Die Zukunft vorhersagen mit Predictive Analytics

Wissensbeitrag

Für Unternehmen gilt es heutzutage mehr denn je, nicht nur in der Gegenwart gut aufgestellt zu sein, sondern auch einen Blick in die Zukunft zu wagen. Mit fortschreitender Umstellung auf Industrie 4.0 und der vermehrten Kommunikation vernetzter Systeme steigt auch die Notwendigkeit dazu, interne Prozesse besser nachzuverfolgen. Ziel davon ist es, aus den Erfahrungen der Vergangenheit bessere Aussagen für die Zukunft treffen zu können, die Qualität der Prozesse zu erhöhen und auf Ereignisse insgesamt schneller und auf Basis aussagekräftiger Daten reagieren zu können.

Bei einem unserer Kunden aus der Automotive Branche hatten wir kürzlich ein Projekt, in dem Predictive Analytics zum Einsatz kamen. Durch das von uns implementierte Analyseverfahren kann das Unternehmen nun gezielter vorhersagen, wann für die einzelnen Maschinen in einer Produktionskette eine Wartung notwendig wäre. Das Unternehmen verringert damit deutlich Ausfallwahrscheinlichkeiten in der Produktionskette.

Erhöhter Qualitätsanspruch des Kunden

Unser Kunde ist Zulieferer für einen namhaften Automobilhersteller, der hohe Qualitätsanforderungen an seine Produktionsprozesse stellt, um diese zu optimieren und Produktionskosten zu senken. Um dies zu gewährleisten sollen in allen Prozessschritten Daten ausgewertet werden, die eine Aussage über die Qualität produzierter Werkstücke und den Zustand von Produktionsmaschinen zulassen. Durch dieses Tracking könnten Arbeitsschritte in Echtzeit angepasst werden, wodurch der Ausschuss der Produkte und die Ausfallquote der Maschinen verringert werden.

Mehr zum Projektverlauf

Ausgangssituation

Unser Kunde stellt die in der Produktionsstraße des Automobilherstellers verwendeten Maschinen her. Die hohen Anforderungen des Automobilherstellers machen es nötig, alle Maschinen mit Sensoren auszustatten die alle betriebsrelevanten Parameter messen und entsprechende Daten ausgeben.

Im ersten Projektschritt sollte nun der Verschleißgrad der Maschine bestimmt werden, um diese abzuschalten, bevor ein kritischer Punkt überschritten wird. In späteren Versionen sollte die Datenanalyse präzise vorhersagen, ob das Werkstück getauscht werden muss oder ob beispielsweise eine Erneuerung des Schmiermittels ausreicht.

Unsere Lösung

Zur Vorhersage des Verschleißgrades der Maschine nutzen wir Predictive Analytics Tools. Das erstellte Vorhersagemodell gleicht die neuen Daten mit den bereits vorhandenen Daten ab, analysiert diese und trifft anhand der Erfahrungswerte eine Vorhersage. In unserem Fall generierten wir somit ein Modell, welches anhand gemessener Kraftwerte mit sehr hoher Genauigkeit vorhersagt, ob eine Maschine bei einem Durchlauf verschlissen ist oder nicht.

Um ein gutes, aussagekräftiges Modell zu erhalten muss dieses an Testdaten trainiert werden. In unserem Projekt erstellte der Kunde mehrere Testreihen, in denen der Zustand der Maschine durch geschulte Mitarbeiter bewertet wurde. Das spätere Predictive Analytics-Modell wurde anhand der so gewonnenen Daten und Vorhersagen der Mitarbeiter generiert, sodass die Wahrscheinlichkeit, richtig vorherzusagen, so hoch wie möglich ist.

Beim Einsatz in der Produktion galt es darüber hinaus noch die Hürde der Infrastruktur zu nehmen. Das auf IBM SPSS Modeler basierende Modell wird auf einer direkt an der Maschine angebrachten speziellen Hardwarekomponente deployed. Um eine reibungslose Kommunikation zwischen den Messsensoren, dem SPSS Modeler Server und der Maschine zu gewährleisten, müssen mehrere Software Container miteinander verknüpft werden.

Hierbei haben wir besonderes Augenmerk auf die Performance gelegt, da bei einer Produktionstaktung im Sekundenbereich die Antwortzeit des Vorhersageprozesses – vom Messen der Daten über die Vorhersage des SPSS Modells bis zum Senden der Nachricht an die Maschine, ob eine Wartung nötig ist – ebenfalls im Sekundenbereich liegen muss.

Benefits für den Kunden

Für zukünftige Vorhersagemodelle werden die Messdaten zusätzlich in einer Datenbank gespeichert. Die so in der Produktion erhobenen Daten und der Vergleich der Ergebnisse mit den Beobachtungen geschulter Mitarbeiter über den Verschleißgrad können dann dazu genutzt werden, das Modell weiter zu trainieren und dessen Robustheit und Genauigkeit weiter zu erhöhen.

Fazit

Predictive Analytics findet in vielen Bereichen Anwendung, in denen aus vorhandenen Daten genaue Vorhersagen für die Zukunft getroffen werden können. Und wer die Zukunft kennt, ist immer einen Schritt voraus. Wollen Sie ebenfalls mit Predictive Analytics einen Blick in die Zukunft werfen? Dann kontaktieren Sie uns! Wir beraten Sie gerne.

Felss Logo
Referenz

Mit Predictive Analytics die Produktqualität vorhersagen

Die Felss Systems GmbH setzt auf ein eigens entwickeltes Predictive Analytics-Verfahren von X-INTEGRATE. Mit vorausschauendem Scoring und Automatisierung wird die Effizienz der Industriemaschinen erheblich erhöht.

Predictive Analytics
Kompetenz 03.09.20

Predictive Analytics

Mit Predictive Analytics hilft X-INTEGRATE Unternehmen, aus vorhandenen Daten genaue Vorhersagen für die Zukunft zu treffen und damit einen entscheidenden Wettbewerbsvorteil zu erlangen.

Felss setzt auf Predictive Analytics-Verfahren von X-INTEGRATE
Presse 25.07.18

Felss setzt auf X-INTEGRATE Predictive Analytics-Verfahren

Die X-INTEGRATE GmbH hat bei der Felss Systems GmbH ein Predictive Analytics-Verfahren eingeführt. Der Automobilzulieferer und Spezialist für Kaltumformung von Rohren ersetzt dabei klassische Prüfintervalle durch einen Scoring-Prozess mithilfe eines Vorhersagemodells auf Basis von IBM SPSS.

Predictive Scoring Solution
Lösung

Predictive Scoring Solution

X-INTEGRATE bietet ein Predictive Analytics-Verfahren, mit dem es möglich ist, durch Sensoren an den Maschinen innerhalb der Fertigungsstraßen nicht nur die Qualität der gefertigten Bauteile, sondern auch den Zustand der Werkzeuge innerhalb der Produktionsmaschinen, kontinuierlich zu kontrollieren.

Zur Instandhaltung Website
Presse 27.03.18

Fachbeitrag: "Qualität präzise vorhersagen"

X-INTEGRATE beschreibt in einem Fachbeitrag des Magazins “Instandhaltung”, wie sich mit seinem auf IBM-SPSS- Modeler basierenden Scoring-Modell Vorhersagen zur Qualität der Bauteile eines Automobilzulieferers treffen lassen.

Zu Fabriksoftware Website
Presse 07.11.18

Mit Predictive Analytics Qualität in Fertigung voraussagen

X-INTEGRATE beschreibt in einem Fachbeitrag des Magazins “Fabriksoftware”, wie sich mit einem auf IBM-SPSS- Modeler basierenden Predictive Analytics- Verfahren die Effizienz der Fertigungsprozesse und der Qualitätsprüfungen der Anlagen der Felss Systems GmbH erhöhen lassen.

Predictive Maintenance
Kompetenz 08.09.20

Predictive Maintenance

Mit Predictive Maintenance Störungen prognostizieren und Ausfallzeiten vermeiden.

Wissen

So verändert Data Analytics die Industrie

Mit dem Einsatz von Data Analytics in der Industrie tun sich für Unternehmen zahlreiche neue Möglichkeiten auf.

Weiterleitung zu Big Data Insider
Presse 06.09.17

Punktlandung bei der Wartung mit Predictive Analytics

Am 6. September 2017 erschien der Kommentar “Punktlandung bei der Wartung mit Predictive Analytics” von Maximilian Lorse, Optimization & SCM Engineer bei der X-INTEGRATE im Onlinemagazin “BigData-Insider“.

Besucherrekorde bei der SPS IPS Drives Messe
Wissen

Besucherrekorde bei der SPS IPS Drives Messe

Die SPS IPC Drive in Nürnberg gilt weltweit als führende Fachmesse für elektronische Automatisierung. Auch wir von der X-INTEGRATE GmbH waren zusammen mit unseren Geschäftspartnern Hilscher und IBM vor Ort und stellten eines unserer aktuellen Industrie 4.0 – Projekte vor.

Analytics und Business Intelligence
Service

Analytics & Business Intelligence

Analytics & Business Intelligence hat in den vergangenen Jahren zunehmend an Bedeutung gewonnen.

Zur IT & Production Online Website
Presse 09.08.18

Fachbeitrag: "Wissen um den Werkzeugverschleiß"

Dank der Predictive Analytics- Lösung der X-INTEGRATE kontrollieren bei Felss nun Sensoren während der Fertigung präzise und vorausschauend Qualität und Zustand. Mehr erfahren Sie im Artikel von IT-Production ONLINE.

Headerbild zu IBM Planning Analytics mit Watson
Technologie

IBM Planning Analytics mit Watson

IBM Planning Analytics mit Watsons ermöglicht die Automatisierung von Planungs-, Budgetierungs-, Vorhersage- und Analyseprozessen mithilfe von IBM TM1.

Data Science & Advanced Analytics
Kompetenz 03.09.20

Data Science, AI & Advanced Analytics

Data Science & Advanced Analytics umfasst ein breites Spektrum von Werkzeugen, die Geschäftsabläufe untersuchen und helfen können, Änderungen und Verbesserungen herbeizuführen.

Articifial Intelligence & Data Science
Service

Artificial Intelligence & Data Science

Aus strukturierten und unstrukturierten Daten wertvolle Informationen extrahieren — das verbirgt sich hinter Data Science.

Wissen

Der Cloud vorgelagert: Edge Computing für Datenanalysen

Sicherheitsbedenken und Performance-Engpässe gestalten die Verarbeitung und Analyse von Daten in der Cloud zunehmend schwierig. So spricht einiges für eine Zwischenschicht: den Edge.

Descriptive Analytics Headerbild
Kompetenz 08.09.20

Descriptive Analytics

In der TIMETOACT finden Sie Spezialisten rund um die Themen Descriptive Analytics, Data-Warehouse, Data-Mining und Business Intelligence. Sie entwickeln mit Ihnen individuelle Lösungen, um Datenschätze in Ihrem Unternehmen zu finden.

Headerbild für IBM SPSS
Technologie

IBM SPSS Modeler

IBM SPSS Modeler ist ein Werkzeug, mit dessen Hilfe Aufgabenstellungen beispielsweise aus dem Bereich Data Science und Data Mining über eine grafische Benutzeroberfläche modelliert und ausgeführt werden können.

Branche

Eine elektrisierende Zukunft

Die deutsche Elektroindustrie spielt eine entscheidende Rolle als Leitbranche für die Digitalisierung und treibt andere Branchen maßgeblich voran.

Fachbeitrag "KI als Wegbegleiter in der Fertigung" im Handbuch KI
Presse 02.12.19

Fachbeitrag: KI als Wegbegleiter einer flexiblen Fertigung

Produktionsmittel und Bauteile untereinander vernetzen ist eine gängige Definition von Industrie 4.0. Im Artikel im Handbuch KI spricht X-INTEGRATE Geschäftsführer Wolfgang Schmidt über den gezielten Einsatz von Predictive Maintenance.

Bleiben Sie mit dem TIMETOACT GROUP Newsletter auf dem Laufenden!