Loading...

Die Zukunft der Industrieproduktion

Die Integration aktueller Informations- und Kommunikationstechniken, in alle Bereiche der zeitgenössischen Industrieproduktion, vollzieht sich unaufhaltsam. Die Zukunftsvision des intelligenten, selbststeuernden und vernetzten Produktionssystems, das zentrale Steuerungssysteme ablösen soll, steht dabei vielleicht ein wenig zu oft Im Fokus der Diskussion. Worauf es bei diesem wichtigen Thema vor allem ankommt, ist zu erkennen, welche Möglichkeiten die bestehenden Datenbestände auch für einzelne Maschinen und Anlagen bieten. Hier gibt es viele ungenutzte Ressourcen, ganz unabhängig von den Industrie 4.0 Leitvisionen einer hochvernetzten Produktion, die schon jetzt einen erheblichen Mehrwert generieren können.

Ein wichtiger Anwendungsfall ist die Möglichkeit zur vorausschauenden Wartung – Predictive Maintenance. Außerdem bieten wir Ihnen auch die Möglichkeit, alle im Zuge der elektrischen Betriebsprüfungen erhobenen Daten, für die Optimierung Ihrer Betriebsabläufe umfassend auszuwerten und produktiv zu nutzen.

Informieren Sie sich jetzt hier über unsere Data Analytics Module. Wir begleiten Sie auf dem Weg in die Zukunft der elektrischen Betriebssicherheitsprüfungen !

Ihre Vorteile – Unser Know-How

 


  • Data Extraction & Data Engineering

    1.) Digitalisierung und Extraktion der vorhandenen Dokumente mittels der eigenentwickelten, speziell für Prüfprotokolle konfigurierten Dokumentverarbeitungssoftware

    1.1) Extraktion der textbasierten Eingaben in den (gescannten) PDF Dokumente per Python OCR- und Bildverarbeitungsalgorithmen

    1.2) Verarbeitung der handgeschriebenen Eingaben mit Python Tesseract und OpenCV

    1.3) Zuordnung der extrahierten Daten und organisierter Aufbau einer Datenbank zur weiteren Verarbeitung mit Python, Pandas/Spark und Microsoft SQL Server

  • Data Science

    2.) Datensichtung und anschließendes Matching der Stammdaten zwischen den verschiedenen Datengrundlagen und bereitgestellten Metadaten, zur Überprüfung auf fehlende, unvollständige und unplausiblen Eingabe“

    2.1) Betrachtung der Qualität der aus den Dokumenten digitalisierten Informationen

    2.2) Konsolidierung von Daten zusammengehöriger Dokumente

    2.3) Analyse der zusammengestellten Daten auf Fehlen, Unvollständigkeit und Plausibilität im Vergleich zu den bereitgestellten Metadaten

    3.) Auffinden von Anomalien und Diskrepanzen in den verschiedenen Datenpunkten mit Hilfe verschiedener Machine Learning Algorithmen

    3.1) Clusteranalyse und Ausreißererkennung mit Hilfe verschiedener konfigurierter Machine Learning Algorithmen in Python Tensorflow und Scikit-learn

  • Business Itelligence

    4.) Visualisierung der Datenergebnisse in einem umfassenden Bericht

    4.1) Erstellung eines Executive Summary mittels Power BI

    4.2) Präsentation der Datenanalyse vor den Stakeholdern ggf. vor Ort

     

  • Kosteneffizienzen schaffen – Qualität erhöhen

    #TeamData

     


Maintenance meets Big Data

Vorsicht ist auch nicht besser als Nachsicht

Nur auf Störungen in Maschinen zu reagieren ist teuer und behindert Produktionsabläufe, während feste Austausch-Intervalle die Lebensdauer der Bauteile häufig nicht ausschöpfen. Predictive Maintenance bringt diese Faktoren ins Gleichgewicht und erreicht so ein ideales Kosten-Nutzen Verhältnis.

Wer kennt die Zukunft ?

Die Schwierigkeit besteht häufig in der Vorhersage des Unbekannten. Eine Störung oder ein kompletter Ausfall sind Ereignisse, die nicht in historischen Daten des Systems gefunden werden können. Eine Lösung bietet die enorme Menge an Echtzeit-Sensordaten moderner Systeme, die ergänzend zu historischer Daten, wie Ausfallstatistiken, betrachtet werden können.

Mit künstlicher Intelligenz einer Störung zuvorkommen

Alle Sensor-Daten der Maschine werden innerhalb eines lernfähigen neuronalen Netzwerks, das von biologischen Prozessen im Neocortex inspiriert ist, analysiert und verarbeitet. Diese spezielle Form von KI-Algorithmen, sogenannte Hierarchische Temporalspeicher (HTM), werden auch in der Medizin und an Finanzmärkten angewendet, um Störungen vorherzusehen. Ein großer Vorteil dieses Systems besteht darin, dass es ohne vorgängige Trainingsprozesse einsetzbar ist.



Die KI hilft dem System sich während des Betriebs – sozusagen selbst kennen zu lernen, indem permanent Voraussagen über die Zustände in naher Zukunft getroffen werden.  Eine Anomalie fällt dadurch auf, dass sie diesen Voraussagen widerspricht. So bestimmt der Algorithmus eine Störungswahrscheinlichkeit für das System. Dadurch werden Fehlalarme reduziert, Ausfälle und Folge-Ausfälle verhindert, die Lebensdauer der Geräte besser ausgeschöpft und die Reparaturkosten gesenkt.

Mit unserem Basis Modul haben sie Zugriff auf alle Daten vergangener Prüfungen und die damit verbundenen Meta-Daten, Ob ortsveränderlich, ortsfeste- oder Maschinenprüfungen Sie  können jetzt diese historische Datenbasis mit der DPS Controlling Software für verschiedene Zwecke auswerten und visualisieren.

  • Die Daten gewähren allen Einkaufsabteilungen eine gemeinsame Datengrundlage für einen zielgerichteten  Einkauf von Neuprodukten, den Aufbau einer “technischen” Corporate Identity und das erfassen und entsorgen von Altmaterial.

  • Historische Prüfdaten bilden eine exzellente Grundlage  zur Mustererkennung – So können Sie mit Hilfe einer Fehlermatrix  Schwachstellen identifizieren und so Risiken minimieren.   

  • Mit den gewonnen Einsichten ist es darüber hinaus möglich den zukünftigen Wartungsaufwand besser einzuschätzen. Zyklen für Messungen und Sichtprüfungen an die erforderlichen Gegebenheiten anzupassen.  Oft erschließen sich dadurch erhebliche Einsparpotentiale. Der Wartungsaufwand wird minimiert  und Ihre Produktivität wird gesteigert.

Mit diesem Modul haben sie Ihre ortsfesten Anlagen sicher im Blick. Sie können  den Zustand Ihrer Anlagen und die elektrischen Ströme  zentral und in Echtzeit überwachen und auswerten.  Die Effizienz des Monitoring kann so besonders für räumlich stark verteilte Anlagen erheblich gesteigert werden. Außerdem gewinnen sie die Möglichkeit ohne Verzug sozusagen “live” auf Störungen oder problematische Grenzwerte zu reagieren.

  • Das innerhalb des Systems ablaufende Echtzeit-Simulations- und Belastungsmanagement trägt zusätzlich zur Reduzierung der gesetzlichen Prüftiefe nach DGUV 3 bei.

  • Sie erhalten wertvolle Einblicke in die Lastverteilungen und können das Belastungsmanagement ihrer Verbraucher optimieren  

  • Datenintegration: Durch eine Verknüpfung mit Modul 1 und der DPS Controllingsoftware ist eine flexible Integration Ihrer historischen Prüfdaten und somit eine noch genauere Auswertung Ihrer ortsfesten Anlage gewährleistet.

Dieses Modul ermöglicht Ihnen die live Überwachung Ihrer Maschinen bis ins letzte Detail. Die Daten aller verfügbaren Sensoren werden zusammengesetzt zu einem holistischen Datenstrom für die  Maschine insgesamt.  Durch die KI gestützte Auswertung dieser Echtzeit – Datenbasis wird es für Sie möglich:

  • Zustandsüberwachung, Wartungsvorhersagen und zustandsbasierte Wartung zu realisieren und zu  koordinieren. So minimieren sie Ausfallzeiten sowie Wartungs- und Personalkosten.

  • Die Effizienz ihrer Produktionslinien zu bewerten und Korrekturen der Maschinenkonfigurationen zu planen, um Prozessflüsse zu perfektionieren.

  • Den Relevanten Produktionsaustausch für neue Produktionslinien- und Straßen zu bestimmen.

Kontakt