Оптимальное разделение вместо ремонта: GEA делает следующий шаг в использовании данных с помощью Industrial Analytics от Weidmüller

Возможность использовать сбор и анализ данных для повышения эффективности и продуктивности вашей компании и разработки новых бизнес-моделей — это то, что захватывает воображение инженеров-механиков и заводчиков, ищущих новые возможности роста и получения прибыли. GEA также давно занимается мониторингом состояния. С новым программным обеспечением для автоматизированного машинного обучения от Weidmüller, компания надеется расширить и развивать предлагаемые услуги с точки зрения возможностей. Соответствующий «пилотный» проект был инициирован на площадке GEA в Эльде, Германия.

Индустрия 4.0 как вызов и большая возможность

Цифровые технологии и Industry 4.0 создают серьезные проблемы для компаний в секторе машиностроения и машиностроения, но они также открывают совершенно новые возможности: должна быть возможность адаптировать производственные мощности в соответствии с индивидуальными продуктами и требованиями заказчика. Сервисный бизнес все больше попадает в центр внимания. «Мы уже давно работаем над мониторингом состояния и мониторинга состояния машин, а также настроили пороговый анализ. Но мы также знали, что в этой области гораздо больше возможностей», — объясняет Керстин Альтенсеер, старший вице-президент. Президент службы управления продуктами в GEA. «Мы хотели отобразить процессы и иметь возможность оптимизировать приложения вместе с нашими клиентами. И, конечно, мы также хотели создать новые бизнес-модели и области применения, такие как модели аренды или подписки для наших машин».

Предоставление опыта в алгоритме

Обладая 125-летним опытом производства сепараторов и декантеров для разделения жидкостей, GEA извлекает огромную пользу из этого опыта. Эти системы используются в различных секторах, таких как пищевая промышленность, химическая промышленность и фармацевтическая промышленность, а также в биотехнологии, энергетике, судоходстве и индустрии экологических технологий. Компания надеется, что создание новых бизнес-моделей или приложений позволит ей использовать новые источники дохода. «Мы также относительно быстро заметили, что нам нужны экспертные знания и помощь экспертов по данным в этих проектах. Проблема в том, что у нас недостаточно исследователей данных. Найти подходящих экспертов и привлечь их к работе нелегко, даже когда Похоже, что в принципе у компании хорошая рука, как в случае с GEA. Но нам нужно было несколько экспертов, которые не могли облегчить ситуацию », — говорит Керстин Альтенсеуэр.

Вместе лучше одного

Как экспертиза может быть установлена с правильными экспертами? Именно во время поиска решения этой проблемы компания GEA узнала о Weidmüller и опыте компании в области промышленной аналитики через передовой кластер «It’s OWL». Компания GEA хотела переосмыслить услуги, которые она предлагает своим клиентам, и создать ряд интеллектуальных услуг. Он также надеялся улучшить качество и производительность своих машин, а также создать основу для использования новых бизнес-моделей, чтобы конкурентоспособно позиционировать GEA на рынке.

Перенос знаний инженеров-технологов в алгоритм

GEA и Weidmüller первоначально начали изучать, как проект может быть создан и какая главная цель должна была быть достигнута. «Вскоре стало ясно, что сначала нам нужно было проверить осуществимость проекта с помощью проверки концепции, прежде чем дать GEA возможность самостоятельно разрабатывать и эксплуатировать модели ML», — объясняет Тобиас Гаукштерн, руководитель подразделения промышленной аналитики в Weidmüller. Цель состояла в том, чтобы с помощью программных служб Automated Machine Learning специалисты GEA могли независимо обучать алгоритмам машинного обучения или статистическим моделям. «Инструмент AutoML позволяет специалистам по прикладным программам быстрее и проще использовать ML без каких-либо экспертных знаний в области ML», — объясняет Тобиас Гаукстерн. Машиностроительные компании часто сталкиваются с проблемой, заключающейся в том, что их специалисты по проектированию, автоматизации и процессам не могут легко передать свои знания решениям в области машинного обучения. Как можно объединить эту прикладную экспертизу в единое целое или программное обеспечение, не говоря уже об алгоритме? «Мы были очарованы этим решением, поскольку у нас есть много инженеров-технологов, которые очень хорошо знакомы с машинами и в некоторой степени способны интерпретировать данные. С помощью Вайдмюллера мы можем теперь передать эти знания алгоритм «, объясняет Матиас Хайнрих, менеджер по цифровым решениям в GEA. Чтобы проверить, как теоретические наблюдения могут быть применены на месте в производственной среде в GEA, в Oelde была проведена проверка концепции (PoC) с использованием исторических данных. Целью было добиться автоматического обнаружения аномалий в поведении сепараторов в молочной промышленности.

Преимущество региональной близости и тесного сотрудничества между партнерами

Тот факт, что проект имел такой успех, также был обусловлен тесным сотрудничеством внутри команды. С одной стороны, региональная близость была большим преимуществом, так как команда проекта могла легко встретиться в короткие сроки для обсуждения отдельных вопросов. «Weidmüller обладает очень обширными знаниями с точки зрения ученого, но в то же время вы очень хорошо понимаете себя как машиностроительную компанию, потому что вы встречаетесь не только с ИТ-специалистами, но и с инженерами, которые действительно знают машины «, объясняет Керстин Альтенсеуэр. В рамках этого проекта GEA управляла вводом и требованиями, в то время как в Weidmüller была проведена «Доказательство концепции». «Это разделение работы оказалось очень успешным. У нас была регулярная и позитивная координация и очень хорошие результаты, которые создали основу для пилотного применения и, наконец, для перехода к серийному производству», — объясняет Тобиас Гаукстерн.

Дополнительное внедрение запланировано на 2020 год

Приложения были реализованы в сочетании с существующим сценарием IoT для мониторинга состояния в GEA. «Все говорят о цифровизации, но мы хотим использовать ее, чтобы обеспечить добавленную стоимость даже в конце строки». Мы хотим, чтобы решение, разработанное Weidmüller, помогло нам сделать следующий шаг », — говорит Керстин Альтенсеер. До этого времени есть еще несколько вещей, которые нам нужно сделать, прежде чем мы начнем с 2020 года, например, улучшение связи данных и качество данных «К настоящему времени мы подключили 500 машин к существующему порталу, и мы стремимся как можно быстрее перенести решение Weidmüller на эти машины», — объясняет Керстин Альтенсеер. Altenseuer смотрит в будущее: «Я также вижу большой потенциал для передачи новой технологии в другие области в GEA «.