IBM Watson IoT-Lösungen in der Praxis

CEBIT

IBM Watson IoT-Lösungen in der Praxis

Predictive Maintenance am Beispiel des Brückenerhaltungsmanagements

Bessere Daten – bessere Ergebnisse

Ausgangssituation

Es existieren 25.000 Brücken im Bereich von Autobahnen und Kraftfahrzeugstraßen in Deutschland. Davon sind 25 Prozent, also ca. 6.000, in einem maroden Zustand; für 120 Brücken wurde unmittelbarer Handlungsbedarf festgestellt. Vom Bund stehen 1 Mrd. Euro als Sanierungsgelder allein in Nordrhein-Westfalen zur Verfügung. Die Gelder sollen effektiver eingesetzt werden, nicht nur für Reparaturarbeiten, sondern auch zur Prävention.

Lösungsansatz mit PROFI

Alle relevanten Daten werden in einer einheitlichen Plattform IBM Watson IoT-Lösung zusammengeführt, können dort integriert, analysiert und als Gesamtlagebild dargestellt werden. Durch Überwachungsmaßnahmen (u. a. Radartechnologie und Baustatik-Parameter) wird eine Priorisierung von Reparatur- und Wartungsarbeiten möglich, geografisch und zeitlich bewertet.

BMVI fördert Big-Data-Projekt der PROFI

Die Spezialisten der PROFI forschen an einer Methode, mit der der Zustand von Autobahnbrücken in Echtzeit prognostiziert werden kann. Auf diese Weise lässt sich schneller als bisher erkennen, ob Brücken saniert werden müssen und wenn, bis wann das geschehen muss.

Das Bundesministerium für Verkehr und digitale Infrastruktur unterstützt die umfangreiche Machbarkeitsstudie der geplanten IT-Analytics-Software. Im Mittelpunkt steht die Frage, wie es möglich ist, vorhandene Software-Lösungen so zu nutzen oder weiterzuentwickeln, dass mit vorhandenen Daten zu Bauwerken, deren Umgebung und weiteren Einflussdaten Aussagen zum Bauwerkszustand getroffen werden können.
 

Aus der Machbarkeitsstudie für das BMVI:
Von der Problemdefinition über die Modellierungsphase zur Anwendungsphase

Ziel der Studie ist es, mit Daten unterschiedlicher Quellen eine Korrelation aller Autobahnbrücken in Deutschland herzustellen. Daraus lässt sich ein Zustandsbericht der Brückenbauwerke in Echtzeit erstellen. Ein mögliches Ergebnis ist dann ein Ranking der notwendigen Bauarbeiten und Instandsetzungen.
 
Machbarkeitsstudie für das BMVI

Bei der Untersuchung für das BMVI ging es um die Frage, ob die Analyse von Bestandsdaten Einflussfaktoren für das Versagen von Bauteilen aufdecken kann. Die Antwort lautet in diesem Bereich immer wieder: Im Prinzip ja – aber reichen Menge und Qualität der vorhandenen Daten für eine verlässliche Prognose aus?

Die Qualität der Daten lässt sich mit modernen Data-Mining-Werkzeugen prüfen und verbessern, zum Beispiel durch Eliminierung von Ausreißern in Messwerten oder Ergänzung fehlender Werte durch Interpolation. Die für eine Vorhersage erforderliche Datenmenge müssen die verfügbaren Datenquellen liefern. Helfen können in beiden Fällen auch Daten, die durch Textmining-Verfahren aus unstrukturierten Quellen gewonnen werden und dadurch die Datenbasis vergrößern oder Qualitätslücken schließen.

In den vorliegenden Beispielen wurden Daten aus verschiedenen Quellen zusammengeführt, Schlüsselwerte vereinheitlicht, Werte kategorisiert und letztendlich mit verschiedenen Regressionsmodellen, Entscheidungsbäumen und neuronalen Netzen verarbeitet. Ziel war es, die vorher definierte Fragestellung zu beantworten: Wie lange hält das Bauteil, bevor ein Defekt auftritt?

Die Erkenntnisse aus der Studie zum Brücken­erhaltungsmanagement zeigen: Je mehr valide Daten für eine Analyse bereitgestellt werden können, desto genauer wird das Vorhersagemodell.

2017 wurde eine Projektskizze zu einer möglichen Vorgehensweise mit den betroffenen Landesministerien und dem Bundesministerium für Verkehr vorgelegt. Nach positiver Bewertung wurde ein Förderantrag gestellt, um die Durchführung und den Nutzen im Rahmen eines Proof of Concept nachzuweisen.

Bereits Anfang März 2018 trafen sich alle Projektverantwortlichen zusammen mit der PROFI AG zu einem Kick-off. Nach finaler Freigabe der Fördermittel durch das BMVI ist der Projektstart für den Frühsommer 2018 geplant.

Kundennutzen

  • Bewertung des Gefahrenpotenzials einer Brücke durch Echtzeit-Auswertung von verkehrstechnischen Informationen in Korrelation mit baustatischen Informationen.
  • Jederzeit Überblick über das aktuelle Risiko definierter Streckenabschnitte, um ggf. Sperrungen/Umleitungen rechtzeitig zu veranlassen.
  • Zielgerichteter Einsatz des begrenzten Budgets gemäß einer objektiven Bewertung des aktuellen Gefahrenpotenzials.
  • Proaktive Erkennung von Gefahren und Reduzierung möglicher Betriebsstörungen.


Bernd Kissel (links),
Solution Sales Leader & Intelligent Operations bei der PROFI AG

Jörg Bahc (rechts),
Solution Leader & Analytics Lösungen & Cognitive Solutions bei der PROFI AG