Simon Geier Email & Phone Number

"Es gibt keine echte Predictive Maintenance."Diese Aussage höre ich zumindest häufig von Personen, die Erfahrung in Data Analytics und KI gesammelt haben und mich darauf aufmerksam machen wollen, dass entweder🥴 die Bezeichnung des Services meines Unternehmens fehlerhaftoder🤡 unsere Produktidee einfach nur utopisch ist…Ja, der Begriff Predictive Maintenance wird in der Industrie tatsächlich inflationär benutzt.Vorausschauende Wartung beinhaltet allein in Betrachtung der beiden Worte schließlich, dass die Wartung eines bestimmten Verschleißteils genau vorhergesagt werden kann.Die Realität in der Industrie sieht aber meist ganz anders aus. Man wirbt im Kern mit Condition Monitoring oder Anomalieerkennung, nennt die Lösung aber allein wegen des deutlich bekannteren Begriffs direkt Predictive Maintenance.Eine solche Dienstleistung bietet konkret betrachtet keine direkte Auskunft darüber, wann ein Verschleißteil im Prozess gewechselt werden muss. Man liefert lediglich Anhaltspunkte, welche Probleme aufgetreten und welche Verschleißteile davon betroffen sein könnten.Eine echte Predictive Maintenance muss also für jedes Verschleißteil eine verbleibende Lebensdauer berechnen können. Hierfür müssten alle Verschleißteile einer Zielindustrie inventarisiert und in Bezug auf den korrelierenden Prozessfluss referenziert werden – und genau an dieser Stelle beginnt die attestierte Utopie.Warum aber eigentlich?Ist es nicht Ziel der Digitalisierung und Industrie 4.0, vernetzte Systeme zu erschaffen und Daten sauber zu strukturieren? Was nutzt eine Lagerhaltung und Bewegungsprotokollierung, wenn das Tracking eines Verschleißteils an der Grenze eines Lagers endet?Flowsight hat sich als Ziel gesetzt, genau dieses Problem zu lösen. Wer schon einmal einen KI-Anwendungsfall umgesetzt hat, stimmt mir vermutlich zu, wenn ich sage, die Anwendung der eigentlichen Modellfunktionen sind im Vergleich zur Datenakquise und Pipelinebereitstellung verhältnismäßig klein.Die Lösung von Flowsight beschreibt dementsprechend auch nicht die wissenschaftlich fortgeschrittenste Modellberechnung, sondern die sinnvollste Aufarbeitung von sowohl Prozessdaten als auch Wartungshistorien, um präzise Vorhersagen nicht anhand eines eingeschränkten, sondern anhand des bestmöglichen Datensets zu generieren.Wenn du bis hierhin mitgelesen hast und denkst: „Wow, endlich mal ein Start-up, das Predictive Maintenance als das betrachtet, was es eigentlich ist“, schreib mich gerne an und lass uns diskutieren, uns austauschen, fachsimpeln, oder werde einfach direkt Teil unseres Teams 😉