Optimaler Separieren statt Reparieren: GEA geht mit Industrial Analytics von Weidmüller den nächsten Schritt bei der Datennutzung

Optimaler Separieren statt Reparieren: GEA geht mit Industrial Analytics von Weidmüller den nächsten Schritt bei der Datennutzung
GEA geht mit Industrial Analytics von Weidmüller den nächsten Schritt bei der Datennutzung. (Foto: GEA)

Optimaler Separieren statt Reparieren: GEA geht mit Industrial Analytics von Weidmüller den nächsten Schritt bei der Datennutzung

Die Möglichkeit, durch Datenerhebung und -analyse die eigene Effizienz und Produktivität zu steigern sowie neue Geschäftsmodelle zu entwickeln, beflügelt die Phantasie der Maschinen- und Anlagenbauer, die sich auf der Suche nach neuen Wachstums- und Ertragsmöglichkeiten befinden. Auch GEA beschäftigt sich seit längerem mit dem Thema Condition Monitoring. Mit der neuen Automated Machine Learning Software von Weidmüller möchte das Unternehmen sein Serviceangebot in punkto Anlagen erweitern und ausbauen. Am GEA Standort Oelde wurde ein entsprechender „Pilot“ initiiert.

Industrie 4.0 als Herausforderung und große Chance

Digitale Technologien und das Thema Industrie 4.0 stellen die Unternehmen des Maschinen- und Anlagenbaus vor große Herausforderungen, aber auch völlig neue Möglichkeiten: Produktionsanlagen müssen individuell an einzelne Produkte und Kundenwünsche anpassbar sein. Das Servicegeschäft rückt zunehmend ins Interesse. „Wir haben uns schon seit längerem mit dem Thema Condition Monitoring und Zustandsbeobachtung von Maschinen beschäftigt und Schwellwertanalysen aufgestellt. Aber uns war bewusst, dass das Potential des Themas deutlich größer ist“, verdeutlicht Kerstin Altenseuer, Senior Vice President Service Product Management bei GEA. „Perspektivisch ging es darum, Prozesse abzubilden oder Applikationen gemeinsam mit unseren Kunden optimieren zu können. Und natürlich auch, neue Geschäftsmodelle und Anwendungsbereiche wie Leasing oder Abo-Modelle für unsere Maschinen zu etablieren.“

Know-how im Algorithmus verfügbar machen

GEA, mit einer über 125-jährigen Kompetenz bei der Herstellung von Separatoren und Dekantern zur Trennung von Flüssigkeiten, profitiert enorm von dieser Erfahrung. Zum Einsatz kommen diese Anlagen in verschiedenen Branchen wie der Nahrungsmittelindustrie, Chemie, Pharmazie, Biotechnologie, Energie, Schifffahrt und Umwelttechnik. Mit neuen Geschäftsmodellen oder Anwendungsfällen will das Unternehmen neue Umsatzquellen erschließen. „Wir haben allerdings relativ schnell gemerkt, dass wir bei diesem Vorhaben die Expertise und Hilfe von Datenexperten benötigen. Entsprechende Experten zu identifizieren und zu gewinnen, ist nicht einfach, auch wenn ein Unternehmen wie GEA prinzipiell gute Karten hätte. Aber wir hätten auch gleich mehrere gebraucht, was die Sache nicht einfacher macht“, so Kerstin Altenseuer.

Gemeinsam statt einsam

Wie also kann man Expertise mit entsprechenden Experten aufbauen? Auf der Suche nach einer Lösung für dieses Problem wurde GEA über das Spitzencluster „It’s OWL“ auf Weidmüller und die Expertise des Unternehmens im Bereich Industrial Analytics aufmerksam. Das Ziel: Das Serviceangebot für die Kunden anders denken und Smarte Services etablieren. Gleichzeitig sollte die Qualität und Performance der Maschinen verbessert sowie die Basis für die Erschließung neuer Geschäftsmodelle geschaffen werden, um GEA wettbewerbsfähig im Markt zu positionieren.

Erkenntnisse der Prozessingenieure in Algorithmus überführen

GEA und Weidmüller arbeiteten zunächst daran, wie das Projekt aufgesetzt werden könnte und welches zentrale Ziel damit verfolgen werden soll. „Es war schnell klar, dass wir zunächst in einem Proof of Concept die Machbarkeit nachweisen und dann Gea in die Lage versetzten eigenständig ML-Modelle zu entwickeln und zu betreiben“, erklärt Tobias Gaukstern, Business Unit Leiter Industriel Analytics bei Weidmüller. Mit Hilfe des Automated Machine Learning Software Services sollten die Experten bei GEA in der Lage sein, eigenständig Machine Learning Algorithmen, beziehungsweise statistische Modelle zu trainieren. „Das AutoML Tool vereinfacht und beschleunigt die Anwendung von ML für Applikationsexperten und zwar ohne das Expertenwissen im Bereich ML erforderlich ist“, erklärt Tobias Gaukstern. Maschinenbauer stehen oft vor dem Problem, dass ihre Konstruktions-, Automatisierungs- und Prozess-Experten ihr Wissen nicht ohne Weiteres in Lösungen aus dem Bereich des maschinellen Lernens übertragen können. Wie bündelt man dieses Applikationswissen in einer Software oder gar in einem Algorithmus? „Die Lösung war für uns sehr interessant, da wir viele Prozessingenieure haben, welche die Maschinen sehr gut kennen und die Daten bis zu einem gewissen Grad interpretieren können. Mit Hilfe von Weidmüller können wir diese Erkenntnisse nun in einen Algorithmus überführen“, erklärt Matthias Heinrich, Manager Digital Solutions bei GEA. Um zu überprüfen, wie die theoretischen Überlegungen bei GEA vor Ort in der Produktionsumgebung angewendet werden können, wurde in Oelde einen Proof of Concept (PoC) mit historischen Daten durchgeführt. Das Ziel war die automatische Erkennung von Anomalien im Verhalten von Separatoren in der Milchindustrie.

Pluspunkt enge Zusammenarbeit und regionale Nähe zwischen den Partnern

Dass das Projekt ein voller Erfolg war, lag auch an der guten und engen Zusammenarbeit innerhalb der Teams. So war zum einen die regionale Nähe ein großer Vorteil, weil sich das Projektteam einfach und schnell zusammenfinden konnte, um einzelne Aspekte zu diskutieren. „Weidmüller verfügt zudem über eine sehr weitläufige Data Scientist Perspektive, zugleich fühlt man sich als Maschinenbauer gut verstanden, weil man nicht nur mit IT-Spezialisten zusammensitzt, sondern mit Ingenieuren, die die Maschinen kennen“, erläutert Kerstin Altenseuer. Im Rahmen des Projekts hat dabei GEA den Input und die Anforderungen eingesteuert, die Umsetzung des „Proof of Concept“ fand dann bei Weidmüller statt. „Diese Arbeitsteilung hat sich sehr bewährt. Wir hatten eine regelmäßige, gute Abstimmung und sehr gute Ergebnisse, die die Grundlage bilden für die Pilotanwendung und schließlich die Überführung dien die Serie“, verdeutlicht auch Tobias Gaukstern.

Weiterer Rollout für 2020 geplant

Eingesetzt wurden die Anwendungen im Zusammenhang mit einem bei GEA bestehenden IoT-Szenario für Condition Monitoring. „Alle reden über Digitalisierung. Aber wir wollen dadurch auch am Ende einen Mehrwehrt liefern. Wir wollen mit der Lösung von Weidmüller den nächsten Schritt gehen“, sagt Kerstin Altenseuer. Bis dahin müssen noch einige Aufgaben erledigt und zum Beispiel die Datenanbindung und Datenqualität verbessert werden, um dann 2020 durchzustarten. „Wir haben bis jetzt 500 Maschinen in dem bestehenden Portal angebunden und wollen die Lösung von Weidmüller schnellstmöglich auf diese Maschinen übertragen“, erklärt Kerstin Altenseuer. Und sie blickt in die Zukunft: „Ich sehe außerdem großes Potential zur Übertragung der neuen Technologie auf andere Bereiche bei GEA.“

Downloads