Kostengünstig und passgenau: Wie KMU datengetriebene Services selbstständig einführen können
Ungeplante Maschinenstillstände, hohe Wartungskosten und brachliegendes Effizienzpotenzial – Herausforderungen, die viele Unternehmen kennen. Dabei liefern die Maschinen oft selbst die Lösung: Betriebs- und Sensordaten können genutzt werden, um Verschleiß vorherzusagen, Wartungszyklen zu optimieren und Ausfälle zu vermeiden. Das Problem: Die Analyse und Implementierung solcher datengetriebenen Services ist meist komplex, teuer und erfordert spezialisiertes Wissen – eine Hürde, die KMU oft abschreckt. Hier setzt das it’s OWL Projekt ‚Industrie 4.0 Ökosystem für den automatisierten Einsatz von datengetriebenen Services, kurz I4.0AutoServ‘ an. Es schafft eine Lösung, die datenbasierte Mehrwertdienste (Value Based Services, VBS) automatisiert generiert und für Unternehmen nutzbar macht – auch ohne tiefgehende IT-Expertise.
Betriebs- und Sensordaten, die in Produktionsprozessen entstehen, bieten oft ungenutztes Potenzial. Mit datenbasierten Services lassen sich Störungen frühzeitig erkennen, Wartungszyklen besser planen und Produktionsprozesse effizienter gestalten.
Besonders interessant für KMU: Solche Lösungen können die Lebensdauer von Maschinen verlängern und Ausfälle minimieren – und so sowohl Kosten senken als auch die Wettbewerbsfähigkeit steigern.
Unternehmen benötigen keine IT-Expertise
Das it’s OWL Projekt ‚I4.0AutoServ‘ bietet eine Plattform, die datenbasierte Services schnell und einfach verfügbar macht. Die Güte der datenbasierten Services ist maßgeblich von der Datenverarbeitung abhängig, die oft komplizierte Analysen erfordert.
Die Plattform unterstützt Unternehmen, indem sie historische Betriebsdaten automatisch analysiert, mittels Feature Engineering passende Merkmale (Features) auswählt und einen geeigneten Algorithmus für den jeweiligen Anwendungsfall bestimmt und trainiert. Die einzelnen Bausteine werden automatisch zu einem fertigen, anwendungsfähigen Paket zusammengeschnürt und bereitgestellt.
Feature Engineering bezeichnet den Prozess, aus Rohdaten sinnvolle Merkmale (sogenannte „Features“) zu extrahieren, die für die Analyse und das Maschinelle Lernen (ML) relevant sind.
Ein Beispiel: Bei einer Maschine könnte der Maximalwert eines Beschleunigungssensors Auskunft über den Verschleißzustand einer Maschine liefern und damit ein hilfreiches Merkmal, also ein Feature sein. Zunehmende Verschleißerscheinungen führen oft zu stärkeren Vibrationen – und somit zu höheren Maximalwerten. Dieses Feature liefert also wertvolle Hinweise für die Zustandsüberwachung.
Der Erfolg von ML-Modellen hängt stark von der Qualität der Features ab. Gute Features erleichtern es Algorithmen, Zusammenhänge zu erkennen und Vorhersagen zu treffen. Zur Identifizierung geeigneter Features sind meist tiefgehende Analysen erforderlich. Dank des Angebots von ‚I4.0AutoServ‘ wird dieser Schritt durch Automatisierung vereinfacht, um Unternehmen den Einstieg in datenbasierte Analysen zu erleichtern.
Wie KMU das Potenzial ihrer Daten erschließen können
Die Technologie des Projekts ermöglicht kleinen und mittleren Unternehmen, das Potenzial ihrer Maschinen- und Produktionsdaten zu erschließen. Statt sich auf externe Dienstleister verlassen zu müssen, können Betriebe datengetriebene Services selbstständig einführen – schneller, kostengünstiger und passgenau.
Der Einsatz von VBS bietet Unternehmen:
- Weniger Ausfälle: Frühzeitige Störungserkennung minimiert ungeplante Stillstände.
- Fehleridentifikation: Bekannte Fehler wiedererkennen.
- Prognose: Schätzen der verbleibenden Nutzungsdauer von technischen Systemen
Flexibel und anwendungsnah: Automatisierte Datenverarbeitung
Das ‚I4.0AutoServ‘-Projekt setzt auf Ergebnisse des it’s OWL-Projekts ‚ML4Pro²‘, in dem Bausteine für maschinelles Lernen bereits modularisiert wurden. Diese Technologien bilden die Grundlage für die automatisierte Generierung von VBS. Unternehmen profitieren dabei von einer Lösung, die gleichermaßen flexibel und benutzerfreundlich ist.
Das bedeutet, dass Unternehmen modulare Bausteine für die Datenanalyse flexibel zusammenstellen können. Unternehmen können dabei entweder eigene Datenverarbeitungsketten erstellen oder auf bewährte Vorlagen zurückgreifen. Das System startet anschließend automatisch das Training der Modelle.
Das Ergebnis ist ein einsatzfertiger datenbasierter Service (VBS), der nicht nur alle benötigten Softwareanforderungen abdeckt, sondern auch den passenden Quellcode bereitstellt. So können Unternehmen die Technologie direkt in verschiedenen Anwendungsbereichen nutzen – von der vorausschauenden Wartung bis zur Produktionsoptimierung.
