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.

Mit dem Modul zur Modellbildung kann der Domänenexperte basierende auf den Trainingsdaten und seines Applikationswissen ML-Lösungen zur Anomalieerkennung, Klassifikation und Fehlervorhersage erzeugen. Weltweit einmalig ist die Anomalieerkennung auf Basis von ‚Gut-Daten‘, dem ‚unsupervised‘ Training. Ein Assistenzsystem unterstützt den Labeling-Prozess. Mit einem Label markiert der Nutzer Bereiche in den Daten, in denen ein normales oder unerwünschtes Verhalten vorliegt. Die gelabelten Datensätze werden in Modelle überführt und mit verschiedenen ML-Verfahren trainiert. Ein Algorithmus erlernt dabei die typischen Datenmuster eines normalen Maschinenverhaltens anhand historischer Daten. Zur Laufzeit können Abweichungen von diesen Mustern identifiziert werden. Bei den erkannten Anomalien kann es sich um Ineffizienzen, kleinere Störungen oder größere Fehlerfälle handeln. Das System ist durch diese Herangehensweise in der Lage, auch bisher vollkommen unbekannte Fehlerfälle schon bei ihrem ersten Auftreten zu erkennen. Ergebnis des vollautomatischen Modellbildungsprozesses ist eine komplett konfigurierte ML-Pipeline inklusive einer Liste mit alternativen Modellen, die mit Hinweisen zur Ergebnisgüte, Ausführungszeit oder Trainingsdauer versehen werden.

Darüber hinaus dient der Modellbuilder zur Optimierung der ML-Modelle im Betrieb. Neue Ereignisse wie bestimmte Betriebssituationen, Anomalien oder Fehler die während des Betriebs beispielsweise eines Regalbediengerätes vorkommen und nicht in den Trainingsdaten enthalten waren, können den Modellen mit wenigen Klicks hinzugefügt werden, wodurch sich die Modelle über ihren Lebenszyklus kontinuierlich verbessern lassen.

Das zweite Modul der AutoML-Lösung ist die Ausführungsumgebung, die zum Betrieb der ML-Modelle in der Cloud oder in einer on Premise-Anwendung dient. Sie ist plattformunabhängig und skaliert automatisch gemäß der Anzahl der auszuführenden Modelle. Darüber hinaus stellt die Ausführungsumgebung die Modellergebnisse verständlich dar, sodass der Nutzer konkrete Handlungen z.B. zur Fehlervermeidung umsetzten kann. Da die Modelle über ihren Lebenszyklus angereichert werden und damit Modellvarianten entstehen, ist ein Modellmanagement ein weiterer Bestandteil der Ausführungsumgebung. Das Modellmanagement stellt u.a. Funktionen zur Modellversionierung, -wiederherstellung, und -Modellüberwachung bereit.

Fazit

Die Weidmüller AutoML-Lösung ermöglicht es praktisch jedem Applikationsexperten in der Intralogistik, ML-Modelle für verschiedenste Use Cases zu erstellen und einzusetzen. Es ist die erste Lösung, mit der ML-Modelle ohne Expertenwissen im Bereich Data Science und nur auf Basis des Domänenwissens erzeugt werden können. Im Zentrum steht der Nutzer mit seinem Applikationswissen, das letztendlich auch dazu beiträgt, die Akzeptanz von ML in der Industrie zu erhöhen. Die Software ist eine Ende-zu-Ende Lösung zum Erstellen, Betreiben und Optimieren von ML-Modellen, die es bisher so für industrielle Anwendungen nicht gibt. Sie reduziert die Komplexität beim Einsatz des maschinellen Lernens und beschleunigt die Realisierung von ML-Lösungen erheblich. Damit wird ein starker Beitrag geleistet die Industrie mit ML-Anwendungen in der Breite zu durchdringen – entscheidend für den ökonomischen und ökologischen Erfolg des europäischen Wirtschaftsstandorts. Nicht nur der Gewinn des Deutschen Exzellenz-Preis 2020 beweist die einfache Anwendung des Automated Machine-Learning Tools, auch die Rückmeldungen erster Pilotanwender bei Maschinenbauern und -betreibern zeigt, dass der Auto-ML-Service in seiner Funktionsweise und in der Nutzerführung optimal auf die Bedürfnisse der Anwender zugeschnitten ist. www.weidmueller.de

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

-Anzeige-
-Anzeige-
dhf auf der Logimat zu Besuch bei ONK

dhf auf der Logimat zu Besuch bei ONK

dhf TV war auf der Logimat am Stand von ONK und hat mit Rüdiger Zens, CEO, über das Produktangebot von Regalkennzeichnung, Blocklagerkennzeichnung, Bodenmarkierungen bis hin zu Organisationsmittel und E-Shelf Labels gesprochen.

Bild: Linde Material Handling GmbH
Bild: Linde Material Handling GmbH
Neue Automatisierungslösungen

Neue Automatisierungslösungen

Unternehmen, die ihre Wettbewerbsfähigkeit durch eine stärker automatisierte Intralogistik verbessern wollen, finden bei Linde Material Handling (MH) alles aus einer Hand: ein breites Portfolio an fahrerlosen Transportsystemen und mobilen Robotern (AMR) von klein bis groß für einfache bis hin zu komplexen Projekten sowie eine in den letzten Jahren stark gewachsene Zahl an Experten, die eine professionelle Planung und Umsetzung sicherstellen.