REBOTNIX KI-Lösungen werden bereits in vielen Bereichen erfolgreich eingesetzt. Ob Predictive Maintenance, Produktionsprognosen in Smart-City, der Recycling oder der Erzeugung von synthetischen audiovisuellen Medien.
In diesem Einsatzbereich der Windparks basiert der Datenaustausch auf HYPERbridge-Netzen der Firma Compart, die nahezu in Echtzeit mit Low Latency Mesh-Netzwerken eine ausfallsichere Datenkommunikation ermöglichen. Die Kombination von intelligenter Software und leistungsstarker Low-Energy Hardware ist der Schlüssel zum nachhaltigen Erfolg in Bereichen wie Smart-City, Recycling und Produktion. Compart IT-Solutions und REBOTNIX haben eine Lösung für das systemrelevante Thema der erneuerbaren Energien entwickelt, im Speziellen der Windenergie.
Die erste Generation der Windräder sind in die Jahre gekommen und fallen durch Getriebeschäden oder mechanische Schäden z.B. durch Bruch der Flügel zunehmend aus und liefern somit keinen Strom. Immer öfter führen derartige Ausfälle dazu, dass durch diese Schäden initiierte Anomalien insbesondere die Transformatoren in Brand geraten und ganze Windparks lahmgelegt werden. Predictive Maintenance Ansätze können diese Ausfälle durch sehr frühe Ursachenerkennung verhindern.
Die Lösung von Rebotnix und Compart IT-Solutions setzt auf KI und schnelle Datennetze, um den Betreibern vor anstehenden Schäden zu warnen, und das bevor ein Schaden entsteht. So können durch schnelle Sofortmaßnahmen die Schäden verhindert werden und der Lebenszyklus des Windparks verlängert sich um mehrere Jahre.
IT-gestützte Lösungen verbrauchen enorm viel Energie.
Erneuerbare Energien passen daher perfekt zu unserer Unternehmenskultur mit wichtigen Gesichtspunkten „Low Energy” und „grünem Strom“. Nachteil der erneuerbaren Energien ist aber, dass sie von den Launen der Natur abhängig sind. Das System GUSTAV REBOTNIX erfasst individuell – entweder dauerhaft oder in Wartungszyklen - für jedes Windrad bis zu 850.000 potenzielle Messdaten wie bspw. Schwingungen und Windgeschwindigkeiten.
So kann die Lösung frühzeitig über mögliche Störungen informieren und lernt vor Ort, der Windkraftanlagen auf Basis der gesammelten Daten und durch die vernetzten Kameras aktiv und eigenständig. Jedes Windrad erhält so ein eigenes optimiertes KI-Modell, bislang war dies nur in der Cloud auf Großrechnern möglich.
Die KI-Modelle erfassen u.a. Umwelteinflüsse, Störungen und optische Anomalien wesentlich gezielter, als es ein globales Simulation-Modell es je konnte.
Der Vorteil ist, dass erstmalig On-the-Edge Daten vor Ort kostengünstig trainiert werden. Durch die KI von REBOTNIX GUSTAV „weiß“ jedes Windrad, wie die eigenen Rotoren ausgerichtet sein müssen, um die beste Leistung zu erzielen und berücksichtig hierbei auch aktive und passive Beeinflussungen der anderen Windräder.
Durch die autarke visuelle Beobachtung der externen Kameras, können Livebilder inkl. der wichtigsten Metadaten automatisiert auf definierte Ereignisse Entscheidungskompetenzen zugeführt werden. Die erfassten Daten werden pro Windrad erfasst und bei Bedarf kann jeder Datensatz auch in einer Schwarm-Intelligenz zwischen den Windrädern ausgetauscht werden.
Der Datenaustausch erfolgt ohne das Hochladen dieser Daten in eine Zentraleinheit, wie z.B. eine Cloud. Dadurch wird jedes Windrad zu einer intelligenten Recheneinheit. Bei gerade mal 10 Windräder, verfügt dieses Cluster aus Windrädern über eine Gesamtkapazität von 40.960 CUDA Cores und 640 Gigabytes an RAM. Jedes einzelne System verfügt also über 2.048 Cores und 64 Gigabyte Ram.
Der Datenaustausch erfolgt über ein HYPERbridge-Netzwerk, was mit funkbasierten und Low Latency-Netzen arbeitet, um so eine Datenübertragung in Echtzeit zu ermöglichen. Als CPU verwendet Rebotnix in den GUSTAV-Systemen eine low energy 12 Core ARM Einheit, sowie eine embedded GPU von NVIDIA. Der neue GUSTAVi verfügt über mehrere Kamera Eingänge sowie optional mehrere Daten-Uplinks für Wifi, 4G, 5G oder Satelliten Uplink.
Der Einsatz der Predictive Maintenance-Lösung von REBOTNIX und Compart hat zusätzlich den großen Vorteil, dass Wartungs- und Reparaturmaßnahmen optimiert werden.
Durch die frühzeitige Erkennung von Schäden, werden Reparatur- und Instandhaltungskosten reduziert bei gleichzeitiger Steigerung der Lebensdauer der Anlagen.
Das unerwartete Auftreten von Schäden führt häufig zu der kompletten Abschaltung der Windenergieanlage. Eine frühzeitige Fehlererkennung verhindert diese Ausfälle. Zudem können die Windparkbetreiber auch bei den visuellen Inspektionen weltweit auf KI-gestützte Lösungen durch Experten zurückgreifen und davon lernen.
