Stefan Kolmar

ist Vice President, Field Engineering EMEA & APAC bei Neo4j

Mobile

Predictive Maintenance im Fuhrpark: Wie Michelin mit Graph und RFID Reifen wartet

Vor allem im Güterverkehr auf der Straße sind Reifenpannen nicht nur ein Frage der Sicherheit, sondern auch ein Kostenfaktor. Fällt ein LKW unfallbedingt aus, kann das die ganze Logistikkette in Verzug bringen und Fuhrparkmanagern Zeit und Geld kosten. Der Reifenhersteller Michelin setzt für seinen Service „Tire Asset Management“ auf smarte Technologien. Neben RFID zur Übertragung der Sensordaten kommt dabei auch Graphtechnologie zum Einsatz.

Wartungs- und Instandhaltungsmaßnahmen sind zentraler Bestandteil im Flottenmanagement von Lastkraftwagen, Transportern und Nutzfahrzeugen. Insbesondere die Reifen sind stark beansprucht: Um Tausende von Kilometern sicher zurückzulegen, gilt es, Reifendruck, Traktion/Haftung und allgemeine Abnutzung in regelmäßigen Abständen zu kontrollieren. Der optimale Reifendruck wirkt sich wesentlich auf die Reifenabnutzung, den Treibstoffverbrauch und damit auch auf Verkehrssicherheit und Fahrleistung aus. Bei jährlich Zehntausenden zurückgelegten Kilometern eines LKWs und einer Flotte von mehreren Dutzenden Fahrzeugen können so schnell hohe Kosten anfallen.

(Bild: Pixabay)

Smarte Reifen für vorausschauende Wartung
Ähnlich wie in großen Anlagen und Fabriken setzen Hersteller, Spediteure und Flottenmanager daher verstärkt auf neue Technologien, um die Wartung und Instandhaltung ihrer Fahrzeuge zu optimieren. Predictive Maintenance, die vorausschauende und proaktive Wartung, ist hier besonders vielversprechend. Anders als bei konventionellen Wartungsansätzen wird der Zustand einer Maschine, eines Geräts oder einer Anlage kontinuierlich überwacht, so dass sich Probleme beheben lassen ehe es überhaupt zu Ausfällen kommt. Auf das Flottenmanagement bezogen, meldet beispielsweise ein mit Sensoren ausgestatteter Reifen, wenn ein bestimmter Schwellenwert überschritten und der Reifendruck angepasst werden soll. Grundvoraussetzung dafür sind umfassende Daten – von Luftdruck und Traktion, Reifentemperatur und Profil bis zur Seriennummer und Kennung eines jeden einzelnen Reifens. Auf dieser Basis und mit Hilfe von intelligenten Algorithmen und Machine Learning lassen sich so genaue Vorhersagen in Echtzeit treffen.

Die Vorteile der vorausschauenden Instandhaltung: Flottenmanager können das Ersatzteilmanagement besser steuern und Reparaturen und Services optimal planen. Frühwarnsysteme und regelmäßige Wartungsberichte helfen zusätzlich, die Performance der Flotte auf hohem Niveau zu halten. Fahrer wiederum können ihre Fahrweise der jeweiligen Strecken- oder Witterungsverhältnisse in Echtzeit anpassen und damit die Lebensdauer der Reifen verlängern.

Tire Asset Mangement von Michelin
Einen solchen Ansatz verfolgt auch Michelin. Der französische Reifenhersteller begann bereits vor mehr als zehn Jahren damit, seine Reifen mit Hilfe neuer Technologien zu überwachen und zu tracken. Ursprüngliches Ziel war es, auf diese Weise das Bestandsmanagement zu verbessern und eine transparente Rückverfolgbarkeit sicherzustellen. Zum Einsatz kamen die smarten Reifen daher zunächst nur in Premiumproduktsegmenten wie etwa bei Maschinen im Tagebau auf extremem Gelände. Die dort eingesetzten Spezialmaschinen fahren auf Rädern mit bis zu 4 Metern Durchmesser. Das Monitoring von Luftdruck oder Temperatur ist hier extrem wichtig, um Ausfälle der teuren Maschinen auf ein Minimum zu reduzieren.

Damit war es nur eine Frage der Zeit, bis der Service auch auf andere Geschäftsfelder ausgeweitet wurde. Ganz oben standen dabei schwere Lastkraftfahrzeuge. Dabei musste der Reifen-Experte zwei Fragen beantworten: Wie kann die Datenübertragung möglichst kosteneffizient für eine große Stückzahl an Reifen technologisch umgesetzt werden? Und wie lassen sich die Kilometer für Kilometer gewonnen Datenmengen auswerten?

RFID-Chip direkt im Reifen
Michelin arbeitete intern an einer patentierten Technologie und begann RFID-Chips direkt in den Reifen zu integrieren. RFID-Chips gelten als Schlüsseltechnologie für das IoT. Waren, Bauteile oder auch Fahrzeuge werden mit einem Transponder oder Tag versehen, der eine eindeutige elektronische Kennung besitzt. So lassen sich die Objekte eindeutig identifizieren und rückverfolgen. Denn die oft nur Reiskorn großen RFID-Chips können Sensordaten in Echtzeit übermitteln. Selbst wenn der Datenträger verschmutzt ist oder sich – wie bei Michelin – von Gummi ummantelt direkt im Reifen befindet, können die Chips über eine Entfernung von mehreren Metern wichtige Sensordaten wie Luftdruck, Temperatur oder Reifenprofil übertragen. Jeder mit Michelin-Reifen ausgestattete LKW sendet so bei der der Ein- und Ausfahrt aus dem Fuhrpark Daten über den Reifenzustand an einen Server. Liegen die Werte nicht innerhalb eines bestimmten Bereichs, erhalten die Flottenbetreiber automatisch eine Meldung und können entsprechende Wartungsmaßnahmen einleiten. Für die Datenübertragung wird dabei das globale IoT-Netzwerk von Sigfox genutzt.

Graphtechnologie für 11 Millionen Sensoren
Die Implementierung einer Datenbank, die große Datenmengen speichert und eine Abfrage relevanter Indikatoren für die Wartung ermöglicht, stellte Michelin zunächst vor eine Herausforderung. Im Konzern bestehende Systeme wie MySQL-Datenbank und die Skriptsprache PHP konnten nur in der Anfangsphase die Anforderungen an Skalierbarkeit, Performance und Flexibilität erfüllen. Michelin führte daher mehrere Pilotprojekte durch, um eine neue Anwendung zu finden, die das Management von vernetzten und immens großen Datenströmen auch in Echtzeit erlaubte. Insgesamt galt es, Daten von rund 11 Millionen Sensoren zu speichern und mit Hilfe von zehn Algorithmen relevante Indikatoren zu ermitteln. Neu gewonnen Rohdaten einzelner Sensoren mussten zudem direkt in die Auswertungen einfließen, ohne die Gesamt-Performance zu beeinflussen und lange Reaktionszeiten für das gesamte System zu verursachen. Zudem war ein hohes Maß an Flexibilität gefragt, um Eingabe- oder Deklarationsfehler schnell zu korrigieren und zusätzliche Informationen hinzuzufügen.

Michelin prüfte mehrere Datenbanklösungen und entschied sich schließlich für Neo4j. Die Graphdatenbank bewältigt nicht nur das große Datenvolumen, sondern bietet auch die nötige Skalierbarkeit und Flexibilität, um Anpassungen problemlos vorzunehmen. Ein Grund dafür ist das Graphmodell, in dem Daten (Knoten) sowie die Beziehung zwischen den Daten (Kanten) abgelegt werden. Das komplexe Netzwerk aus Reifen, LKW, RFID-Tag und Reader, Sensordaten und externen Systemen (z. B. Bestandsmanagementsystem) lässt sich so realitätsnah abbilden. Neue Datensätze lassen sich schnell und einfach über eine neue Verbindungen hinzufügen ohne den Graph an sich und damit das System großartig verändern zu müssen.

Darüber hinaus ist die Graphdatenbank in der Lage, Zwischenergebnisse zu speichern, um so auch nicht angeschlossene Sensoren zu berücksichtigen. Die verschiedenen Parameter und Zwischenberechnungen werden dabei in der Datenbank sequentiell abgelegt. Ändert sich ein Paramater, wird nur dieses Teilergebnis neu berechnet und nicht das ganze Modell. Zum Einsatz kommt die graphbasierte Anwendung für das Tire Asset Management seit 2018. Alle Indikatoren sowie End-of-Life-Daten, Identifikationsdaten oder auch Berichte und Meldungen lassen sich direkt über eine Plattform bzw. APIs abfragen. Der neue Service soll weiter ausgebaut werden. Michelin plant die Produktionszahlen bei den smarten Reifen zu verdoppeln und die Anzahl der Sensoren zu vervierfachen.