbesondere in Rechenzentren deutlich – auf tausende Dollar pro Minute – gestiegen sind. Selbst mit ausgeklügelten Abwehrund Redundanzmechanismen besteht aus Sicht der Geschäftslogik nach wie vor ein grosser Bedarf an prädiktiver Durch vorausschauende Instandhaltung werden Anlagen zuverlässiger und die Wartungskosten reduziert. Wartung. Zu diesem Zweck werden ausgefeilte Lösungen, basierend auf maschinellem Lernen, entwickelt. Sie lernen aus regelmässig von Sensoren gesammelten Daten, um seltene Ereignisse wie Ausfälle oder kritische Leistungseinbussen vorherzusagen. Diese Lösungen werden beispielsweise in der Serverinfrastruktur, für virtuelle Maschinen und sogar für spezifische Komponenten wie Festplatten und Speichermodule eingesetzt. KI und Predictive Analytics Die jüngsten Fortschritte in der künstlichen Intelligenz ermöglichen die Verwendung von ausgeklügelten Lösungen, die auf maschinellem Lernen und Deep Learning basieren und komplexe Muster aus Daten lernen können. Ein weiterer wichtiger Faktor in diesem Bereich ist die erhöhte Verfügbarkeit von Daten, die mit immer höherer Geschwindigkeit erhoben werden. Bei der Umsetzung von Prognosen und Empfehlungen an Kunden kann so die Verfügbarkeit deutlich erhöht und die Arbeitskosten sowie das Volumen kritischer Vorfälle gesenkt werden. Ausserhalb der IT-Branche wird die vorausschauende Instandhaltung auch bei Geldautomaten und Windkraftanlagen angewandt. Durch die Integration von physikalischen und technischen Modellen mit Modellen des maschinellen Lernens in einen Meta-Learning-Ansatz werden genauere Prognosen möglich. Im Bereich der Geldautomaten wird daran gearbeitet, Ausfälle verschiedener Komponenten auf der Grundlage von feinkörnigen Logs, Sensordaten und Wetterbedingungen vorherzusagen. Da Algorithmen der künstlichen Intelligenz komplex und schwer nachzuvollziehen sind, gibt es immer noch Vorbehalte, solche Vorhersagen in den Entscheidungsprozess miteinzubeziehen. Bei der zukünftigen Entwicklung im Bereich der prädiktiven Analytik wird es wohl ein wichtiges Ziel sein, erklärbare und robuste Algorithmen bereitzustellen, die jeder Endbenutzer verstehen und denen er vertrauen kann. DIE AUTORIN Ioana Giurgiu AI Researcher for Industries and Services, IBM Research, Zürich www.netzwoche.ch © netzmedien ag 05 / 2019

Archiv