Industrial Analytics in der Intralogistik

Weichen für Morgen stellen. Digitale Technologien wie künstliche Intelligenz und Machine Learning bestimmen den Geschäftserfolg. Dafür liefert Weidmüller mit AutoML eine Software, die keinen Data Scientist als Bediener braucht.
 Die Weidmüller AutoML-Lösung ermöglicht es praktisch jedem Applikationsexperten in der Intralogistik, ML-Modelle für verschiedenste Use Cases zu erstellen und einzusetzen.
Die Weidmüller AutoML-Lösung ermöglicht es praktisch jedem Applikationsexperten in der Intralogistik, ML-Modelle für verschiedenste Use Cases zu erstellen und einzusetzen.Bild: Weidmüller Gruppe

Der Einsatz von künstlicher Intelligenz (KI) in industriellen Produktionsanlagen gehört aktuell zu einer der zentralen Herausforderungen für Maschinen- und Anlagenbetreiber. Lösungen mit künstlicher Intelligenz finden in vielen Bereichen ihre Anwendung, ob von der Anomalieerkennung, der Klassifizierung und Vorhersage von Verschleiß, zur Qualitätskontrolle bis hin zu besseren, zielgerichteten Serviceaktivitäten. In komplexen Maschinen, wie z.B. in einem Regalbediengerät, werden kontinuierlich Daten erzeugt. Wem es gelingt, diese in konkrete Mehrwerte zu überführen, erschließt sich dadurch entscheidende Wettbewerbsvorteile.

Aber wie gelingt der Einstieg in KI? Mit dem Automated Machine Learning Tool (AutoML) gibt Weidmüller Nutzern eine entsprechende Software an die Hand. Damit gelingt der Einstig auch ohne den Einsatz von Data Scientisten, denn mit dem AutoML-Tool werden die Domänenexperten befähigt auf Basis ihres Applikationswissens eigenständig Machine Learning (ML) Modelle zu erzeugen. So können Sie ihr tiefes Fachwissen über ihre Maschinen- und Anlagenprozesse mit einbringen bis am Ende des Modellbildungsprozesses der Experte das für seine Applikation am besten passende erhält.

Komplexer Modellbildungsprozess

Bei der Entwicklung aussagekräftiger Analysemodelle sind gerade mittelständische Unternehmen vielfach noch auf die externe Unterstützung von Data Scientists angewiesen. Heute analysieren Data Scientists die Daten und erstellen ML-Modelle. Der Prozess der Modellbildung ist sehr komplex. Die konkrete Ausgestaltung ist dabei für jeden Use Case spezifisch. So müssen die meisten Parameter für die ML-Lösung in kreativer und zugleich mühevoller Arbeit manuell bestimmt werden. Bei der Modellbildung diskutiert der Data Scientist kontinuierlich die in den Daten gefundenen Zusammenhänge mit den Maschinen- und Prozessexperten. Gemeinsam erfolgt eine ingenieurmäßige Interpretation der Ergebnisse, wodurch letztendlich die Parameter für das Modell sowie die Pipeline identifiziert und festgelegt werden. Das Applikationswissen der Domänenexperten trägt also entscheidend für den Erfolg einer gute ML-Lösung bei.

 Machine Learning einfach anwenden ohne Expertenwissen im Bereich Data Science -Automatische Modellbildung.
Machine Learning einfach anwenden ohne Expertenwissen im Bereich Data Science -Automatische Modellbildung.Bild: Weidmüller Gruppe

Die Anwendung von Machine Learning demokratisieren

Die Vision von Weidmüller ist es, die Anwendung von Machine Learning zu demokratisieren, d.h. jedem Domänenexperten in der Industrie zugänglich zu machen, damit die Anwendung von ML in der Industrie nicht durch die geringe Anzahl von Data Scientists eingeschränkt wird und das vorhandene Wissen der Fachexperten optimal genutzt wird. Dafür stellt Weidmüller das Automated Machine Learning Tool bereit, damit Domänenexperten ohne Expertenwissen im Bereich Data Science eigenständig ML-Lösungen erzeugen können. Die Domänenexperten verknüpfen ihr spezifisches Wissen bewusst mit dem AutoML-Prozess, um so exzellente ML-Lösungen zu schaffen.

Guided Analytics

Die AutoML-Software führt den Nutzer durch den Prozess der Modellentwicklung, weshalb hier auch von ‚Guided Analytics‘ gesprochen wird. Dabei fokussiert sich der Experte auf sein Wissen zum Maschinen- und Prozessverhalten und verknüpft dieses mit den im Hintergrund ablaufenden ML-Prozessen. Als Beispiel dient ein Regalbediengerät: Hier werden permanent physikalischen Werte erzeugt und gemessen, wie die Daten der Motoren, Server (Umrichter) und aller mechanischen Komponenten z.B. der Längenänderungen von Stahlseilen oder der Drehzahlveränderung der Laufräder. Diese physikalischen Maschinen und Prozessdaten können mit Hilfe der Automated ML Software in unterschiedliche Modelle überführt werden. Die AutoML-Lösung besteht im Wesentlichen aus zwei Modulen zur Modellbildung, -ausführung, und -optimierung sowie zum Management der Modelle über ihren Lebenszyklus.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: SpanSet GmbH & Co. KG
Bild: SpanSet GmbH & Co. KG
Was heißt: 
„In Anlehnung an die Norm“?

Was heißt: „In Anlehnung an die Norm“?

Dürfen Produkte, die das GS-Prüfzeichen und gleichzeitig den Zusatz „in Anlehnung an die Norm“ tragen, verwendet werden, als seien sie nachweislich sichere Produkte beziehungsweise Arbeitsmittel? Die Antwort lautet: Ja! Doch der Hinweis „in Anlehnung“ sorgt für Unbehagen. Es ist Zeit, über die Hintergründe zu informieren, die heutige Norm zu interpretieren und sie bei nächster Gelegenheit anzupassen. Es geht um die EN 12195-2.

Bild: VETTER Industrie GmbH
Bild: VETTER Industrie GmbH
Gabelzinken-Hersteller 
mit Tradition

Gabelzinken-Hersteller mit Tradition

Vetter ist heute einer der führenden Hersteller von Gabelzinken in Europa. An Produktionsstandorten in Deutschland und den USA wird das wohl umfangreichste Gabelzinken-Produktprogramm für die Flurförderzeugindustrie gefertigt. Mit Einführung der SmartFork – der intelligenten Gabelzinke mit integrierter Kamera- und Sensortechnik – ist Vetter Schrittmacher für mehr Sicherheit beim Staplereinsatz und einer erfolgreichen Logistik 4.0.

Bild: Körber AG
Bild: Körber AG
Warehouse der Zukunft

Warehouse der Zukunft

Körber unterstützt mit seinem Geschäftsfeld Supply Chain den Sportfachhändler Intersport beim Neubau und der Erweiterung des Zentrallagers in Heilbronn. Von der Planungsphase bis zur Finalisierung zeichnet Körber sich verantwortlich für die praktische Umsetzung eines vollautomatisierten Lagers, das nicht nur technologisch State of the Art ist, sondern auch den wachsenden Bedarf an intelligenter Lagerkapazität in den kommenden Jahren abdecken kann.

Bild: Schulte-Henke GmbH
Bild: Schulte-Henke GmbH
Sicherer Transport von 
Elektro- und Konsumgütern

Sicherer Transport von Elektro- und Konsumgütern

Fernseher, Kühlschränke und Waschmaschinen haben eine Gemeinsamkeit. Sie alle werden mit Hilfe von Karton- und Geräteklammern mittels Gabelstapler schnell und sicher transportiert. Da Stabau seine Kunden in schnellwachsenden Branchen wie der Konsumgüter- und Elektronikindustrie bestmöglich unterstützen möchte, bietet das Unternehmen zahlreiche Varianten des Anbaugeräts und individuelle Sonderlösungen an.

Anzeige

Anzeige

Anzeige