Early Birds XL: Intelligente Pumpen

Im Early Bird-XL geht es um intelligente Pumpen, um vorausschauende Wartung, aber auch um den oft ungenutzten Schatz der Pumpendaten, die viel mehr verraten als nur den Zustand der Pumpe.

Geplant sind drei Vorträge aus der Branche, von groß bis klein, von Global-Player und vom Start-Up; aus Deutschland und Finnland.

Grundfos

Herr Julian Betzer und Herr Tim Arntz stellen uns zwei innovative Lösungen vor. Bei „Demand Driven Distribution“ geht es um intelligentes Druckmanagement in Wasserversorgungsnetzen und wie man mit Hilfe einer bedarfsgerechten Regelung von Druckerhöhungsanlagen Druckschwankungen vermeidet, Wasserverluste senkt und Energiekosten einsparen kann.

„Machine Health“ ist die vorrausschauende Wartung an rotierendem Equipment mit Hilfe von Multifunktions-Sensorik und künstlicher Intelligenz. Dabei helfen Datenanalyse und Diagnose zur Reduzierung von ungeplanten Ausfallzeiten sowie Optimierung von Serviceeinsätzen/-planungen zur Erhöhung der Betriebssicherheit.

Neuroflux Oy

Mit Hilfe von datenzentriertem Kanalnetzmanagement werden potenzielle Schwachstellen im System frühzeitig erkannt und reduziert. Realisiert wird dies durch eine KI in Kombination mit Machine-Learning und etablierten Datenanalysetechniken.

Vorstellen wird dies von Frau Mareike Rohrdrommel anhand des Ver- und Entsorgers der Stadt Lahti (Finnland). Dieser hat sich im Zuge der Nominierung der Stadt als Umwelthauptstadt Europas im Jahr 2021 entschieden Neuroflux für eines seiner Projekte mit ins Boot zu holen. Das Projektziel war mit Hilfe neuer Machine-Learning-Technologien Schwachstellen im Abwassernetz wie z.B. Fremdwasser, Verstopfungen automatisch zu lokalisieren und sich dadurch in Bezug auf Ressourceneffizienz und Umweltverantwortung zukünftig weiterzuentwickeln. Wir sind gespannt darauf, wie das junge Start-Up aus Finnland diese Herausforderung gemeistert hat.

Seepex

Die Fa. Seepex aus Bottrop, ein Anbieter von Spezialpumpen, legt bei seinen digitalen Lösungen besonderen Wert auf die Verknüpfung von Zustandsdaten der Aggregate mit Vor-Ort-Wissen (Domänenwissen).

Anhand von Praxisbeispielen zeigt Johannes Schulz, Möglichkeiten zur Kombination von Datenanalysen und KI mit produktspezifischem Wissen und insbesondere das Potenzial solcher Lösungen, Störungen und Ausfälle zu vermeiden, Servicearbeiten besser zu planen und Optimierungspotenziale für den Betrieb zu identifizieren.