Predictive Maintenance
Anwendungsfeld für Methoden der
Predictive Analytics als Teil von Industrie 4.0
Ingo Schwarzer
Chief Technology Officer, DB Systel GmbH
11. November 2014
Inhalt
Kurzvorstellung DB Systel
3-4
Einordnung Predicitive Analytics/Maintenance
5-6
Mögliche Einsatzfelder
Erste Erfahrungen
7
8-10
Ausblick
11
Schlussfolgerungen
12
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
2
Die Deutsche Bahn, eines der größten
Transport- und Logistikunternehmen der
Welt, wird von einer modernen und
effizienten Informations- und
Kommunikationstechnologie, kurz ICT,
unterstützt. Ohne ICT ist der Bahnbetrieb
undenkbar geworden.
Mit DB Systel hat die DB AG einen
zuverlässigen und leistungsfähigen ICTPartner an ihrer Seite. Unsere ICT Produkte
und -Dienstleistungen gewährleisten die
Funktionalität des Systems Bahn – national
wie international. Dabei decken wir den
gesamten Lebenszyklus von ICT-Lösungen
ab: von der Planung über Entwicklung und
Betrieb bis zu ihrer Optimierung.
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Foto: Ralf Braum
DB Systel – Wir über uns
Unser Selbstverständnis
Wir sind der ICT-Dienstleister der Deutschen Bahn AG
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
3
Wir sind:
rund 3.400 Mitarbeiter in Frankfurt/Main, Berlin,
Erfurt, Doncaster/UK und anderen Standorten
Foto: Max Lautenschläger
DB Systel – Daten & Fakten
Wir betreiben:
3 Rechenzentren mit über 3.800 Servern
ein Datennetz mit rund 342.000 IP-Anschlüssen
von DSL bis Breitband-Glasfaser
rund 600 produktive IT-Verfahren
Unser Selbstverständnis
Wir sind der ICT-Dienstleister der Deutschen Bahn AG
3 Petabyte Plattenspeicher / 7 Petabyte
Backup-Kapazität
das konzernweite Bürokommunikationssystem
der Bahn mit 96.000 Nutzern
93.000 VoIP-Anschlüsse
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
4
Einordnung Predictive Analytics
Aussagekraft der
Auswertungen
4.) Predicitive Analytics
Nachbildung des Verhaltens in Modellen zur Prognose
3.) Tracking (z. B. Web)
Kombination von mehreren Seiten
Pfadverfolgung
2.) OLAP
Darstellung von mehreren Dimensionen zum Drill-Down
1.) Statistik
Darstellung von Kennzahlen wie Benutzer/Seiten/Zeit ...
Grafische Häufigkeitsverteilungen
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
Einsatzintensität
der Analyse
5
Nutzen von Analyseverfahren für Instandhaltung
Nutzen/Ausfallsicherheit
Maintenance Optimization
Welche Störungsmeldungen sollten zuerst bearbeitet werden?
Wie kann ich meine Wartungsstrategie optimieren?
Predictive Maintenance
Welche Systeme sollten gewartet/ersetzt werden, weil sie
wahrscheinlich im nächsten Service-Zyklus ausfallen würden?
Preventive Maintenance
Wie kann man Ausfälle/Störungen in kosteneffizienten
Service-Zyklen verhindern?
Reactive Maintenance
Sörungsmeldungen zu … Was ist passiert? Wo?
Was ist betroffen?
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Intelligenz
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
6
Mögliche Einsatzfelder
Foto: Christian Bedeschinski
Im Wartungsgeschäft
Verkehrsinfrastruktur
Energienetze
Fahrzeuge
….
Einsatz von Predictive Analytics
Infrastrukturoptimierung
Reisendenstromermittlung
Planung in Ausnahmesituationen
….
Predictive Analytics wird zu einem wichtigen
Hilfsmittel für alle Lebensbereiche werden
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
7
Smart Freight Asset
Entwicklung eines Ansatzes für Predictive Maintenance am Beispiel von Loks
Historie:
Ziel:
2013
Die Ziele des Innovationsprojektes sind:
„Smart Freight Asset“ wurde als Workshop im
Rahmen von MovingIDEAS (eine Innovationsinitiative des Aufsichtsrates/Vorstandes der
DB AG) behandelt.
PA-Analysen in einem DataLab: Mit dem
Businessziel, ein PA-Modell aus Diagnose- und
Zusatzdaten zu entwickeln, das eine bessere
Maintenance der Loks ermöglicht (dieses Ziel
wurde mittlerweile mit Szenarien feinspezifiziert,
so dass der Projektplan erstellbar ist)
Das Innovationsmanagement der DB Systel geht
in den Lead
Organisation eines Vertiefungsworkshops durch
die DB Systel und Aufsetzen eines Projektes
2014
Start weiterer „Predictive Analytics“ Projekte (z. B. TecLok für DB Schenker Rail)
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Prototypischer Massendatenspeicher für
Sensordaten mit Anbindung an DataLab: Mit
dem technologischen Ziel, zu zeigen, wie die
zukünftige Zielarchitektur aussehen kann
Dieses zweite Ziel hat eine hohe Korrelation zur
Gesamtarchitektur, die in der Vorstudie RSI
erstellt werden soll.
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
8
Smart Freight Asset
Arbeitsschritte:
Aufbau eines Konverters zur Transformation der Sensordaten in verarbeitbare Daten
Aufbau einer Big Data Plattform
Übergabe der Sensordaten
Konvertierung und einlesen der Sensordaten in die Big Data Landschaft
Sammlung von Zusatzdaten (z. B. Wetterdaten, Tonnagedaten, Fehlermeldungen etc.)
Verknüpfung der Sensor- und Zusatzdaten im Predictive Analytics Tool
Datenanalyse anhand drei gestellter Szenarien von DB Schenker Rail
Es waren überdurchschnittlich viele Partner zu koordinieren. Das Besondere an dem
Innovationsprojekt: Es gab keine Auftragnehmer/-geber, jeder trug seine Aufwände selbst.
Nur das Ergebnis zählte. Daten wurden von der Industrie, der Bahn und weiteren
externen Quellen zur Verfügung gestellt.
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
9
Beispiel Heatmap (Screenshot)
Regionale Muster als Ergebnis aus Sensordaten, Diganosemeldungen und GPS Daten
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
10
Die DB Systel wird ein Serviceangebot im
Big Data Umfeld zur Unterstützung der DB AG
als festen Bestandteil des Portfolios entwickeln.
Foto: Holger Peters
Ausblick Predictive Maintenance/Analytics
Ab 2015 werden die Bausteine sukzessive in
Produktion gehen und die Basis für eine
umfassende Plattform bilden.
Die DBS arbeitet im BMWi-Projekt „Smart Data –
Innovation aus Daten“ ab 03/2015 als Konsortialführer des Themas SD4M (Smart Data
for Mobility) mit Partnern wie DFKI, der INIT AG,
den IdeaLabs und weiteren zusammen
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
11
Der Projekterfolg hängt maßgeblich von den zur
Verfügung stehenden Daten ab.
Keiner ist alleine in der Lage, solche Themen zu
lösen – es bilden sich Communitys mit eigenen
Interessensprofilen.
Foto: Max Lautenschläger
Schlussfolgerungen
Ein reines klassisches Projektmanagement ist
nicht anwendbar; es sind agile Methoden und
Räume zum Ausprobieren/Spielen notwendig.
Das Projekt lebt und wird eine living Agenda
haben.
Die Aufgaben sollten kleinteilig als eigenständige
Ergebnisse definiert sein.
© 2014 Cisco and/or its affiliates. All rights reserved. Cisco Connect | Berlin 20.–21. November 2014
Ingo Schwarzer, Chief Technology Officer, DB Systel GmbH
12
Thank you.