UdZ / Edition 03.21

SPECTRUM – APPLIED RESEARCH 76 / UdZ 03.21 Maintenance-Ansätze gibt, die auf interne Daten der WEA zugreifen (z. B. SCADA-Daten oder Stammdaten), wurden im Projekt ‚ReStrok‘ insbesondere Serviceberichte in den Fokus genommen. Diese Datenquelle wird bisher kaum verwendet, was auf die häufige Dokumentation in freien Textfeldern und die dementsprechend schlechte Maschinenauswertbarkeit zu- rückzuführen ist. Der entwickelteWartungsansatz vereint somit bisherige Datenauswertungsansätze mit der Auswertung von Serviceberichten, um so Betriebs- und Instandhaltungskosten durch Prescriptive Maintenance zu senken. Gemäß einer Studie von McKinsey & Company sind so im Idealfall Kostensenkungen von 18 – 25 Prozent möglich 5 . Der entwickelte Ansatz basiert primär auf der Auswertung aller verfügbaren Daten. Dies geschieht mittels eines vierstu- figen Vorgehens (Datengenerierung – Datenverarbeitung – Datenanalyse – Entscheidungsfindung). Um gerade die Notizen aus Serviceberichten zugänglich machen zu können, wurde eine spezifische Ontologie entwickelt. Anschließend werden Fehler über Funktionsbäume mit potenziellen Fehlerursachen verknüpft und Wartungsmaßnahmen den Fehlerursachen zugewiesen. All diese Schritte finden mittels eines automa- tisierten und selbstentwickelten Algorithmus statt, sodass der Servicetechniker am Ende nur noch eine Anzeige mit den durchzuführenden Wartungsmaßnahmen erhält. Die wichtigs- te Komponente des entwickelten Wartungs-ansatzes ist die spezifische Ontologie. Erst diese macht die Notizen aus den Serviceberichtenmaschinenauswertbar. Umdieses Ziel zu errei- chen, wurden zunächst 480 Serviceberichte digital eingelesen und mittels Textverarbeitung eine Datenbank aller genann- ten Begriffe sowie deren Häufigkeiten aufgesetzt. Im nächs- ten Schritt wurden diese Begriffe gefiltert, um beispielsweise access internal data of the WT (e.g. SCADA data or master data), the ‘ReStroK’ project focused in particular on service reports. This data source has hardly been used so far, which is due to the frequent documentation in free text fields and the correspondingly poor machine evaluability. The maintenance approach developed thus combines previous data evaluation approaches with the evaluation of service reports in order to reduce operating and maintenance costs through prescriptive maintenance. According to a study by McKinsey & Company , cost reductions of 18 - 25 percent are possible in the ideal case 5 . The approach developed is primarily based on the evaluation of all available data. This is done by means of a four-step procedure (data generation – data processing – data analysis – decision making). In order to be able to access just the notes from service reports, a specific ontology was developed. Subsequently, faults are linked to potential fault causes via function trees and maintenance tasks are assigned to the fault causes. All these steps take place by means of an automated and self-developed algorithm, so that at theend the service technicianonly receives a display with themaintenance actions to be performed. Themost important component of the developed maintenance approach is the specific ontology. Only this makes the notes from the service reports machine analyzable. In order to achieve this goal, 480 service reports were first digitally scanned and a database of all terms mentioned as well as their frequencies was set up using word processing. In the next step, these terms were filtered, for example to remove excerpts from the template. This resulted in all relevant terms for the ontology. Subsequently, these were clusteredandformalized intheontology. Thisgavethedeveloped algorithman understanding of the terms 6 . Figure 2: Developed approach for Prescriptive Maintenance (own illustration) 2 Original Maintenance Plan Wind Turbine Customized Maintenance Operational objective Historical Daten Data Generation 1. Data Processing 2. Data Analysis 3. Decision 4. List of Measures Functional Tree Objective Steering & Control Ontology 5 s. Bradbury et al. 2018, S. 2f. 5 Bradbury et al. 2018, p. 2 et seq. 6 Strack et al. 2021, p. 775 et seqq.