Die met de ventilator spreekt

Datentaal en AI – Boodschappers van de digitalisering

Digitale transformatie betekent niet pas sinds ChatGPT kunstmatige intelligentie. De taken die eraan gekoppeld zijn, omvatten zowel repetitieve als zeer complexe activiteiten. Generatieve AI kan uit menselijke invoer teksten en beelden creëren, beschrijvende AI kan complexe patronen herkennen en de huidige situatie beschrijven. AI-toepassingen zijn te vinden bij diensten net zo goed als in de productie.

Digitale transformatie betekent ook communicatie. Het middel hiertoe bestaat onder andere uit de bewaking van het digitale tijdperk, uit data, niet alleen uit persoonsgegevens. Elke machine, in het geval van ventilatietechniek elke ventilator, communiceert voortdurend door gegevens die tijdens de werking worden gegenereerd. Ze correct gebruiken betekent een soort interactie tussen leden van verschillende soorten - mens en machine – en daarmee een diepgaand begrip mogelijk maken. Want met alle data geeft de machine informatie prijs over zichzelf en zijn toestand.

De uitdaging bestaat erin om de taal van de ventilator te horen en te begrijpen. Ziehl-Abegg richt zich precies hierop door kunstmatige intelligentie in te zetten voor de analyse en zo te fungeren als vertaler van de datagedreven ventilatortaal.

Het traditionele onderhoud – Beperkte speelruimte

Het volledig begrijpen van de ventilator kan van bijzonder belang zijn wanneer het gaat om potentiële storingen of de noodzaak van onderhoud. De traditionele aanpak wacht zo lang totdat componenten niet meer functioneren. Dit betekent meestal onvoorziene, soms op zeer ongunstige momenten optredende uitvaltijden. Ook kunnen gevolgschade aan aangrenzende componenten ontstaan. Hulpzaam kunnen ingrepen zijn die volgens vaste intervallen plaatsvinden, waarbij stilstandtijden gepland worden. Het kan echter gebeuren dat bijvoorbeeld ook volledig intacte onderdelen worden vervangen. Bovendien beschermen ervaringsgegevens of informatie over de levensduur niet tegen onvoorziene en 'buiten de rij' uitvallende componenten. Elk product is anders, verschillende processen laten geen honderd procent zekerheid over de toestand toe. Dat betekent ook dat reserveonderdelen te allen tijde beschikbaar moeten zijn en op voorraad gehouden worden, en dat servicemedewerkers ook op korte termijn beschikbaar moeten zijn.

Het is dus bijna onmogelijk om het juiste moment voor ingrijpen in de bedrijfsvoering voor onderhoud te vinden. Daarbij komt dat schade zelden abrupt optreedt; vaak wordt deze vooraf al gesignaleerd. Maar als je de stille signalen niet kunt zien en van buitenaf niet herkent dat een component niet meer optimaal functioneert, kan alleen op basis van vermoedens worden gehandeld. Maar als de ventilator zichzelf en zijn bedrijfsstatus op elk moment kon informeren, zou de mens altijd geïnformeerd zijn. Het begrijpen van de datataal van de ventilator betekent dus precies weten hoe het met hem en zijn componenten gesteld is op elk moment. Het optreden van een naderende storing zou veel nauwkeuriger voorspeld kunnen worden.

Ingebedde sensortechnologie – Het verzamelen van data

Op deze weg heeft Ziehl-Abegg al meerdere baanbrekende stappen gezet. De uitdaging is eerst en vooral het verzamelen van data. De ventilatoren werden met perfect afgestemde sensortechnologie tot spreken gebracht. Door reeds in de ventilatormotor aanwezige sensoren kunnen direct ter plaatse trillings- en telemetriegegevens worden verzameld, relevante parameters zijn bijvoorbeeld trillingen in de assen, toerentallen, temperaturen en opgenomen stroom.

Overdracht naar de cloud – Het historiseren van data

De verzamelde data konden nu worden gevisualiseerd door ze te versturen naar de cloudoplossing ZAbluegalaxy. De taal van de ventilator werd dus zichtbaar. Zo konden meetgegevens worden bewaakt, geregistreerd en historisch vastgelegd. De hiermee mogelijk gemaakte analyses gaven al eerste inzichten in de toestand van de ventilator, bijvoorbeeld konden op basis hiervan waarschuwingsmeldingen worden gegenereerd.

Ingebedde AI – Het begrijpen van data in real-time

De uitdaging om de taal ook te begrijpen en dienovereenkomstig te handelen, was dus al aangegaan. Maar verschillende factoren maken het voor menselijke vakmensen bijna onmogelijk om de data tijdig te lezen, te evalueren en te interpreteren. Vooral de hoeveelheid data en het feit dat sommige bedrijfscondities niet uit bepaalde afzonderlijke gegevens kunnen worden afgeleid, maar alleen uit combinaties, spelen hierbij een rol. Van menselijke zijde is voortdurende bewaking van de data inclusief analyse niet haalbaar. En zelfs een klein deel ervan zou al niet meer actueel zijn als het wordt verwerkt. Daarom kunnen real-time gegevens niet zinvol worden gebruikt. Bij een storing zou de tijd voor tijdig handelen mogelijk zijn overschreden.

Hier komt kunstmatige intelligentie in beeld in de vorm van een neuraal netwerk. Neurale netwerken, opgebouwd uit onderling verbonden kunstmatige neuronen in meerdere lagen, zijn meesters in het ontvangen en analyseren van data. In de invoerlaag komen de gegevens aan in de vorm van een invoervector en lopen door een of meerdere verborgen lagen naar de uitgangslaag. Op elke laag vindt gegevensverwerking plaats. In de uitgangslaag worden de zo berekende waarden als outputvector omgezet in een voor de mens leesbare vorm, bijvoorbeeld een percentage dat informatie geeft over de toestand van een component. Als een bepaalde kans op schade wordt vastgesteld, wordt een waarschuwings- of foutmelding afgegeven.
Op basis van de evaluaties kan de AI zo nodig aanbevelingen voor actie geven. Het neurale netwerk kan ook helpen bij het diagnosticeren van problemen of storingen door op basis van bedrijfsgegevens mogelijke oorzaken te identificeren. De kunstmatige intelligentie neemt daarmee de rol over van een medewerker die voortdurend naar de communicatie van de ventilator luistert, zijn woorden begrijpt, interpreteert en voorstellen voor actie doet. Data die eerder zijn verzameld, kunnen nu zinvol worden verwerkt.

De onboarding van AI – Het voorbereiden van data

Maar net als elke medewerker moet ook AI worden ingewerkt. Ziehl-Abegg heeft haar getraind in uitgebreide voorbereidende werkzaamheden: miljoenen datapunten werden verzameld, opgenomen en toegewezen aan specifieke bedrijfscondities. Dit maakte beslissingen noodzakelijk over welke datapunten en kenmerken belangrijk zijn voor de analyse van bepaalde toestanden en dus sterk gewogen moeten worden. Storingen en schade werden gesimuleerd, zodat de AI het normaalgedrag van de ventilator kent en kleinste afwijkingen onmiddellijk registreert, net als een speurhond. Tegelijkertijd werden de enorme hoeveelheden data voorbereid met behulp van feature engineering, dat wil zeggen gestandaardiseerd en getransformeerd. De data hoeven immers niet alleen kwalitatief hoogwaardig te zijn, maar ook in een uniforme vorm aanwezig, zodat vergelijkingen mogelijk zijn. De AI krijgt dus een leidraad mee waarop ze zich kan oriënteren.

Vooral om de berekeningen op de component zelf te kunnen uitvoeren, is het daarnaast nodig om de data te reduceren, wat de spagaat tussen vereenvoudiging en maximale nauwkeurigheid vereist. De volledige aggregatie verhoogt echter de precisie – te veel data en te veel kenmerken zouden een nauwkeurige analyse juist bemoeilijken. De getrainde AI kan nu ook worden getest op validatiedata.

Perfecte match – Expertskennis en AI

Data en AI moeten dus eerst worden voorbereid op hun taak. Ook daarna neemt de AI een belangrijke positie in, maar wordt niet de enige beslisser. Ze vertaalt met haar voortreffelijke analysemogelijkheden de taal van de ventilator voor de menselijke vakman en geeft aanbevelingen. De beslissing over hoe om te gaan met een actieadvies moet echter na een beoordeling, die een evaluatie van de informatie en de overweging van mogelijke andere factoren omvat, door de menselijke expertise worden genomen. De mens moet dus nog steeds beschikken over vak- en contextkennis; de AI kan niet zelfstandig actief worden. Het is mogelijk om de ventilator zo in te stellen dat hij bij een foutmelding meteen uitschakelt – maar deze functie moet actief worden aangevraagd en is geen standaardinstelling.

In totaal werken kunstmatige en menselijke intelligentie nauw samen. De mogelijkheid tot realtime bewaking en de analysemogelijkheden van de direct op de component gesitueerde AI zorgen voor een perfecte samenwerking met de vakkennis en de beslissingsbevoegde en bevoegde mens.

De revolutionaire onderhoudsstrategie – Handelingsbevoegdheid door AI

Het blijkt dat de mens zelfs meer handelingsruimte heeft dan voorheen. Want uit zijn samenwerking met AI volgt een modern onderhoudssysteem dat op meerdere manieren punten scoort. Of het nu gaat om voorspelbare of onverwachte gebeurtenissen, elke schade en dus elke potentiële storing wordt nu aangekondigd en biedt tijd voor actie. Hierdoor verschuift het menselijk handelen meer naar handelen dan naar puur preventief of noodmaatregelen nemen. Planbaarheid is hierbij het sleutelwoord. Ook onvoorziene uitvallen worden aangekondigd en het is niet meer nodig om intacte onderdelen, die misschien onvoorziene langer meegaan, te vervangen. De levensduur van een onderdeel kan tot het maximum worden benut, en de kettingreactie die een defect onderdeel kan veroorzaken, wordt verzacht.

De aankondiging biedt meestal voldoende ruimte om een gunstig moment voor onderhoud te bepalen. Lopende processen worden hierbij geoptimaliseerd, de betrouwbaarheid van de ventilator neemt toe. Stilstandtijden bestaan alleen nog uit de daadwerkelijke onderhoudstijd. Medewerkers hoeven niet meer op afroep klaar te staan en reserveonderdelen hoeven niet per se op voorraad te liggen. Tijd en kosten voor onderhoud worden tot een minimum beperkt. Het onderhoud wordt niet meer een vervelend, onverwacht probleem dat de bedrijfsvoering onderbreekt, maar is min of meer ingebed in deze processen.

Naast de genoemde voordelen door onderhoudsoptimalisatie zijn er nog meer. Na verloop van tijd wordt het mogelijk om bepaalde probleemgebieden te identificeren, bijvoorbeeld bij terugkerende gelijkaardige foutmeldingen, of de tijd tot het optreden van de eerste fouten te bepalen, ook afhankelijk van de omgeving. Bedrijfsparameters kunnen indien nodig gemakkelijker worden aangepast. Onderhoudsplannen worden niet overbodig, maar kunnen worden geoptimaliseerd. Over het algemeen is het mogelijk om de ventilator en zijn werking op een nieuw niveau te leren kennen, wat geheel nieuwe onderhoudsstrategieën mogelijk maakt.

De betekenis van tijd en ruimte – Het ingebedde systeem

Naast het gebruik van kunstmatige intelligentie in het algemeen is vooral de inzet van een ingebed systeem opvallend. Preciezer gezegd bevindt het 'embedded system' zich in dubbele zin. De sensortechnologie hoeft niet apart te worden aangeschaft, omdat deze al in de motor zelf aanwezig is – afgestemd op de eisen van de ventilatietechniek, terwijl externe sensoren mogelijk niet alle relevante data kunnen vastleggen.

De AI hoeft niet te worden gekocht, omdat deze ook al in het hart van de situatie is ingebed. Extra externe software of andere infrastructuur zoals dataplatformen zijn niet nodig.

Het verbinden van de ventilator met een gateway en het verzenden van data naar de cloud – waarbij de data actief door de gebruiker moeten worden opgevraagd – is mogelijk, maar voor de analyse, vooral bij een enkel apparaat, niet doorslaggevend. De voordelen spreken voor zich. Er zijn bijna geen latentie-tijden, de analyse wordt echt een realtime-oplossing. Als visualisatie of opslag van data gewenst is of als meerdere apparaten met elkaar moeten worden verbonden, neemt de cloud de hiervoor essentiële rol over. De hoeveelheid overgedragen data wordt dus verminderd, wat minder netwerkbelasting betekent. Dit biedt ook een voordeel voor de data die toch moeten worden overgedragen. De cloud kan het werk van de AI zichtbaar maken, terwijl de AI er zelf voor zorgt dat alleen al verwerkte en hoogwaardige data worden verzonden.

Conclusie

Ziehl-Abegg zet haar koers voort door bestaande data, die de toestand van de ventilator nauwkeurig beschrijven, doelgericht te blijven gebruiken. Kunstmatige intelligentie is hier geen 'nice to have', maar een fundamenteel onderdeel van de volgende stap. Met de AI-oplossing is een instrument gecreëerd dat ook in de ventilatietechniek de onderhoudsstrategie revolutioneert. AI vertaalt de datagedreven taal van de ventilator en wordt tot 'communicatie-intelligentie'. Met haar beschrijving van bedrijfscondities kunnen voorspellingen worden gedaan over mogelijke storingen, waarbij beschrijvende AI evolueert naar voorspellende AI.

Standaard kan ze in de toekomst in elke ventilator worden ingebouwd, waardoor de weg wordt geëffend voor geheel nieuwe werkwijzen. De gebruiker krijgt een continu aanwezige servicemedewerker in handen, die optimaal verwerkte data op elk moment analyseert en conclusies trekt. Paradoxaal genoeg draagt juist deze extra stap van ondersteuning bij aan meer autonomie door verbeterde handelingsmogelijkheden. Op een andere plek wordt hiervoor een stap overgeslagen: door de ingebedde oplossing is datatransmissie niet per se nodig. De meest actuele vorm van digitalisering, AI, maakt dus een constante netwerkverbinding overbodig en optimaliseert juist daardoor het gebruik van de cloud. Zo staat AI enerzijds voor zichzelf, maar levert ook een perfecte wisselwerking op in een hybride oplossing met ZAbluegalaxy.