Industrial Analytics Angebot

Von Data Science Consulting, über kundenspezifische Analytics-Lösungen bis zum Industrial AutoML Self-Service

Industrial Analytics Angebot

Industrial Analytics Consulting

Nutzen Sie unsere Kompetenz im Bereich Industrial Analytics als Beschleuniger für Ihre Pläne. Wir sind der Partner an Ihrer Seite, mit fundierten Kenntnissen des IOT- und Analytics-Teams, unseren Erfahrungen aus der eigenen industriellen Anwendung sowie aus vielfältigen Kundenprojekten. Das Spektrum ist inhaltlich breit und wird auf Ihren Bedarf zugeschnitten.

  • Auswahl und Bewertung von geeigneten Use Cases
  • Beratung zur Datenerhebung mittels geeigneter Hardware und Software
  • Analyse der vorhandenen Datenqualität und Möglichkeiten zur Optimierung
  • Auswahl geeigneter Datenformate und Schnittstellen
  • Implementierung der Lösung in die bestehende Infrastruktur

Unsere Data Science Experten stehen mit der notwendigen Erfahrung an Ihrer Seite. Aus der Industrie, für die Industrie.

Beispiel: Use Case Workshop - ML-basierte Services konkret & greifbar machen

Die Herausforderung, den konkreten Einstieg zu finden

  • Im Bereich der ML-basierten Services gibt es zahlreiche Optionen und verlockende Möglichkeiten.
  • Sie haben bereits einige Ideen und erste Anwendungsfälle (Use Cases) diskutiert.
  • Der nächste Schritt: konkrete erste Ergebnisse mit einem pragmatischen Vorgehen erzielen.

Der Fokus auf industrielle Anwendungen

  • Wie Sie neue digitale Services für Ihre Maschinen schaffen können.
  • Wie Sie die Verfügbarkeit Ihrer Maschinen erhöhen können.
  • Wie Sie ML-basierte Technologien dafür nutzen können.

Das Vorgehen, pragmatisch und ergebnisorientiert

  • Eintägiger, persönlicher Workshop mit Weidmüller Business Consultant & Data Scientist
  • Ihr multidisziplinäres Team von Stakeholdern - Management, Produkt, Applikation, Service, Vertrieb
  • Wir entwerfen gemeinsam den Implementierungsplan - Ihr Leitfaden für die Umsetzung

Ihr Nutzen, für einen schnellen ersten Erfolg

  • Erreichen eines gemeinsamen Verständnisses der Stakeholder über die Ziele & Möglichkeiten
  • Priorisierung der geeigneten Applikation(en) und Use Cases
  • Beispielhafte Ausarbeitung, Planung und Werkzeuge, um die Umsetzung konkret zu starten

Kundenspezifische Analytics-Lösungen

Mit der Auswahl eines passenden Anwendungsfalls, dem Use Case im Bereich Industrial Analytics, kann die Umsetzung starten. In der Praxis hat sich ein Vorgehen in fünf Phasen bewährt. Zu Beginn des Projektes stehen die Problemanalyse und Zieldefinition im Fokus. Es erfolgt dabei die Validierung des ausgewählten Use Cases. In dieser Phase wird unter anderem auch festgelegt, welche konkreten Ausfälle vorhersehbar sein sollen. Während der anschließenden Explorationsphase wird geprüft, ob ein definierter Fehler anhand der erhobenen Messwerte erkannt werden kann oder ob eine höhere Datenqualität benötigt wird.

Beim Proof of Concept (PoC) wird ein statistisches Modell zur automatischen Erkennung des Fehlers entwickelt und damit die technische und wirtschaftliche Machbarkeit anhand zuvor aufgezeichneter Daten überprüft (Offline Analyse).

In der Pilotphase wird ein funktionsfähiger Prototyp auf einer Beispielapplikation zur Laufzeit ausgeführt (Online Analyse). Dabei werden Erkenntnisse und Erfahrungswerte gesammelt, die in der letzten Phase in die finale Analytics-Lösung implementiert werden. Diese Lösung ist auf unbegrenzt viele Maschinen des gleichen Typs anwendbar.

Industrial AutoML – ML Self-Service

Die Entwicklung von Industrial Analytics-Lösungen erfordert in der Regel das spezifische Know-how eines Data Scientists. Mit unserem Automated Machine Learning-Tool können Sie KI- und ML-basierte Modelle ohne externe Beratung eigenständig nutzen. Es ermöglicht Ihnen, auf Basis Ihrer eigenen Daten und Applikationskenntnisse Modelle zu generieren, die in der Lage sind, das Normal- und Fehlverhalten Ihrer Maschinen zu erkennen. Die plattformunabhängige Software unterstützt Sie dabei mit einer automatisierten Modellerzeugung und einer einfachen Nutzerführung.

Ihre besonderen Vorteile
  • Basiert auf Ihren eigenen Daten und Ihrem Fachwissen
  • Keine Notwendigkeit für externe Beratung oder einen Data Scientist
  • Automatisierte Modellerstellung
  • Vereinfachter und beschleunigter Prozess der Lösungsentwicklung
  • Visualisierung von Maschinendaten
  • Eigenständiges Training der Software zur Erkennung von Normalbetrieb und Funktionsstörungen der Maschine
  • Plattformunabhängig
  • Eigenständige, kontinuierliche Optimierung der Modelle