Nicolas und Markus, was ist das Ziel eures Projektes?
Unser Ziel ist es, Handlungsempfehlungen rund um die Instandhaltung von Windenergieanlagen an unsere Technikabteilungen zu geben, mitzuführende Bauteile für Serviceeinsätze zu benennen und automatisiert Informationen weiterzugeben, mit denen die Abteilungen selbstständig arbeiten können. Das führt letztlich zu einer Verbesserung der Wirtschaftlichkeit und der Leistung der Windenergieanlagen, einem optimalen Wartungszeitpunkt und der rechtzeitigen Bereitstellung von Komponenten. Das Besondere bei diesem Projekt ist, dass keine zusätzlichen Sensoren auf der Anlage verbaut werden müssen und somit keine Kosten für die Betreiber entstehen.
Wie seid ihr an die Aufgabenstellung herangegangen?
Nach dem Abschluss unserer beiden Masterthesen zu dem Thema und der Entscheidung, eine solche Software inhouse zu entwickeln, haben wir Gespräche mit unserer Technik geführt und Listen erhalten über Fehler, für die eine rechtzeitige Vorhersage ein Mehrwert wäre. Daraufhin haben wir überprüft, welche Daten wir haben und welche uns fehlen. Zu diesem Zweck stehen uns Daten aus den letzten fünf Jahren von über 300 Windenergieanlagen eines Typs zur Verfügung. Erste entwickelte Algorithmen befinden sich aktuell in der Testphase. Ende Juni soll diese beendet sein und wir erwarten, dass unsere Modelle dann aufgrund der positiven Ergebnisse die Testphase bestanden haben. Folglich sollen diese in einer Softwareanwendung implementiert und somit im Tagesgeschäft eingesetzt werden können.
Könnt ihr ein Beispiel für eine Fehlervorhersage nennen?
Ende September wurde z.B. eine Anlage von unserem System registriert, bei welcher der Indikator (Wert, der vergleichbar mit einer Fehlerwahrscheinlichkeit ist) einen definierten Grenzwert überschritten hat (siehe Grafik). Daraufhin wurde ein Serviceauftrag erstellt und die Anlage angefahren. Wie vermutet, fand das Serviceteam einen stark verdreckten Getriebeölkühler vor. Nach der Reinigung ließ sich dann beobachten, wie der Indikator abgeklungen ist. Besonders in der Testphase ist es für uns wichtig, Informationen bezüglich der Fehlerursache zu bekommen. Aus diesem Grund stehen wir in engem Kontakt mit den Teams vor Ort und erhalten so wertvolles Feedback. Dadurch können wir anschließend prüfen und bewerten, ob wir mit unseren Vorhersagen richtig lagen.
Wie kam es zu der Entscheidung, die Software selbst zu entwickeln?
Eine Inhouse-Programmierung hat für uns mehrere Vorteile: Wir vereinen alle Kompetenzen und die nötige Manpower – etwa 15 Mitarbeiter unterstützen das Projekt mit ihrer Expertise – unter einem Dach. Das macht uns flexibel und schnell, weil die Kommunikationswege kurz sind und wir zeitintensive Abstimmung mit Externen vermeiden.
Und wie geht es weiter?
Die Förderung durch die WTSH läuft bis Oktober 2022. Klar ist, dass das Projekt für uns auch danach weiterläuft und wir das Portfolio der Modelle zur vorausschauenden Fehlererkennung stetig erweitern wollen. Bereits jetzt im Projektverlauf sind neue Aufgaben, wie die Entwicklung einer Plattform zur Darstellung der Ergebnisse, hinzugekommen. Darüber hinaus lässt der Zugang und die Analyse der Daten zu, in Zukunft intern weitere datengetriebene Prozesse zu entwickeln, die von Mitarbeitern genutzt werden können und unseren Service für Betreiber stetig verbessern.